Amaliy mashg’ulot №8. Vlsi fpga uchun matlab yordamida sun'iy neyron tarmoqlarni loyihalash Ishning maqsadi

8.2.1 Widrow-Hoff ni o’qitish(trening) qoidasi. 
Widrow-Hoffni o'rganish qoidasi delta qoidasi sifatida tanilgandir. 
Bu neyron tarmoqning o'rtacha kvadratik xatoligini minimallashtirishni 

---

nazarda tutadi, bu kirish signallari uchun qoyidagi formula bilan 
belgilanadi: 
𝐸
𝑗
=
(𝑌
𝑗
−𝑏
𝑗
−𝑑
𝑗
)
2
2
, bu erda Y
j
- faollashtirish funktsiyasining 
chiqishi, b
j
– aralashtirish(siljitish), d
j
- maqsadli chiqish va E
j
- bu j 
neyronning javobi va maqsadli javob orasidagi kvadratik xato. 
Har bir j neyron uchun formuladan foydalanib og'irlik yig'indisi 
hisoblanadi: 
Y
j
=Ʃw
ij
X
i
. 
Ekstremumni (minimumni) topish uchun E
j
dan differentsial 
og'irlig(w) va aralashma(siljitish-b) koeffitsientlari bo'yicha olamiz: 
𝜕𝐸
𝑗
𝜕𝑤
𝑖𝑗
= (𝑌
𝑗
− 𝑑
𝑗
)𝑋
𝑗
𝜕𝐸
𝑗
𝜕𝑏
𝑗
= −(𝑌
𝑗
− 𝑑
𝑗
)
Shunday qilib, neyronning og'irlik koeffitsientlari - wij va 
aralasshma- bj quyidagi formulalar yordamida intetratsion hisoblanadi: 
W
ij
(t)=W
ij
(t-1) -α(Y
j
-d
j
)X
j
va 
b
j
(t)=b
j
(t-1)+α(Y
j
-d
j
), bu erda α-bu o'rgatish tezligi (0 <α <1), t-hozirgi, 
t-1 oldingi qadam. 
8.2.2. Ko'p qavatli neyron tarmoq’ini (NT) o'rgatish algoritmi. 
Bu erda va pastda NT qatlami k indeksi bilan belgilangan. 
1.
α (0 < α <1)-o'rganish qadami va Em- NT kerakli o'rtacha 
kvadratik xatosi tanladi. 
2.
NT ning w
ij
k
og'irlik va siljitish bj
k
koeffitsientlariga tasodifiy 
boshlangih qiymat beriladi. 
3.
Ketma-ket javobi ma’lum orgatish berilganlari NT kirishiga 
uzatiladi. Bunda, har bir ma’lumot uchun quyidagi harakatlar bajariladi: 
a)
NT orqali kirishga berilgan ma’lumotlarining oldinga tarqalish 
bosqichi amalga oshiriladi. Barcha neyronlarining chiqish qiymati Y
j
k
qatlqmba qatlam hisoblab chigiladi. 
b)
Chiqish va yashirin qatlamlardagi neyronlarning E
j
xatolari 
hisoblab chiqiladi. 
c)
Neyron elementlarining og'irlik va siljitish koeffitsientlarining 
o'zgarishi neyron tarmoqning har bir qatlami uchun amalga oshiriladi. 
4.
NT umumiy xatosi E hisoblanadi. 
5.
Agar E> Em bo'lsa, u holda 3 -bosqichga qaytiladi, aks holda 
algoritmning bajarilishi tugaydi. 

---

Sun'iy neyron tarmoqlarga asoslangan hisoblash tizimlari fon 
Neyman arxitekturasidagi mashinalarda mavjud bo'lmagan lekin inson 
miyasiga xos bo’lgan bir qancha avfzaliklarga ega: 
•
o'rganish qobiliyati; 
•
umumlashtirish qobiliyati; 
•
assotsiativshaklda tarqoq ma'lumotlarni saqlash; 
•
ekologik o'zgarishlarga moslashuvi; 
•
yuqori mahsuldorligi; 
•
apparatni ko’rinishida amalda xatolarga chidamliligi. 
SNT - bu o'zaro bog'langan va o'zaro ta'sir qiluvchi oddiy 
protsessorlar majmuasi yaniy, sun'iy neyronlar tizimidir. Bunday 
protsessorlar odatda juda oddiy, ayniqsa shaxsiy kompyuterlarda 
ishlatiladigan protsessorlar bilan solishtirganda. Bunday tarmoqdagi har 
bir protsessor faqat vaqti -vaqti bilan qabul qilib turadigan va vaqti -vaqti 
bilan boshqa protsessorlarga yuboradigan signallar bilan shug'ullanadi. 
Va shunga qaramay, boshqariladigan o'zaro ta'sirga ega bo'lgan etarlicha 
katta tarmoqqa ulangan holda, bunday protsessorlar birgalikda ancha 
murakkab vazifalarni bajarishga qodir. 
Umuman olganda, har qanday SNTni yaratish murakkabligi uni 
tashkil qiluvchi individual neyronlarni tuzilishining murakkabligiga 
bog'liqdir. 
Ushbu amaliy ishning dolzarbligi, dasturlashtiriladigan mantiqiy 
juda katta integral sxemalarga(JKIS-VLSI va FPGA- 
field-programmable 
gate array)
asoslangan sun'iy neyron tarmoqlarni joriy etish 
kontseptsiyalarining ishlab chiqilishi (ular bilan ishlash qulayligi va ularni 
tez dasturlash qobiliyati tufayli) bilan tasdiqlanib qo’lash jarayoni faqat 
tezlashmoqda.