Guruh F. I. O baho

Guruh	F.I.O	Baho
630-18	Mahmudova Parizod

14-Amaliy mashg‘ulot
Mavzu: Perseptron va xususiyatlari. Perceptron - neyrokompyuterlarning prototipi.
Ishdan maqsad: Perseptron va xususiyatlari. Perceptron - neyrokompyuterlarning prototipi o’rganish.
Sun'iy neyron tarmoq ( Artificial neural network ANN ) biologik neyron tarmoqning soddalashtirilgan modeli bo'lib, u bir-biri bilan o'zaro ta'sir qiluvchi sun'iy neyronlar to'plamidir.

1-rasm. Biologik neyron tarmoqni soddalashtirish
Neyron tarmoqlarning asosiy tamoyillari 1943 yilda Uorren Makkaloch va Uolter Pits ^[1] tomonidan tasvirlangan . 1957 yilda nevrolog Frenk Rozenblatt birinchi neyron tarmoqni ^[2] ishlab chiqdi va 2010 yilda katta hajmdagi o'quv ma'lumotlari mashinani o'rganish uchun neyron tarmoqlardan foydalanish imkoniyatini ochdi.
Hozirgi vaqtda neyron tarmoqlar mashinani o'rganishning ko'plab sohalarida qo'llaniladi va turli xil murakkablikdagi muammolarni hal qiladi.
Neyron tarmoqning tuzilishi

2-rasm. Sun'iy neyronning sxemasi
Biologik neyron tarmog'ining yaxshi namunasi - inson miyasi. Bizning miyamiz murakkab biologik neyron tarmoq bo'lib, u sezgilardan ma'lumot oladi va uni qandaydir tarzda qayta ishlaydi (yuzlarni tan olish, hislarning paydo bo'lishi va boshqalar). Miya, o'z navbatida, bir-biri bilan o'zaro ta'sir qiluvchi neyronlardan iborat.
Sun'iy neyron tarmog'ini qurish uchun biz xuddi shu tuzilmadan foydalanamiz. Biologik neyron tarmog'i singari, sun'iy bir-biri bilan o'zaro ta'sir qiluvchi neyronlardan iborat, ammo u soddalashtirilgan modeldir. Shunday qilib, masalan, ANNni tashkil etuvchi sun'iy neyron ancha sodda tuzilishga ega: u turli xil signallarni qabul qiladigan, ularni o'zgartiradigan va boshqa neyronlarga uzatadigan bir nechta kirishlarga ega. Boshqacha qilib aytganda, sun’iy neyron R n →R Rn→R funksiya bo‘lib, bir nechta kirish parametrlarini bitta chiqishga aylantiradi. 
O'ngdagi rasmda ko'rib turganingizdek, neyronda n ta kirish x ixi mavjud bo'lib, ularning har birining og'irligi w iwi bo'lib, u orqali ulanish orqali o'tuvchi signal ko'paytiriladi. Shundan so'ng x i ⋅ w ixi ⋅ wi og'irlikdagi signallar barcha signallarni vaznli yig'indiga jamlovchi qo'shimcha qurilmaga yuboriladi. Bu miqdor sof net deb ham ataladi . Shunday qilib, net=∑ i=ni=1 w i ⋅ x i =w T ⋅ x net=∑i=1i=nwi ⋅ xi= wT ⋅ x.
Xuddi shunga o'xshab, vaznli sof summani chiqishga o'tkazish befoyda - neyron uni qandaydir tarzda qayta ishlashi va adekvat chiqish signalini yaratishi kerak. Ushbu maqsadlar uchun faollashtirish funktsiyasidan foydalaniladi , u og'irlikdagi summani neyronning chiqishi bo'lgan ba'zi bir raqamga aylantiradi. Faollashtirish funksiyasi s(net) s(net) bilan belgilanadi. Shunday qilib, sun'iy neyronning chiqishi s (aniq) s (aniq) ga teng.
Har xil turdagi neyronlar uchun turli xil faollashtirish funktsiyalari qo'llaniladi, ammo eng mashhurlari:

• 
  Yagona sakrash funktsiyasi. Agar net>eshik net>eshik, s(net)=1 s(net)=1, aks holda 0 0;
  
• 
  Sigmasimon funktsiya. s(net)= 11+exp(−a ⋅ net)s(net)=11+exp(−a ⋅ net), bunda a a parametri funksiyaning tikligini tavsiflaydi;
  
• 
  giperbolik tangens. s (net)=tanh( neta ) s (net)=tanh(neta), bunda a a parametri funksiya grafigining tikligini ham aniqlaydi;
  
• 
  Rektifikatsiya qilingan chiziqli birliklar (ReLU). ReLU(x)={x0x≥0x<0=maks(x,0) ReLU(x)={xx≥00x<0=maks(x,0).