Kompyuter injineringgi fakulteti


SVM (qo'llab-quvvatlovchi Vektorli mashina)



Download 424,68 Kb.
bet3/6
Sana15.11.2022
Hajmi424,68 Kb.
#866832
1   2   3   4   5   6
Bog'liq
7 JORIY NAZORAT

SVM (qo'llab-quvvatlovchi Vektorli mashina)


SVM - chiziqli / logistik regressiya kabi chiziqli model. Farqi shundaki, u marjaga asoslangan yo'qotish funktsiyasiga ega. Yo'qotish funktsiyasini L-BFGS yoki SGD kabi optimallash usullaridan foydalanib optimallashtirishingiz mumkin.



SVM-larning bitta noyob ishi bu klass tasniflagichlari haqida bilishdir.


SVM klassifikatorlarni (hatto regressatorlarni) o'qitish uchun ishlatilishi mumkin.


Qayta yo'naltiriladigan neyron tarmoqlari


Asosan, bu ko'p bosqichli logistik regressiya tasniflagichlari. Og'irlikning ko'p qatlamlari nomutanosibliklar bilan ajratiladi (sigmasimon, tan, relu + yumshoq va yangi selu). Ularni ko'p qavatli in'ikoslar deb ham atashadi. FFNN-lar avtokoder sifatida tasniflash va nazoratsiz o'rganish uchun ishlatilishi mumkin.


FFNN klassifikatorni o'qitishda yoki avtokoder sifatida funktsiyalarni ajratishda ishlatilishi mumkin.


Konvolyutsion neyron tarmoqlari
Mashinada o'qitishning deyarli barcha zamonaviy yutuqlariga konvulsion neyron tarmoqlari yordamida erishildi. Ular tasvirni tasniflash, ob'ektni aniqlash yoki hatto rasm segmentatsiyasi uchun ishlatiladi. 90-yillarning boshlarida Yan Lekun tomonidan ixtiro qilingan tarmoqlar iyerarxik ob'ektni ekstraktori sifatida ishlaydigan konvolyutsion qatlamlarga ega. Siz ularni matn bilan ishlashda ishlatishingiz mumkin (va hatto grafika bilan ishlashda).




Takrorlanuvchi neyron tarmoqlari (RNN)
RNN modellar ketma-ketligi t og'irlik to'plamini t va kiritish vaqtidagi agregator holatiga rekursiv ravishda qo'llash orqali. Bugungi kunda sof RNN kamdan kam ishlatiladi, ammo LSTM va GRU kabi hamkasblari ko'p sonli ketma-ketlikni modellashtirish muammolari uchun eng zamonaviy hisoblanadi. Sof RNN-da oddiy zich qatlam o'rniga LSTM ishlatiladi.



Matnni har qanday tasniflash, mashinani tarjima qilish, tilni modellashtirish uchun RNN-dan foydalaning.



Download 424,68 Kb.

Do'stlaringiz bilan baham:
1   2   3   4   5   6




Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©hozir.org 2024
ma'muriyatiga murojaat qiling

kiriting | ro'yxatdan o'tish
    Bosh sahifa
юртда тантана
Боғда битган
Бугун юртда
Эшитганлар жилманглар
Эшитмадим деманглар
битган бодомлар
Yangiariq tumani
qitish marakazi
Raqamli texnologiyalar
ilishida muhokamadan
tasdiqqa tavsiya
tavsiya etilgan
iqtisodiyot kafedrasi
steiermarkischen landesregierung
asarlaringizni yuboring
o'zingizning asarlaringizni
Iltimos faqat
faqat o'zingizning
steierm rkischen
landesregierung fachabteilung
rkischen landesregierung
hamshira loyihasi
loyihasi mavsum
faolyatining oqibatlari
asosiy adabiyotlar
fakulteti ahborot
ahborot havfsizligi
havfsizligi kafedrasi
fanidan bo’yicha
fakulteti iqtisodiyot
boshqaruv fakulteti
chiqarishda boshqaruv
ishlab chiqarishda
iqtisodiyot fakultet
multiservis tarmoqlari
fanidan asosiy
Uzbek fanidan
mavzulari potok
asosidagi multiservis
'aliyyil a'ziym
billahil 'aliyyil
illaa billahil
quvvata illaa
falah' deganida
Kompyuter savodxonligi
bo’yicha mustaqil
'alal falah'
Hayya 'alal
'alas soloh
Hayya 'alas
mavsum boyicha


yuklab olish