Neyron tarmoq asoslari va uni chuqur o'rganish

Neyron tarmog'ini o'rgatish
Yaxshi o'rgatilgan neyron tarmoqlarida og'irliklar shunday tanlanadi unda signal kuchaytiriladi va shovqin susaytirilgan bo’ladi. Vazn qancha katta bo'lsa, signal chiqarish tarmog'i o'rtasidagi o'zaro bog'liqlik shunchalik kuchli bo'ladi. Katta vazndagi kirishlar ma'lumotlarning kichikroq vazndagi ma'lumotlarga qaraganda tarmoq talqiniga ko'proq ta'sir ko’rsatadi.
Обучение нейронных сетей  65

5888. 
      

Vaznlarni hisoblashga asoslangan har qanday algoritmdagi o'quv jarayoni, vaznlarni va uning qiymatlarini qayta shunda hisoblashadiki ba'zida kattalashadi, ba’zida esa kamaytiriladi. Natijada ba'zi ma'lumotlarning ahamiyati ortib boradi, boshqa ma’lumotni ahamiyati esa kamayeshi kuzatiladi. Bu modelga qaysi prognozlar (xususiyatlar) bilan bog'liqligini aniqlashga va mos ravishda vazn va yo'nalishni moslashtirishga imkon beradi.

23. 
    Ko'pgina ma'lumot to'plamlaridagi ma'lum atributlar ma'lum bir belgilar bilan juda o’zviy bog'liqdir (masalan, uyning maydoni uning sotish narxiga bevosita bog'liq). Neyron tarmoqlar ushbu bog’lanishlarni ko'r-ko'rona o'rganadilar hamda kirish ma'lumotlari asosida farazlar yaratadilar va natijada ularning ishonchliligini o'lchaydilar. Optimallash algoritmlaridagi yo'qotish funktsiyalari, stoxastik gradientning tushishi (SGT) tarmoqni to'g'ri gipotezalar uchun rahbarlantiriladi va noto'g'ri bo'lgan gipotezalar uchun jarima soladi. SGT tarmoq parametrlarini yomon prognozlardan yaxshi tomonga yo'naltiradi.
    

Ta'lim jarayoniga boshqacha qarash mumkin, belgilar sifatida nazarani hamda atributlar to'plamini dalil sifatida ko'rib chiqish mumkin. Shunda biz aytishimiz mumkinki, tarmoq nazariya va dalil o'rtasidagi bog'liqliklarni aniqlashga intiladi. Model "qaysi nazariya dalillar tomonidan qo'llab-quvvatlanadi?" Savoliga javob berishga harakat qilmoqda. Yuqoridagi mulohazalarni yodda tutib, keling, neyron tarmoqlari nuqtai nazaridan ko’p qo’llaniladigan algoritmni ko'rib chiqaylik: teskari taqsimlash usulida o’qitish.