Intellektual tizimlar

10.4.  Neyron tarmoqlarni o‘rgatish usullari. 

O‘rgatish jarayonda vaznli bog‘lanish koeffitsiyent, chegara va tuzilma kabi 

NT  parametrlar  qiymatlari  sozlanadi  (modifikatsiyalashadi).  Shu  holatda  mazkur 

parametrlarni boshlang‘ich qiymatlari odatda tasodifiy ravishda beriladi. 

Tasnifni  eng  muhim  belgisi  (ko‘rsatgichi)  tashqi  muxit  bilan  o‘zaro  xarakatlarini 

turi,  xususiyati  bo‘ladi.  O‘rgatish  jarayonda  tashqi  muxitdan  keladigan  axborotni 

miqdori va sifati (semantikasi, ma’nosi)ga ko‘ra supervizorli (supervised learning), 

nosupervizorli (unsupervised learning) va tasdiqlash bilan  (reinforcement learning)  

o‘rgatish algoritmlar ajratiladi.  

NT o‘rgatish usullar tasnifi. 

Supervizoli  usulda  oldindan  o‘rgatish  juftlarni  hammasidan  iborat  bo‘lgan   

o‘rgatish  to‘plam  shakllanadi.  O‘rgatish  jufti  X    kirish  vektori  va  unga  muvofiq 

bo‘lgan  Y  chiqish  vektorlar  qiymatlari  bilan  ifodalanadi.    Shu  holatda  har  bir  xi 

kirish  vektorni  i-  komponentasi    i-  kirish  neyronga  keladigan  signalga  muvofiq 

bo‘ladi.  Shunga  uxshash    har  bir  yj    chiqish  vektorni  j-  komponentasi  j-chiqish 

neyronda paydo bo‘ladigan signalga  muvofiq bo‘ladi. 

O‘rgatish  jarayonda  chiqish  vektorlarni  berilgan  kirish  vektorlarni 

qiymatlarga  muvofiq  bo‘lgan  joriy  haqiqiy  qiymatlarini  o‘rgatish  to‘plamda 

oldindan  berilgan  chiqish  qiymatlardan  og‘ishlari  hisoblanadi.  Bu  og‘ishni 

qiymatiga  muvofiq  NT  parametrlari  mazkur  og‘ishlar  qiymatlarini  minimum 

(berilgan) 

kattaligiga 

olib 

keltirish 

uchun 

to‘g‘irlanadi 

(sozlanadi, 

modifikatsiyalanadi). Supervizorli o‘rgatish algoritmlarni ichida eng keng tarqalgan 

xatolarni (to‘lqinlarni) orqaga traqatish algoritmi (error backpropagation) bo‘ladi. 

Nosupervizorli algoritm (usul)larda o‘rgatish to‘plami faqat  kirish vektorlar 

majmuisini ichiga oladi. Qo’llanil adigan shu holatda raqobatli o‘rgatish algoritmi 

(competitive  learning)  klasterlash  masalalarni  yechish  uchun  NT  parametrlarni 

sozlaydi.  O‘rgatish  paytda  tegishli  klasterga  kiradigan  faol  bo‘lgan  kirish 

komponenta (neyron)lar va shu klasterni tavsiflaydigan (aks etadigan) faol bo‘lgan 

chiqish  neyron  orasidagi  bog‘lanish  vaznlar  qiymatlari  maksimal  darajada 

---

88 

 

ko‘paytiriladi.  Shu  bilan  birga  ushbu  chiqish  neyronni  faol  bo‘lmagan  kirish 

neyronlar bilan bog‘lanish vaznlar qiymatlari kamaytiriladi. 

Tasdiqlash bilan  o‘rgatish usul (algoritm)lar ko‘rib o‘tilgan ikkisini o‘rtasida 

turadi.  Bu  usulni  asosiy  printsipi  tashqi  muxitdan  (o‘qituvchidan)  keladigan 

“tasdiqlash - rad qilish “ yoki “rag‘batlantirish - jazolash” (reward/penalty)  signalni 

mavjudligi bo‘ladi. Bunday o‘rgatish jarayonda navbatdagi kirish vektori berilganda 

NT xarakati qoniqarli bo‘lsa tasdiqlash («+1») signal, aks holda  - rad qilish («0» 

yoki  «-1»)  signal  beriladi.  Shu  holatda  tarmoq  tasdiqlash  signallarni  olishini 

balandroq tezligini ta’minlash  maqsadda vaznli koeffitsiyent qiymatlarini tegishli 

ravishda o‘zgartiradi. Shu tezlik qiymati maqbul darajasiga yetmaguncha o‘rgatish 

jarayoni davom etadi. 

Tuzilmali  o‘rgatish  usullar  endi  rivojlana  boshladi.  Ular  murakkab 

masalalarni yechish uchun mo‘ljallangan NTni qurishga imkoniyat beradi. 

Kirishlarga  quyiladigan  talablar  bo‘yicha  misol  (timsol,  o‘xshashlik)lar  va 

yagona  misol  (buyruqqa  asoslangan)  bo‘yicha  o‘rgatish  usullar  ajratiladi.  Shu 

holatda tadqiq qilinadigan ob'yektlarni tavsiflaydigan etalon (misol, timsol) to‘plami 

shakllanadi.  NT  parametrlari  shunday  qilib  sozlanadiki,  kirish  belgilarni  tegishli 

qiymatlarda faqat mazkur belgilarga ega bo‘lgan  berilgan etalonga muvofiq bo‘lgan 

chiqish neyronlar aktivlanishi kerak.  

Stoxastik  o‘rgatish  usullar  ehtimolli  aktivlash  qoidalarga,  determinlik  (aniq 

belgilangan) usullar - determinlik qoidalarga asoslangan.