Perseptron va ko'p qatlamli perseptron

O’ZBEKISTON RESPUBLIKASI AXBOROT
TEXNOLOGIYALARI VA
KOMUNIKATSIYALARINI RIVOJLANTIRISH
VAZIRLIGI
Muhammad Al-Xorazmiy nomidagi Toshkent
axborot texnologiyalari universiteti Samarqand
filiali
MUSTAQIL ISHI-4
Mavzu: O’qituvchisiz o’qitish tushunchasi va uning usullari

Mashinali o’qitish fanidan

202– 18 – guruh talabasi
Bajardi : Isrofilov B
Tekshirdi : Bekmurodov Q.A.

Samarqand -2021

Mavzu:O’qituvchisiz o’qitish tushunchasi va uning usullari
Mashinaviy o'qitish - bu sun'iy intellekt metodlar sinfidir, uning xarakterli xususiyati muammoni to'g'ridan-to'g'ri hal qilish emas, balki shunga o'xshash ko'plab muammolarga echimlarni qo'llash jarayonida ta`lim olishdir. Bunday usullarni qurish uchun matematik statistika, sonli usullar, optimallash usullari, ehtimollik nazariyasi, graflar nazariyasi, ma'lumotlar bilan raqamli shaklda ishlashning turli xil usullari qo'llaniladi.
Mashinasozlik bo'limi, bir tomondan, neyron tarmoqlari fanini tarmoqlarni o'qitish usullari va ularning arxitekturasining topologiyalari turlariga bo'linishi natijasida shakllangan, ikkinchi tomondan, matematik statistika usullarini o'zida mujassam etgan. Garchi o'quv namunasi kontseptsiyasidan foydalanadigan boshqa usullar mavjud bo`lsada mashinaviy o'qitishning quyidagi usullari neyron tarmoqlardan foydalanishi bilan bog'liq - masalan, diskriminatsion tahlil, Bayes klassifikatorlari, yoki kuzatilgan statistikaning dispersiyasi va kovariyatsiyasi bilan ishlaydigan klassifikatorlar.

Neyron tarmoqlarning asosiy turlarini, masalan, perseptron va ko'p qatlamli perseptron (shuningdek, ularning modifikatsiyalarini), o'qituvchi yordamida yoki o'qituvchi qatnashmagan holda o'qitilishi, yoki o`z ustida ishlash, izlanishlar olib borish orqali o`rganishni tashkil etish va mustahkamlash mumkinbu tajriba orqali avtomatik ravishda takomillashadigan kompyuter algoritmlarini o'rganishdir.^[1] Ning pastki qismi sifatida qaraladi sun'iy intellekt. Mashinada o'qitish algoritmlari namunaviy ma'lumotlarga asoslanib, "o'quv ma'lumotlari", bashorat qilish yoki aniq dasturlashsiz qaror qabul qilish uchun.^[2] Mashinali o'qitish algoritmlari kabi turli xil dasturlarda qo'llaniladi elektron pochta orqali filtrlash va kompyuterni ko'rish, kerakli vazifalarni bajarish uchun an'anaviy algoritmlarni ishlab chiqish qiyin yoki maqsadga muvofiq emas.

Mashinada o'qitishning bir qismi bilan chambarchas bog'liq hisoblash statistikasi, bu kompyuterlar yordamida bashorat qilishga qaratilgan; ammo hamma mashinada o'rganish statistik o'rganish emas. O'rganish matematik optimallashtirish mashinasozlik sohasiga metodlar, nazariya va dastur sohalarini etkazib beradi. Ma'lumotlarni qazib olish e'tiborini qaratish bilan bog'liq bo'lgan ta'lim sohasidir kashfiyot ma'lumotlarini tahlil qilish orqali nazoratsiz o'rganish.^[4][5] Ishbilarmonlik muammolari bo'yicha uni qo'llashda mashinasozlik deb ham ataladi bashoratli tahlil.

Mashinada o'qitish, kompyuterlar qanday qilib aniq dasturlashtirilmagan holda qanday qilib vazifalarni bajara olishlarini aniqlashni o'z ichiga oladi. Bu ma'lum bir vazifalarni bajarish uchun taqdim etilgan ma'lumotlardan kompyuterlarni o'rganishni o'z ichiga oladi. Kompyuterlarga berilgan sodda vazifalar uchun mashinaga qo'yilgan muammoni hal qilish uchun zarur bo'lgan barcha bosqichlarni qanday bajarishni aytib beradigan algoritmlarni dasturlash mumkin; kompyuter tomonidan hech qanday o'rganish kerak emas. Ilg'or vazifalar uchun kerakli algoritmlarni qo'lda yaratish inson uchun qiyin bo'lishi mumkin. Amalda, inson dasturchilariga kerakli har bir qadamni belgilashdan ko'ra, mashinaga o'z algoritmini ishlab chiqishda yordam berish samaraliroq bo'lishi mumkin.^[6]

Mashinada o'qitish intizomi kompyuterlarni to'liq qondiradigan algoritm mavjud bo'lmagan vazifalarni bajarishga o'rgatish uchun turli xil yondashuvlardan foydalanadi. Ko'p sonli potentsial javoblar mavjud bo'lgan hollarda, bitta yondashuv to'g'ri javoblarning bir qismini haqiqiy deb belgilashdir. Keyinchalik bu to'g'ri javoblarni aniqlash uchun foydalanadigan algoritm (lar) ni takomillashtirish uchun kompyuter uchun o'quv ma'lumotlari sifatida ishlatilishi mumkin. Masalan, raqamli belgilarni aniqlash vazifasini bajarish uchun tizimni tayyorlash MNIST qo'lda yozilgan raqamlar to'plami ko'pincha ishlatilga

• 
  Nazorat ostida o'rganish: Kompyuterda "o'qituvchi" tomonidan berilgan misollar va ularning kerakli natijalari keltirilgan va maqsad umumiy qoidalarni o'rganishdir. xaritalar natijalarga kirishlar.
  
• 
  Nazorat qilinmagan o'rganish: O'qitish algoritmiga hech qanday yorliq berilmaydi, uni kiritishda tuzilmani topish uchun uni o'zi qoldiradi. Nazorat qilinmagan o'rganish o'zi maqsad bo'lishi mumkin (ma'lumotlardagi yashirin naqshlarni aniqlash) yoki maqsadga erishish vositasi (xususiyatlarni o'rganish).
  
• 
  Kuchaytirishni o'rganish: Kompyuter dasturi ma'lum bir maqsadni amalga oshirishi kerak bo'lgan dinamik muhit bilan o'zaro ta'sir qiladi (masalan.) transport vositasini boshqarish yoki raqibga qarshi o'yin o'ynash). Muammoli maydonda harakatlanayotganda, dastur mukofotlarga o'xshash geribildirim beradi va uni maksimal darajada oshirishga harakat qiladi.^[3]
  

Ushbu uch qavatli toifaga to'g'ri kelmaydigan boshqa yondashuvlar ishlab chiqilgan va ba'zida bir xil mashinani o'rganish tizimi tomonidan bir nechta foydalaniladi. Masalan mavzuni modellashtirish, o'lchovni kamaytirish yoki meta o'rganish.^[7]
2020 yildan boshlab, chuqur o'rganish mashinasozlik sohasida olib borilayotgan doimiy ishlarning ustun yondashuviga aylandi
Ammo ba'zi neyron tarmoqlari va ko'pgina statistik usullarni faqatgina o`rganishning muayyan uslubi bilangina bog`lagan holda o`rganish mumkin. Shuning uchun, agar mashinaviy o'qitishni o'rganish usuliga qarab uning usullarini tasniflash zarur bo'lganda, neyron tarmoqlarni o'ziga xos turga ajratish to'g'ri bo'lmaydi, neyron tarmoqlarini o'qitish algoritmlarini tiplash yanada to'g'ri bo'ladi.

O'qituvchi bilan o`rganish:

Sun'iy neyron tarmog'i:
1. Chuqur o'rganish
2. Xato tuzatish usuli
3.Bokni ko'paytirish usuli
4.Qo'llab-quvvatlovchi vektorlar usuli
O'qituvchisiz o'rganish:
1. Alfa mustahkamlash tizimi
2. Gamma mustahkamlash tizimi
3. Yaqin qo'shnilar usuli