Qiyinlik darajasi

Neyron tarmoqda qanday turdagi qatlamlar (layers) bo’lishi mumkin

Kiruvchi qatlam (input layer) – obyektga tegishli bo’lgan kiruvchi ma’lumotlar (Masalan, 28x28 o’lchamdagi tasvir bo’ladigan bo’lsa, 784 ta kiruvchi parametr); Chiquvchi qatlam (output layer) – hisoblash natijasini ko’rsatadigan natijaviy qatlam; Yashirin qatlamlar (hidden layer) – neyron tarmog’ida asosiy hisoblashlarni amalga oshiruvchi ko’p sathli (yoki bitta sath) neyronlar jamlanmasi;

37. 
    Qanday turdagi faollashtirish funksiyalari mavud
    

Bog’lanishlar va og’irlik koeffitsentlari (weights) – neyron tarmog’idagi bog’lanish koeffitsentlari hisoblanadi, bunda kiruvchi sath neyronlari ushbu koeffitsentlarga kop’paytirish orqali, agar tarmoq bir nechta sathdan iborat bo’lsa unda natijaviy qatlam, keyingi qatlam uchun kiruvchi sath bo’lib hisoblanadi va ularning ham og’irlik koeffitsentlari bo’ladi. Faollashtirish funksiyasi (activation function, transfer function) – chiquvchi qatlam uchun qiymatlarni muvoffiqlashtiruvchi funksiya (softmax, relu) hisoblanadi O’qitish qoidasi (learning rule) - bu tarmoqqa berilgan kirish uchun qulay natijaga erishishda neyron tarmoq parametrlarini o'zgartiradigan qoida yoki algoritm.

37. 
    Neyron tarmoqdagi tugun qiymati 5 ga teng. Ushbu tugun ReLU funksiyasi yordamida faollashtirilsa qanday qiymatga o’zgaradi
    

5

37. 
    Neyron tarmoqdagi tugun qiymati -5 ga teng. Ushbu tugun ReLU funksiyasi yordamida faollashtirilsa qanday qiymatga o’zgaradi
    

0

37. 
    Tasvirda keltirilgan neyron tarmoqdagi y ning qiymati to’g’ri ko’rsatilgan javobni tanlang.
    

Y = 5,33