Regressiya – o’qituvchili (supervised) o’qitish usuli hisoblanib, o’qitish natijasida qurilgan model doimiy qiymatlar qabul qiladi Sinflashtirish

Chuqur o’qitish (Deep learning). Asosiy vazifalari va algoritmlari

Chuqur o’qitish (Deep learning). Asosiy vazifalari va algoritmlari

Ma’ruza rejasi

Chuqur o’qitish nima? O’qitish usullari

Tasvirlarda sinflashtirish masalasi va chuqur o’qitish imkoniyati Chuqur o’qitish bosqichlari
Chuqur o’qitish tarmog’i turlari
Convolutional neural networks (CNN) asosiy xususiyati Xulosa
Foydalanilgan adabiyotlar

Chuqur o’qitish nima?

Chuqur o’qitish – bu ko'p qatlamli neyron tarmoqlarini tadqiq qilinayotgan obyektga tegishli juda katta miqdordagi ma'lumotlardan foydalanib, ularning tuzilishi va xususiyatlarini tushunishga qaratilgan jarayondir.
Chuqur o’qitish asosan neyron tarmoqlari asosida amalga oshiriladi va bunda quriladigan neyron tarmog’i xususiyatlari va o’qitish jarayoni muhim hisoblanadi hamda neyron tarmog’i aniqligini oshirishga xizmat qiladi.

O’qitish usullari

Chuqur o’qtitishda quyidagi mashinani o’qitish usullaridan

foydalaniladi:
Regressiya – o’qituvchili (supervised) o’qitish usuli hisoblanib, o’qitish natijasida qurilgan model doimiy qiymatlar qabul qiladi
Sinflashtirish - o’qituvchili (supervised) o’qitish usuli hisoblanib, o’qitish natijasida qurilgan model biron sinfga tegishli yoki tegishli emaslik haqidagi qiymat qabul qiladi
Segmentlash (klasterlash) – o’qituvchisiz (unsupervised) o’qitish usuli hisoblanib, o’qitish natijasida model oxshash xususiyatlarni aniqlashga oid qiymatlarni hisoblaydi.

Tasvirlarda sinflashtirish masalasi

Misol uchun: 800 x 600 x 3

(3 kanalli RBG) tasvir berilgan
Ushbu holatda sinflashtirish masalasini
yechish uchun bo’lishi mumkin bo’lgan
holatlar ya’ni sinflar haqida xususiyat
qiymatlari berilgan bo’ladi (misol uchunL cat, car, airplane, dog, truck, ...)
cat

Tasvirni sinflashtirishning klassik yondashuvi

Bunda tasvirga tegishli bo’lgan yoki bo’lishi mumkin bo’lgan qirralar,

va yuqori xususiyatlar
burchaklar qiymatli aniqlanadi