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



Download 8,71 Kb.
bet2/2
Sana09.04.2022
Hajmi8,71 Kb.
#539191
1   2
Bog'liq
Chuqur o’qitish (Deep learning). Asosiy vazifalari va algoritmla-www.hozir.org

Tasvirni sinflashtirish


  • O’quv to’plamini yig’ish

  • Mashinali o’qitish asosida sinflash bloklarini o’qitish

  • Sinf natijasini sinflash bloki yordamida bashorat qilish

Chuqur o’qitish algoritmlari bir-biriga bog’langan neyron tarmoq qatlamlaridan tashkil topadi

Ko’p qatlamli perceptron

Chiziqli sinflashtirish masalasida neyron tarmog’i natijasi

0.4

-0.6

1.0

1.5

1.2

1.0

-0.7

2.0

0.6

0

0.2

-0.4

212
35


5
*
+

0.8

1.1

1.0



=

-65.5

246.1

33.8

kiruvchi tasvir piksel qiymatlari
48
w(weight)
b(bias)
0-tugun qiymati
1-tugun qiymati
2-tugun qiymati
x(kirish)

0.5

0.4

1.0

0.9

1.0

-1.5



*
+

2.8

-1.2



=

-65.5

246.1

33.8

w(weight)
b(bias)
1-sinf qiymati (o’rdak)
2-sinf qiymati (mushik)
yashirin qatlam tugun qiymatlari

102.2

135.2

Machine&Deep Learning


  • Mashinani o’qitish bu modelni qurib olish uchun amalga oshiriladigan
    o’qitish jarayoni

Mashinani o’qitish



  • Neyron tarmog’i bu modelni tezroq va aniqroq qurib olish uchun amalga oshiriladigan jarayon

Neyron tarmog’i



  • Chuqur o’qitish bu bir nechta qatlamdan iborat bo’lgan neyron
    tarmog’ini qurish va o’qitish jarayonidir

Chuqur o’qitish


Chuqur o’qitish bosqichlari

Muammoni tushunib olish


Ma’lumotlarni aniqlash
Chuqur o’qitish algoritmini belgilash
Modelni o’qitish
Modelni testlash

Misol: Robot dancing

Quyidagi misolda robot raqsga tushish jarayoni chuqur o’qitish orqali amalga oshirilgan bo’lib, bunda oq’tish masalasi muhim hisoblanadi. Ushbu model 10 daqiqa davomida o’qitilganda natija yaxshi chiqmagan, 48 soat davomida o’qitish natijasida esa qurilgan model robot o’yinga tushish simulyatsiyasini ko’rsatib bergan.


Chuqur o’qitish tarmog’i turlari


  • Perceptron

  • Feed Forward (FF)

  • Radial Basis Network (RBN)

  • Deep Feed Forward (DFF)

  • Convolution Neural Network (CNN)

  • Recurrent Neural Network (RNN)

  • Long/Short Term Memory (LSTM)

  • Gated Recurrent Unit (GRU)

  • Auto Encoder (AE)

  • Variational AE (VAE)

  • Denoising AE (DAE)

  • Sparse AE (SAE)
    Source: https://www.guru99.com/deep-learning-tutorial.html

Convolutional neural networks (CNN)

CNN - bu ko'p qatlamli neyron tarmoq hamda noyob arxitekturaga ega bo’lib, har bir qatlamda ma'lumotlarning tobora murakkab xususiyatlarini chiqish uchun aniqlashga mo'ljallangan. CNN lar tanib olish masalalarini yechishda, sinflashtirish masalalarida keng foydalaniladi.


Chuqur o’qitish algoritmi asosida ishlovchi dasturlar



AI in Finance: The financial technology sector has already started using AI to save time, reduce costs, and add value. Deep learning is changing the lending industry by using more robust credit scoring. (Fintech company)
AI in HR: Under Armour, a sportswear company revolutionizes hiring and modernizes the candidate experience with the help of AI.
AI in Marketing: AI is a valuable tool for customer service management and personalization challenges. Improved speech recognition in call-center management and call routing as a result of the application of AI techniques allows a more seamless experience for customers.

Chuqur o’qitishda kuzatiladigan kamchiliklar



Data labeling - Ko'pincha zamonaviy AI modellari "nazorat ostida o'rganish“ – (supervised learning) orqali o'qitiladi. Bu shuni anglatadiki, odamlar katta hajmdagi va xatolarga olib keladishi mumkin bo'lgan asosiy ma'lumotlarni belgilashi va toifalashlari kerak.
Obtain huge training datasets - CNN kabi chuqur o’qitish usullari ba'zi hollarda tibbiyot va boshqa sohalardagi mutaxassislarning bilimlariga mos ishlaydi. Hozirgi vaqtda mashina o'qitish jarayoni nafaqat ma’lumotar aniq bo’lishini, balki yetarlicha keng va universal bo'lgan o'quv ma'lumot to'plamlarini talab qiladi.
Explain a problem - Katta va murakkab modellarni tushuntirish va unig xususiyatlarini aniqlash qiyin hisoblanadi. Bunday holatlarda aniq qarorlarni qabul qilishda xatoliklarga yo’l qo’yilishi mumkin.

Foydalanilgan adabiyotlar

Aurelian Geron, Hands on Machine Learning with Scikit-Learn Keras&Tensorflow // Second edition Concepts, Tools, and Techniques to Build Intelligent Systems, 2019, 510 pages

Primoz Potocnik, Neural Networks: MATLAB examples // Neural Networks course (practical examples)© 2012

https://www.guru99.com/deep-learning-tutorial.html

https://www.tutorialspoint.com/python_deep_learning/python_deep_learning_de ep_neural_networks.htm

https://www.mathworks.com/help/deeplearning/examples/create-simple-deep- learning-network-for-classification.html



http://hozir.org
Download 8,71 Kb.

Do'stlaringiz bilan baham:
1   2




Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©hozir.org 2024
ma'muriyatiga murojaat qiling

kiriting | ro'yxatdan o'tish
    Bosh sahifa
юртда тантана
Боғда битган
Бугун юртда
Эшитганлар жилманглар
Эшитмадим деманглар
битган бодомлар
Yangiariq tumani
qitish marakazi
Raqamli texnologiyalar
ilishida muhokamadan
tasdiqqa tavsiya
tavsiya etilgan
iqtisodiyot kafedrasi
steiermarkischen landesregierung
asarlaringizni yuboring
o'zingizning asarlaringizni
Iltimos faqat
faqat o'zingizning
steierm rkischen
landesregierung fachabteilung
rkischen landesregierung
hamshira loyihasi
loyihasi mavsum
faolyatining oqibatlari
asosiy adabiyotlar
fakulteti ahborot
ahborot havfsizligi
havfsizligi kafedrasi
fanidan bo’yicha
fakulteti iqtisodiyot
boshqaruv fakulteti
chiqarishda boshqaruv
ishlab chiqarishda
iqtisodiyot fakultet
multiservis tarmoqlari
fanidan asosiy
Uzbek fanidan
mavzulari potok
asosidagi multiservis
'aliyyil a'ziym
billahil 'aliyyil
illaa billahil
quvvata illaa
falah' deganida
Kompyuter savodxonligi
bo’yicha mustaqil
'alal falah'
Hayya 'alal
'alas soloh
Hayya 'alas
mavsum boyicha


yuklab olish