Reja: I. Kirish: Neyronning ramziy ai tizimi haqida ma’lumot

O'rganish jarayoni.
Mavjud KB ni to'g'ridan-to'g'ri LNN ga tarjima qilish mumkin, masalan, 1 ga teng og'irliklar va ajratmalar uchun 0 ga teng chegaralar va birikmalar uchun n - 1. Hatto keyingi treningsiz ham bunday tarmoq foydali xulosalar chiqarishi mumkin edi. Boshqa tomondan, haqiqat kuzatuvlari bilan taqdim etilgan cheklangan optimallashtirish tarmoqni burchak holatlari va shovqinli ma'lumotlarga nisbatan bardoshli bo'lish uchun sozlashi mumkin.

1. 
   Mantiqiy yo'qotish Aksariyat neyron tarmoqlar singari, LNN ham turli xil yo'qotish funktsiyalari bilan o'rgatilgan bo'lishi mumkin, ammo ular asosan bashorat qilishda xatoliklarni, masalan, o'rtacha kvadrat xatoni minimallashtirishga qaratilgan. Biroq, boshqa neyron tarmoqlardan farqli o'laroq, LNN ham mantiqiy nomuvofiqlikni oldini olishni o'z yo'qotish funktsiyasiga qarama-qarshilik atamasini kiritish orqali aniq o'rganishi mumkin. Bunday atama har bir neyronning pastki chegarasi haqiqat qiymatining yuqori chegarasidan qanchalik oshib ketishi bilan tavsiflanadi, barcha neyronlar bo'yicha yig'iladi va barcha o'quv misollari bo'yicha o'rtacha hisoblanadi va shuning uchun menteşe yo'qotish shaklini tashkil qiladi.
   

XULOSA.
Kurs ishi jarayonida biz matematik tafsilotlarni, shu jumladan o'rganishni amalga oshirishda optimallashtirish muammosini, xulosa chiqarish tartibi va uning yaqinlashishini va LNNning o'z-o'zini tushuntirish qobiliyatini tasvirladik. Shuningdek, biz oldingi neyro-ramziy ramkalar, jumladan, Mantiqiy Tensor tarmoqlari va Markov Mantiqiy tarmoqlari bilan izohlash, teoremani isbotlash samaradorligi va nomukammal bilimlarni boshqarish qobiliyati o'qlari bo'yicha empirik taqqoslashni taqdim etdik. Alohida ishda biz LNN tomonidan amalga oshirilgan mantiq, formulalar aniq 1 dan boshqa haqiqat qiymatlariga ega bo'lishiga ruxsat berilgan taqdirda ham to'g'ri va to'liq aksiomatizatsiyaga ega ekanligini ko'rsatdik, bu haqiqiy qiymat mantiqining yaxshi o'rganilgan sohasi orasida birinchisi ekanligiga guvoh bo’ldik.Bioinformatikada neyron to’rlarining mantig’ini tuzulishi va uning ishlash prinsplari haqida qimmatli ma’lumotlarga ega bo’ldik.Bu jarayonda biz neyron to’rlarining qabul qilishi mumkin bo’lgan barcha minimum va maximum qiymatlari chegaralarini formula va jadvallar asosida o’rganib oldik. Bizning birinchi asosiy maqsadimiz neyronlarning funktsional teskari ko'rsatkichlaridan foydalanib, formulaning bog'lovchilari orqali har qanday yo'nalishda xulosa chiqarishga imkon berish va shu bilan uning kirishlari haqidagi faktlarni isbotlash imkonini olish edi. . Biroq, boshqa neyron tarmoqlardan farqli o'laroq, LNN ham mantiqiy nomuvofiqlikni oldini olishni o'z yo'qotish funktsiyasiga qarama-qarshilik atamasini kiritish orqali aniq o'rganishi mumkin. Bunday atama har bir neyronning pastki chegarasi haqiqat qiymatining yuqori chegarasidan qanchalik oshib ketishi bilan tavsiflanadi.Barcha neyronlar bo'yicha yig'iladi va barcha o'quv uslubi bo'yicha o'rtacha hisoblanadi va shuning uchun mantiqiy yo'qotish shaklini tashkil qiladi.