Sun’iy intellekt va neyron tarmoqlari

O’qituvchili o’qitish (supervised learning) nima

O’qituvchili o’qitish (Supervised learning) – bu modelni xususiyatlari aniq bo’lgan ma’lumotlar bilan o’qitish. Bunday turdagi o’qitish usullariga Regressiya va Sinflashtirish masalalarini misol keltirish mumkin

37. 
    O’qituvchisiz o’qitish (unsupervised learning) nima
    

O’qituvchisiz o’qitish (Unsupervised learning) – bu modelni xususiyatlari aniq bo’lmagan ma’lumotlar bilan o’qitish.(Klasterlash)

37. 
    Chiziqli regression model nima uchun ishlatiladi
    

Chiziqli regressiya - bu korrelyatsiyadan keyingi qadam. U o'zgaruvchining qiymatini boshqa o'zgaruvchining qiymatiga qarab bashorat qilishni xohlaganimizda ishlatiladi

37. 
    Matlab muhitidagi polyfit() funksiyasi qanday vazifani bajaradi
    

%Chiziqli regression model qurish

37. 
    Matlab muhitida polyval() funksiyasi qanday vazifani bajaradi?
    

Model natijalarini olish

37. 
    Matlab muhitida scatter() funksiyasi qanday vazifani bajaradi
    

Berilgan to'plam grafigini chizish

37. 
    Python muhitida chiziqli regression model qurish uchun ishlatiladigan stats.linregress(x,y) funksiyasi nechta qiymat qaytaradi?
    

37. 
    Biologik neyron tarmoq tashkil etuvchilarini ko’rsating
    

Cell body (soma), dendrites, Synapse, Axon

37. 
    Sun’iy neyron tarmoq tashkil etuvchilarini ko’rsating
    

Node – tugun, Input – kiruvchi ma’lumotlar, Weights (interconnections) – og’irlik koeffitsentlari, Output – chiquvchi ma’lumotlar, natija

37. 
    Neyron tarmoqda tugunlar nimalar bilan bog’lanadi
    

37. 
    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