Muhammad al-xorazmiy nomidagi toshkent axborot texnologiyalari universiteti farg'ona filiali

B ajaruvchi: G’ulomjonov Shahzodbek 614-19

MUHAMMAD AL-XORAZMIY NOMIDAGI TOSHKENT
AXBOROT TEXNOLOGIYALARI UNIVERSITETI
FARG'ONA FILIALI
O'quv yili: 2021-2022,
Semestr: 6-semestr
Mutaxassislik: Kompyuter injiniringi: Kompyuter injiniringi
Kafedra: Axborot ta'lim texnologiyalari
Fan nomi: Mashinali o'qitishga kirish
O'qituvch F.I.Sh.: ISROILOV SHAROBIDDIN MAXAMADYUSUFOVICH
Mashg'ulot: Amaliy

No	Fan mavzulari
11	Neyron tarmoqlarining to'g'ri va teskari tarqalish algaritmlari
12	Neyron tarmoqlarni regulyarizatsiyalash
13	Chuqur o'qitishga asoslangan neyron tarmoqlar
14	Svertkali neyron tarmoqlar(CNN), Rekkurent neyron tarmoqlari, Avtoenkoderlar va boshqa chuqur o'qitishga asoslangan algoritmlar arxitekturalari va ularning imkoniyatlari
15	Chuqur o'qitishga asoslangan neyron tarmoqlari nutq signallarini tanish, tasvirlardagi ob'ektlarni sinflashtirish kabi amaliy masalalarga qo'llash

Bajaruvchi: 614-19-guruh talabasi
G’ulomjonov Shahzodbek
O’Z MEHNATIM BILAN BAJARDIM!
BUNI QADRLANG USTOZ!!!

11-Neyron tarmoqlarining to'g'ri va teskari tarqalish algaritmlari
Neyron tarmoqlar (sun'iy neyron tarmoq) - ulangan va o'zaro ta'sir qiluvchi oddiy protsessorlar (sun'iy neyronlar) tizimi. Bunday protsessorlar odatda juda oddiy (ayniqsa shaxsiy kompyuterlarda ishlatiladigan protsessorlar bilan solishtirganda). Bunday tarmoqdagi har bir protsessor faqat vaqti-vaqti bilan qabul qiladigan signallar va vaqti-vaqti bilan boshqa protsessorlarga yuboradigan signallar bilan ishlaydi. Va shunga qaramay, boshqariladigan o'zaro ta'sirga ega etarlicha katta tarmoqqa ulangan bu protsessorlar birgalikda juda murakkab vazifalarni bajarishga qodir, chunki neyron tarmoqlar ishlash jarayonida o'rganadi. Hech kimga sir emaski, hozirda neyron tarmoqlar ko'pincha fotografiyada qo'llaniladi. Biz allaqachon ular oddiy kompyuterda animatsiya bilan qanday ishlashga qodir ekanliklarini ko'rdik va rasmlar mashhur rassomlarning asarlaridan ko'ra ko'proq bolg'a ostiga tushadi. FaceApp ilovasining asosini aynan neyron tarmoqlar tashkil etgani ajablanarli emas, u bir necha kun ichida butun dunyo bo'ylab mashhurlikka erishib, App Store do'konini bosib oldi va. Ilon Mask Marsni mustamlaka qilganidan keyin Google kompaniyasi nutqni matnli tasvirdan foydalanmasdan to‘g‘ridan-to‘g‘ri boshqa tilga o‘gira oladigan hamda ma’ruzachining ovozi ma’lumotlari va nutq tezligini saqlab qoladigan Translatotron yangi eksperimental neyron tarmog‘ini taqdim etdi, deyiladi kompaniya blogida. Uzoq qisqa muddatli xotiraga ega tizim ovozli kiritishni qabul qilishi va uni spektrogramma sifatida qayta ishlashga qodir va shundan so‘ng maqsadli tilda yangi spektrogramma hosil qiladi. Muayyan sharoitlarda bu nafaqat tarjima tezligini, balki uning aniqligini ham oshiradi. Yangi ishlanmaning toʻliqroq tavsifini arXiv.org ilmiy maqolalar onlayn repozitoriyasida chop etilgan maqolada topish mumkin. Bo'limda biz sun'iy intellekt, mashinani o'rganish va sun'iy neyron tarmoqlar kabi tushunchalar bilan tanishdik. Ushbu bobda men sun'iy neyron modelini batafsil tasvirlab beraman, tarmoqni o'qitishga yondashuvlar haqida gapiraman, shuningdek, biz keyingi boblarda o'rganadigan sun'iy neyron tarmoqlarining ba'zi mashhur turlarini tasvirlayman.
Soddalashtirish. Oxirgi bobda men doimo jiddiy soddalashtirishlar haqida gapirib berdim. Soddalashtirishning sababi shundaki, hech qanday zamonaviy kompyuterlar qila olmaydi tez bizning miyamiz kabi murakkab tizimlarni simulyatsiya qilish. Bundan tashqari, aytganimdek, bizning miyamiz axborotni qayta ishlash bilan bog'liq bo'lmagan turli xil biologik mexanizmlarga to'la. Bizga kirish signalini kerakli chiqishga aylantirish uchun model kerak. Qolgan hamma narsa bizga tegishli emas. Keling, soddalashtirishni boshlaylik.
Biologik tuzilish → sxema. Oldingi bobda siz biologik neyron tarmoqlar va biologik neyronlar qanchalik murakkab ekanligini tushunib oldingiz. Neyronlarni chodirli yirtqich hayvonlar sifatida tasvirlash o'rniga, shunchaki diagrammalarni chizamiz.
Umuman olganda, neyron tarmoqlar va neyronlarni grafik tasvirlashning bir necha usullari mavjud. Bu erda biz sun'iy neyronlarni doira shaklida tasvirlaymiz. Kirish va chiqishlarning murakkab o'zaro bog'liqligi o'rniga biz signal harakati yo'nalishini ko'rsatadigan o'qlardan foydalanamiz. Shunday qilib, sun'iy neyron tarmoq o'qlar bilan bog'langan doiralar (sun'iy neyronlar) to'plami sifatida ifodalanishi mumkin.
Elektr signallari → raqamlar. Haqiqiy biologik neyron tarmoqda elektr signali tarmoq kirishlaridan chiqishlarga uzatiladi. Neyron tarmoqdan o'tish jarayonida u o'zgarishi mumkin. Elektr signali har doim elektr signali bo'ladi. Kontseptual ravishda hech narsa o'zgarmaydi. Ammo keyin nima o'zgaradi? Ushbu elektr signalining kattaligi o'zgaradi (kuchliroq/zaifroq). Va har qanday qiymat har doim raqam sifatida ifodalanishi mumkin (katta/kam). Sun'iy neyron tarmog'imiz modelimizda biz elektr signalining xatti-harakatlarini amalga oshirishimiz shart emas, chunki baribir uning amalga oshirilishiga hech narsa bog'liq bo'lmaydi. Biz tarmoq kirishlariga elektr signalining kattaligini ifodalovchi ba'zi raqamlarni qo'llaymiz, agar bo'lsa. Bu raqamlar tarmoq bo'ylab harakatlanadi va qandaydir tarzda o'zgaradi. Tarmoqning chiqishida biz tarmoqning javobi bo'lgan ba'zi natijaviy raqamni olamiz. Qulaylik uchun biz hali ham tarmoq signallarida aylanayotgan raqamlarimizga qo'ng'iroq qilamiz.

Sinapslar → ulanish og'irliklari. Birinchi bobdagi rasmni eslaylik, unda neyronlar o'rtasidagi aloqalar - sinapslar rangli tasvirlangan. Sinapslar ular orqali o'tadigan elektr signalini kuchaytirishi yoki zaiflashtirishi mumkin.