Мазмуну[Жашыруу][Көрсөтүү]
Жасалма интеллект (AI) башында алыскы кыял, келечек үчүн технология деп ойлошкон, бирок азыр андай эмес.
Мурда изилдөө темасы болгон нерсе азыр реалдуу дүйнөдө жарылып жатат. AI азыр ар кандай жерлерде, анын ичинде жумуш ордуңузда, мектепте, банкта, ооруканаларда, жада калса телефонуңузда да кездешет.
Алар өзүн-өзү башкарган унаалардын көздөрү, Сири менен Алексанын үндөрү, аба ырайын алдын ала айтуунун артында турган акылдар, роботтордун жардамы менен жасалган операциянын артында турган колдор жана башкалар.
жасалма акыл (AI) заманбап жашоонун кадимки өзгөчөлүгү болуп баратат. Акыркы бир нече жылда AI IT технологияларынын кеңири спектринде негизги оюнчу катары пайда болду.
Акыр-аягы, нейрондук тармак жаңы нерселерди үйрөнүү үчүн AI тарабынан колдонулат.
Ошентип, бүгүн биз Нейрондук тармактар, анын кантип иштейт, алардын түрлөрү, тиркемелери жана башка көптөгөн нерселер жөнүндө билебиз.
Нейрондук тармак деген эмне?
In машина үйрөнүү, нейрондук тармак – жасалма нейрондордун программалык камсыздоо тармагы. Ал мээбиздеги нейрондорго окшош көп сандаган "нейрондор" катмарына ээ болуу менен адамдын мээсин туураганга аракет кылат.
Нейрондордун биринчи катмары фото, видео, үн, текст жана башка киргизүүлөрдү кабыл алат. Бул маалыматтар бардык деңгээлдер аркылуу агып, бир катмардын чыгышы кийинкиге агып өтөт. Бул машина үйрөнүү үчүн табигый тилди иштетүү сыяктуу эң татаал тапшырмалар үчүн өтө маанилүү.
Бирок, башка учурларда, тактыкты жана натыйжалуулукту сактоо менен моделдин өлчөмүн азайтуу үчүн системаны кысуу максатка ылайыктуу. Нейрондук тармакты кыркуу - бул үйрөнгөн моделден салмактарды алып салууну камтыган кысуу ыкмасы. Адамдарды жаныбарлардан айырмалоо үчүн үйрөтүлгөн жасалма интеллект нейрон тармагын карап көрөлү.
Сүрөт нейрондордун биринчи катмары тарабынан жарык жана караңгы бөлүктөргө бөлүнөт. Бул маалыматтар төмөнкү катмарга өткөрүлүп берилет, ал четтери кайда экенин аныктайт.
Кийинки катмар четтердин айкалышы пайда болгон формаларды таанууга аракет кылат. Ал үйрөтүлгөн маалыматтарга ылайык, маалыматтар сиз көрсөткөн сүрөт адамдын же жаныбардын экенин аныктоо үчүн ушундай эле жол менен көптөгөн катмарлардан өтөт.
Нейрондук тармакка маалымат берилгенде, ал аны иштете баштайт. Андан кийин, керектүү натыйжаны алуу үчүн маалыматтар анын деңгээли аркылуу иштетилет. Нейрондук тармак структураланган киргизүүдөн үйрөнүп, натыйжаларды көрсөткөн машина. Нейрондук тармактарда окуунун үч түрү бар:
- Көзөмөлгө алынган окутуу – Киргизүүлөр жана жыйынтыктар белгиленген маалыматтарды колдонуу менен алгоритмдерге берилет. Маалыматтарды талдоону үйрөткөндөн кийин, алар күтүлгөн натыйжаны болжолдошот.
- Көзөмөлсүз окутуу – ANN адамдын жардамысыз үйрөнөт. Эч кандай энбелгиленген маалыматтар жок жана чыгаруу чыгаруу маалыматтарында табылган үлгүлөр менен чечилет.
- Кубаттоо билим тармак алган пикирден үйрөнгөндө.
Нейрондук тармактар кантип иштейт?
Жасалма нейрондор татаал системалар болгон нейрон тармактарында колдонулат. Жасалма нейрондор, ошондой эле кабылдоочу деп аталган, төмөнкү компоненттерден турат:
- кирүү
- салмак
- Bias
- Активдештирүү функциясы
- продукция
Нейрондук тармактарды түзгөн нейрондордун катмарлары. Нейрондук тармак үч катмардан турат:
- Киргизүү катмары
- Жашыруун катмар
- Чыгуу катмары
Сандык маани түрүндөгү маалыматтар киргизүү катмарына жөнөтүлөт. Тармактын жашыруун катмарлары эң көп эсептөөлөрдү жүргүзөт. чыгаруу катмары, акыркы, бирок жок дегенде, натыйжаны болжолдойт. Нейрондор нейрон тармагында бири-бирине үстөмдүк кылат. Нейрондор ар бир катмарды куруу үчүн колдонулат. Берилиштер киргизүү катмары аны алгандан кийин жашыруун катмарга багытталат.
Ар бир киргизүүгө салмактар колдонулат. Нейрондук тармактын жашыруун катмарларынын ичинде салмак - бул келген маалыматтарды которуучу маани. Салмактар киргизилген маалыматтарды киргизүү катмарындагы салмак маанисине көбөйтүү аркылуу иштейт.
Андан кийин биринчи жашыруун катмардын маанисин баштайт. Киргизилген маалыматтар трансформацияланат жана жашыруун катмарлар аркылуу башка катмарга өтөт. Чыгуу катмары акыркы натыйжаны түзүү үчүн жооптуу. Киргизүүлөр жана салмактар көбөйтүлүп, натыйжа жашыруун катмар нейрондоруна сумма катары жеткирилет. Ар бир нейронго бир багыт берилет. Жалпы сумманы эсептөө үчүн, ар бир нейрон алган киргизүүлөрдү кошот.
Андан кийин, маани активдештирүү функциясы аркылуу өтөт. Активдештирүү функциясынын натыйжасы нейрондун активдештирилген же иштетилбегенин аныктайт. Нейрон активдүү болгондо, башка катмарларга маалымат жөнөтөт. Бул ыкманы колдонуу менен нейрон чыгуу катмарына жеткенге чейин маалымат тармакта түзүлөт. Алдыга жайылтуу бул үчүн дагы бир термин.
Киргизүү түйүнүнө берилиштерди берүү жана чыгуу түйүнү аркылуу чыгууну алуу техникасы алдыга жайылтуу деп аталат. Киргизилген маалыматтар жашыруун катмар тарабынан кабыл алынганда, алга карай жайылуу пайда болот. Ал активдештирүү функциясына ылайык иштетилип, андан кийин чыгарууга өтөт.
Натыйжа эң жогорку ыктымалдуулук менен чыгуу катмарындагы нейрон тарабынан болжолдонот. Артка жайылтуу чыгаруу туура эмес болгондо пайда болот. Нейрондук тармакты түзүү учурунда ар бир киргизүү үчүн салмактар инициализацияланат. Артка жайылтуу - каталарды азайтуу жана так чыгарууну камсыз кылуу үчүн ар бир киргизүүнүн салмагын кайра тууралоо процесси.
Нейрондук тармактын түрлөрү
1. Перцептрон
Мински-Паперт перцептрон модели эң жөнөкөй жана эң эски нейрон моделдеринин бири. Бул келген маалыматтарда мүнөздөмөлөрдү же бизнес чалгындоону табуу үчүн белгилүү бир эсептөөлөрдү жүргүзгөн нейрон тармагынын эң кичинекей бирдиги. Ал салмактуу киргизүүлөрдү талап кылат жана акыркы натыйжаны алуу үчүн активдештирүү функциясын колдонот. TLU (босого логикалык бирдиги) перцептрондун дагы бир аталышы.
Перцептрон – бул экилик классификатор, ал маалыматтарды эки топко бөлгөн көзөмөлдөгү окуу системасы. Логика Гейтс ЖАНА, ЖЕ жана NAND сыяктуу перцептрондор менен ишке ашырылышы мүмкүн.
2. Нейрондук тармак
Киргизүү маалыматтары бир гана багытта агып турган нейрон тармактарынын эң негизги версиясы жасалма нейрондук түйүндөр аркылуу өтөт жана чыгуу түйүндөрү аркылуу чыгат. Киргизүү жана чыгаруу катмарлары жашыруун катмарлар бар же жок болушу мүмкүн болгон жерлерде бар. Аларды ушуга негизделген бир катмарлуу же көп катмарлуу багыттоочу нейрон тармагы катары мүнөздөөгө болот.
Колдонулган катмарлардын саны функциянын татаалдыгы менен аныкталат. Ал алдыга бир багытта гана тарайт, артка тарабайт. Бул жерде, салмагы туруктуу бойдон калууда. Киргизүүлөр активдештирүү функциясын берүү үчүн салмактарга көбөйтүлөт. Бул үчүн классификацияны активдештирүү функциясы же кадамды активдештирүү функциясы колдонулат.
3. Көп катмарлуу перцептрон
татаалга киришүү нейрон торлору, мында киргизүү маалыматтары жасалма нейрондордун көптөгөн катмарлары аркылуу багытталат. Бул толугу менен байланышкан нейрондук тармак, анткени ар бир түйүн кийинки катмардагы бардык нейрондор менен байланышкан. Киргизүү жана чыгаруу катмарларында бир нече жашыруун катмарлар, башкача айтканда, жок дегенде үч же андан көп катмарлар бар.
Ал эки багыттуу жайылтууга ээ, демек, алдыга да, артка да тарай алат. Киргизүүлөр салмактарга көбөйтүлөт жана активдештирүү функциясына жөнөтүлөт, ал жерде жоготууларды азайтуу үчүн артка таралуу аркылуу өзгөртүлөт.
Салмактар, жөнөкөй тил менен айтканда, Нейрондук тармактардан машина тарабынан үйрөнүлгөн баалуулуктар. Күтүлгөн натыйжалар менен окутуунун салымдарынын ортосундагы диспропорцияга жараша, алар өз алдынча жөнгө салынат. Softmax сызыктуу эмес активдештирүү функцияларынан кийин чыгуу катмарын активдештирүү функциясы катары колдонулат.
4. Convolutional Neyron Network
Салттуу эки өлчөмдүү массивден айырмаланып, конволюциялык нейрон тармагы нейрондордун үч өлчөмдүү конфигурациясына ээ. Биринчи катмар конволюциондук катмар деп аталат. Конволюциялык катмардагы ар бир нейрон көрүү талаасынын чектелген бөлүгүнөн алынган маалыматты гана иштетет. Чыпка сыяктуу эле, киргизүү функциялары пакет режиминде алынат.
Тармак сүрөттөрдү бөлүктөргө бөлүп түшүнөт жана бул аракеттерди бир нече жолу аткара алат жана бүт сүрөт иштетүүнү аягына чыгарат.
Сүрөт иштетүүдө RGB же HSIден боз түскө айланат. Пикселдик маанидеги мындан аркы вариациялар четтерди аныктоого жардам берет жана сүрөттөрдү бир нече топко сорттоого болот. Бир багыттуу таралуу CNN бир же бир нече конволюциондук катмарларды камтыгандан кийин, андан кийин пулдашуу болгондо, ал эми эки багыттуу таралуу конволюция катмарынын чыгышы сүрөт классификациясы үчүн толук туташтырылган нейрондук тармакка жөнөтүлгөндө пайда болот.
Сүрөттүн айрым элементтерин алуу үчүн чыпкалар колдонулат. MLPде киргизүүлөр салмактанып, активдештирүү функциясына киргизилет. RELU конволюцияда колдонулат, ал эми MLP сызыктуу эмес активдештирүү функциясын колдонот, андан кийин softmax. Сүрөт жана видеону таанууда, семантикалык талдоодо жана парафразаларды аныктоодо конволюциялык нейрон тармактары эң сонун натыйжаларды берет.
5. Radial Bias Network
Киргизүү векторунан кийин RBF нейрондорунун катмары жана Радиалдык Негизги Функционалдык Тармактын ар бир категориясы үчүн бир түйүн менен чыгуучу катмар келет. Киргизүү ар бир нейрондун прототибин сактаган машыгуу топтомундагы маалымат чекиттери менен салыштыруу жолу менен классификацияланат. Бул окуу комплексинин мисалдарынын бири.
Жаңы киргизүү вектору [категориялоого аракет кылып жаткан n-өлчөмдүү вектор] классификацияланышы керек болгондо, ар бир нейрон киргизүү менен анын прототипинин ортосундагы Евклиддик аралыкты эсептейт. Эгерде бизде эки класс бар болсо, А классы жана В классы, категорияга бөлүнүүчү жаңы киргизүү В классынын прототиптерине караганда А классынын прототиптерине көбүрөөк окшош.
Натыйжада, ал А классы катары белгилениши же категорияланышы мүмкүн.
6. Кайталануучу нейрон тармагы
Кайталануучу нейрон тармактары катмардын чыгышын сактап, андан кийин катмардын жыйынтыгын болжолдоого жардам берүү үчүн аны кайра киргизүүгө киргизүү үчүн иштелип чыккан. Алга берүү нейрон тармак адатта баштапкы катмар, андан кийин кайталануучу нейрондук тармак катмары, мында эстутум функциясы мурунку убакыт кадамында болгон маалыматтын бир бөлүгүн эстейт.
Бул сценарий алдыга жайылууну колдонот. Ал келечекте керектүү маалыматтарды сактайт. Болжолдоо туура эмес болгон учурда, үйрөнүү ылдамдыгы майда оңдоолорду киргизүү үчүн колдонулат. Натыйжада, артка жайылуу прогресси менен ал барган сайын так болуп калат.
Тиркемелер
Нейрондук тармактар ар кандай дисциплиналардагы маалымат көйгөйлөрүн чечүү үчүн колдонулат; кээ бир мисалдар төмөндө көрсөтүлгөн.
- Жүздү таануу – Бетти таануу чечимдери эффективдүү байкоо тутумдары катары кызмат кылат. Таануу системалары санарип сүрөттөрдү адамдын жүзү менен байланыштырат. Алар тандап кирүү үчүн кеңселерде колдонулат. Ошентип, системалар адамдын жүзүн текшерип, анын маалымат базасында сакталган ID тизмеси менен салыштырышат.
- Акцияларды болжолдоо - Инвестициялар рыноктук тобокелдиктерге дуушар болушат. Өтө туруксуз баалуу кагаздар рыногунда болочок окуяларды алдын ала айтуу дээрлик кыйын. Нейрондук тармактарга чейин тынымсыз өзгөрүп туруучу өсүүчү жана аюу фазалары күтүүсүз болгон. Бирок, баарын эмне өзгөрттү? Албетте, биз нейрон тармактары жөнүндө айтып жатабыз… Көп катмарлуу Perceptron MLP (алга берүүчү жасалма интеллект системасынын бир түрү) реалдуу убакытта ийгиликтүү биржа прогнозун түзүү үчүн колдонулат.
- Коомдук Медиа – Канчалык күлкүлүү угулбасын, социалдык медиа жашоонун күнүмдүк жолун өзгөрттү. Социалдык медиа колдонуучуларынын жүрүм-туруму жасалма нейрон тармактарынын жардамы менен изилденет. Атаандаштык талдоо үчүн виртуалдык өз ара аракеттенүү аркылуу күн сайын берилүүчү маалыматтар топтолуп, каралат. Социалдык тармактардын колдонуучуларынын аракеттери нейрондук тармактар аркылуу кайталанат. Жеке адамдардын жүрүм-туруму маалыматтар социалдык медиа тармактары аркылуу талдангандан кийин адамдардын чыгымдоо схемаларына байланыштуу болушу мүмкүн. Коомдук медиа колдонмолорунан алынган маалыматтар Multilayer Perceptron ANN аркылуу казылып алынат.
- Саламаттыкты сактоо - Бүгүнкү дүйнөдөгү адамдар саламаттыкты сактоо тармагында технологиянын артыкчылыктарын колдонуп жатышат. Саламаттыкты сактоо бизнесинде Convolutional Neural Networks рентген нурларын аныктоо, КТ жана УЗИ үчүн колдонулат. Жогоруда айтылган тесттерден алынган медициналык сүрөттөө маалыматтары нейрондук тармак моделдерин колдонуу менен бааланат жана бааланат, анткени CNN сүрөттөрдү иштетүүдө колдонулат. Үн таануу системаларын иштеп чыгууда кайталануучу нейрон тармагы (RNN) да колдонулат.
- Аба ырайы жөнүндө отчет – Жасалма интеллект ишке ашырылганга чейин метеорологиялык бөлүмдүн болжолдору так болгон эмес. Аба ырайын болжолдоо негизинен келечекте боло турган аба ырайынын алдын алуу үчүн жасалат. Аба ырайынын божомолдору азыркы мезгилдеги табигый кырсыктардын ыктымалдуулугун алдын ала билүү үчүн колдонулууда. Аба ырайын болжолдоо көп катмарлуу перцептрон (MLP), конволюциялык нейрон тармактары (CNN) жана кайталануучу нейрон тармактары (RNN) аркылуу ишке ашырылат.
- Коргоо - Логистика, куралдуу чабуулдарды талдоо жана объекттин жайгашкан жери бардыгы нейрон тармактарын колдонот. Алар ошондой эле абада жана деңизде күзөттө, ошондой эле автономдуу учкучсуз учактарды башкарууда иштешет. Жасалма интеллект коргонуу өнөр жайына өзүнүн технологиясын кеңейтүү үчүн керектүү күчтү берип жатат. Суу астындагы миналардын бар экендигин аныктоо үчүн Convolutional Neural Networks (CNN) колдонулат.
артыкчылыктары
- Нейрондук тармактагы бир нече нейрондор туура иштебесе дагы, нейрон тармактары дагы эле жыйынтыктарды жаратат.
- Нейрондук тармактар реалдуу убакыт режиминде үйрөнүү жана алардын өзгөрүп жаткан орнотууларына ыңгайлашуу мүмкүнчүлүгүнө ээ.
- Нейрондук тармактар ар кандай тапшырмаларды аткарууну үйрөнө алышат. Берилген маалыматтардын негизинде туура жыйынтыкты камсыз кылуу.
- Нейрондук тармактар бир эле учурда бир нече тапшырмаларды аткарууга күч жана мүмкүнчүлүккө ээ.
кемчиликтери
- Нейрондук тармактар көйгөйлөрдү чечүү үчүн колдонулат. Тармактардын татаалдыгынан улам чыгарган өкүмдөрүн “эмне үчүн жана кантип” деген түшүндүрмөсүн ачыкка чыгарбайт. Натыйжада, тармакка болгон ишеним бузулушу мүмкүн.
- Нейрондук тармактын компоненттери бири-биринен көз каранды. Башкача айтканда, нейрон тармактары жетиштүү эсептөө күчү бар компьютерлерди талап кылат (же өтө көз каранды).
- Нейрондук тармак процессинин атайын эрежеси (же эрежеси) жок. Сыноо жана ката техникасында оптималдуу тармакка аракет кылуу менен туура тармак түзүмү түзүлөт. Бул бир топ тактоолорду талап кылган процедура.
жыйынтыктоо
талаасы нейрон тармактары тездик менен кеңейип жатат. Алар менен күрөшүү үчүн бул сектордогу түшүнүктөрдү үйрөнүү жана түшүнүү абдан маанилүү.
Нейрондук тармактардын көптөгөн түрлөрү бул макалада каралган. Бул дисциплина жөнүндө көбүрөөк билсеңиз, нейрон тармактарын башка тармактардагы маалымат көйгөйлөрүн чечүү үчүн колдоно аласыз.
Таштап Жооп