Машиналық оқыту принциптері, нейрондық желілер (нейрон мен синапстардың) принциптерін түсіндіру
жүктеу/скачать 18,95 Kb.
|
Машиналық оқыту принциптері
|
Машиналық оқыту принциптері, нейрондық желілер (нейрон мен синапстардың) принциптерін түсіндіру Машиналық оқыту – жаcанды интеллектің бір тармағы. Машиналық оқыту принципі машиналар арқылы алынған деректер негізінде машиналарды оқытудан тұрады. Машиналық оқыту жүйесі ауқымды деректер жинағында оқыту кезінде алған білімдерін қолдануға мүмкіндік береді. Машиналық оқыту адамдарды, дыбысты, нысандарды тану, аударма және т.б. сияқты міндеттерді шешуге көмектеседі. Машиналық оқыту жүйеге үлгілерді өз бетінше танып-білуге және болжам жасауға мүмкіндік береді. Жасанды интеллект және нейронды желілер қазіргі уақытта өте өзекті. Көптеген қолданушыларды нейронды желілердің қалай жұмыс істейтіндігі, олардың құрылымы мен әрекет ету принципі қалай құрылғандығы қызықтырады. Жасанды нейронды желі (ЖНЖ) – күрделі деректерді талдайтын, адам миын имитациялайтын және аппараттық және программалық тұрғыдан іске асыруға қабілетті математикалық модель. ЖНЖ-ні адам миының синапстарының жұмыс істеу принциптерін эмуляциялайтын оқыту моделінің түріне жатқызуға болады. ЖНЖ деректерді өңдеуге арналған түйіндер (нейрондар) мен синапстардың аналогтері желісінен тұрады. Кіріс ақпараттар жүйе арқылы өтеді де, шығыс ақпараттар түрінде жинақталады. Биологиялық нейрон – басқа нейрондармен қолжетімді байланыс арқылы барлық нейронды желі бойынша электрохимиялық импульсті беру негізгі міндеттердің бірі болатын арнайы жасуша. Синапстар дегеніміз не? Нейронды желілерді көпшілігі адам миының құрылысына ұқсатады. Бір жағынан, бұл пікір шындыққа жан сқанымен, екінші жағынан, адамның миы – машина көмегімен жасауға келмейтін өте күрделі механизм. Нейронды желі – адам миының әрекеті принципіне негізделген, бірақ оның аналогі болмайтын программа. Нейронды желі нейрондар байланысынан тұрады, олардың әрқайсысы ақпаратты қабылдап, оны өңдеп, келесі нейронға береді. Әрбір нейрон сигналды бірдей өңдейді. Олай болса, әртүрлі нәтиже қайдан алынады? Мұның арлығына синапс жауапты. Синапстар нейрондарды бір-бірімен айланыстырады. Бір нейрон бірнеше синапстан тұруы мүмкін, олар сигналдарды күшейтіп немесе бәсеңдетіп тұрады, оның ішінде синапстар белгілі бір уақыт аралығында өз сипаттамаларын өзгерте алатын қасиетке ие. Синапстың дұрыс таңдалған параметрлері кіріс ақпараттарды өңдеу арқылы шығысында дұрыс нәтиже алуға себепші болады. Нейрондыжелілер бір-бірімен синапстар арқылы біріктірілген нейрон дардың белгілі бір тізбегі. Синапс – нейрондар арасындағы байланыс, олардың әрқайсысы өз кіріс салмағының дәрежесіне ие. Нейронды желі құрылымынан тұратын программа машинаға белгілі бір ресурстан алынған кіріс ақпараттарын талдауға және нәтижені есте сақтауға мүмкіндік береді. Синапстардың ерекшелігіне қарай кіріс ақпараттары тасымалдау кезінде өзгереді. Ақпаратты өңдеу үдерісінде салмақ көрсеткіші бойынша үлкені синапс арқылы тасымалданады. Олай болса, нәтижеге нейрондар емес, синапстар тікелей әсер етеді. Синапстар кіріс ақпараттардың белгілі бір салмағын беретін болса, нейронда әрбір өңдеуде бірдей есептеуді орындайды. Нейронды желілердің не екендігін анықтап алғаннан кейін, олардың негізгі түрлерін бөліп көрсетуге болады. Әрбір желі нейрондардың бірінші қабатынан тұрады, ол кіріс қабаты деп аталады. Бұл қабат ешқандай есептеулер мен түрлендіру әрекеттерін орындамайды, оның міндеті – сигналдарды қабылдап, сол кіріс сигналдарын басқа нейрондарға бөліп беру. Кіріс қабаты нейронды желілердің барлығына ортақ, әрі қарай нейронды желі құрылымы атқаратын қызметіне қарай өзгереді. Нейронды желінің жұмыс істеу принципі олардың түрлеріне байланысты. Бірқабатты нейронды желі. Нейрондар байланысының бұл құрылымында кіріс ақпараттар бірінші нейрондар қабатынан кейін, бірден ақырғы нәтиже шығарылатын қабатқа беріледі. Мұнда бірінші қабат саналмайды, себебі жоғарыда айтылып кеткендей, ол ақпаратты қабылдап алумен таратып беруден басқа ешқандай әрекет орындамайды. Ал екінші қабат барлық қажетті есептеулерді орындап, ақпаратты өңдейді де, ақырғы нәтижені шығарады. Кіріс нейрондар негізгі қабат болып саналатын түрлі салмақ көрсеткішіне ие, байланыс сапасын қамтамасыз ететін синапстармен біріктірілген. Көпқабатты нейронды желі. Аты айтып тұрғандай, нейронды желілердің бұл түрі кіріс және шығыс қабаттардан бөлек, аралық қабаттан тұрады. Қабаттар саны желінің күрделілік деңгейіне тәуелді. Көп жағдайда бұл биологиялық нейронды желі құрылымына ұқсайды. Мұндай желі түрлерінің пайда болғанына көп болған жоқ, бұған дейін мұндай шешімдер бірқабатты желі көмегімен шешіліп келді. Әрине қөпқабатты нейронды желіні бірқабатты нейронды желіге қарағанда көп ұсынады. Ақпаратты өңдеу кезінде әрбір аралық қабат ақпаратты өңдеу мен тасымалдаудың аралық кезеңін ұсынады. Синапстар бойынша бір нейроннан келесісіне ақпарат тасымалдау бағытына қарай нейронды желіні екі топқа бөлуге болады. Тікелей тасымалдайтын немесе бірбағытты желілер. Бұл құрылым бойынша сигнал тек қана кіріс қабаттан шығыс қабатқа қарай қозғалады. Сигналдың қозғалысы кері бағытта жүруі мүмкін емес. Мұндай нейронды желілер кең таралған және қазіргі уақытта тану, болжам жасау секілді міндеттерді шешуде сәтті қолданысқа ие. Кері байланысы бар немесе рекурентті желілер. Мұндай құрылымдағы желілер сигналды тік, бір бағытта ғана емес, сонымен қатар кері бағытта да қозғалуына мүмкіндік береді. Бұл нені білдіреді? Рекурентті желілерде нәтиже кіріс қабатқа нейронның шығысы кіріс салмақ пен сигнал арқылы анықталса, қайта оралып, кіріске қайта оралған алдыңғы шығыстармен толықтырылады. Бұл желілерге қысқа мерзімді жады қызметі тән, олар арқылы сигналдар қалыпқа келтіріліп, өңдеу үрдісінде толықтырылады. Нейронды желіні құрайтын нейрондар типіне қарай біртекті және гибридті деп бөлінеді. Машиналық оқыту міндеттерін оқытушымен оқыту (supervised learning) және оқытушысыз оқыту (unsupervised learning) деп, екі түрге бөліп көрсетуге болады. жүктеу/скачать 18,95 Kb. Достарыңызбен бөлісу:
|