Süni neyron şəbəkələr

Rəngli neyron şəbəkə

Maşın öyrənməsi və intellektual verilənlərin analizi
Tapşırıqlar Təsnifat tapşırığı Klasterləşdirmə Reqressiya Anomaliya aşkarlama Assosiasiya qaydaları Təsdiqetmə ilə öyrənmə Strukturlaşdırılmış proqnoz Layihələndirmə xüsusiyyətləri Öyrənmə xüsusiyyətləri Onlayn öyrənmə Yarısupervizorlu öyrənmə Supervizorsuz öyrənmə Qiymətləndirmə ilə öyrənmə Qrammatika induksiyası
Supervizorlu öyrənmə Qərarların qəbul olunması ağacı Ansambllar (Bagging, Boosting, Random forest) k-NN Xətti reqressiya Sadə Bayes Neyron şəbəkələr Loqistik reqressiya Perseptron Uyğun vektor üsulu Köməkçi vektor üsulu
Klasterləşdirmə BIRCH İyerarxik k-orta Gözləmə-maksimallaşma DBSCAN OPTICS Orta dəyişmə
Ölçü azaldılması Faktor analizi Kanonik korrelyasiya Müstəqil komponent analizi Xətti diskriminant analizi Qeyri-meqativ matris vuruqlarına ayırma Əsas komponent analizi t-SNE
Strukturlaşdırılmış proqnoz Qrafik ehtimal modelləri (Bayes şəbəkəsi, Şərti təsadüfi sahə, Gizli Markov modeli)
Anomaliya aşkarlama k-NN Lokal tullanış amili
Neyron şəbəkələr Avtokodirovka Dərin öyrənmə Çoxlaylı perseptron Rekkurent neyron şəbəkələr Məhdud Boltsman maşını Özü təşkil olunan xəritə Əyri neyron şəbəkə
Nəzəriyyə Kompromis sürüşmə-dispersiyası Hesablama öyrənmə nəzəriyyəsi Empirik riski minimallaşdırma Okkam öyrənmə PAC öyrənmə Statistik öyrənmə VC nəzəriyyəsi
Konfranslar və jurnallar NIPS ICML JMLR ArXiv:cs.LG

Süni neyron şəbəkələr — bioloji neyron şəbəkələrin təsirindən yaranan riyazi model. Süni neyron şəbəkələr çox vaxt sadəcə neyron şəbəkələr adlandırılır. Neyron şəbəkəsi – insan beynindəki bir-biri ilə birləşmiş sinir hüceyrələrini (neyronları) modelləşdirən kompüter proqramı. Neyron şəbəkələri kompüterə, insanda olduğu kimi, özünü təlim etməklə şablonları tanımağa imkan verir. İnsan beyni kimi, neyron şəbəkələri də yalnız təxmini nəticələr verir, ancaq onların edə bildiyi işləri başqa növ kompüter proqramlarının heç biri effektiv yerinə yetirə bilmir. Şəkildə neyron şəbəkələrinin quruluşu göstərilib. Hər bir neyronun bir neçə girişi və yalnız bir çıxışı olur. Girişlərin bəzisi neyronu həyacanlandırır (aktivləşdirir), başqaları isə buna mane olur (hər biri müəyyən qüvvə ilə). İdeya ondan ibarətdir ki, girişdə konkret bir növ şablon mövcud olduqda, çıxış neyronu aktivləşəcək. Kompüterdə neyronlar və onlar arasındakı birləşmələr ədədlər massivi şəklində təsvir olunur. Neyron şəbəkələrin təlimi heyvanların təliminə bənzəyir. Şablonlar girişə tətbiq olunur və arzu olunan nəticəni almaq üçün sadə alqoritm birləşmələrin çəkisini tənzimləyir. Bir sıra fərqli şablonlardan istifadə etməklə çoxlu təlimlər apardıqdan sonra, neyron şəbəkəsi müəyyən növ şablonları tanımağı “öyrənir”. Proqramçı hətta bu şablonları dəqiq bilməyə bilər, çünki şablonları neyron şəbəkəsinin özü təhlil edir. Neyron şəbəkələrinin müxtəlif sinifləri mövcuddur: çoxqatlı perseptronlar, radial, rekurrent və assosiativ şəbəkələr, özütəşkilatlanan və bulanıq neyron şəbəkələri və s. Neyron şəbəkələrinin köməyilə obrazların tanınması, təsnif etmə, proqnozlaşdırma və başqa məsələlər həll edilir.

Tarixi

Neyron şəbəkələrin yaranma və inkişaf tarixini beş dövrə bölmək olar:

• 1940-1960 - Başlanğıc dövr: bu dövürdə neyron şəbəkələr barəsində ilkin məqalələr yazılmağa başlanıldı.
• 1960-1982 - Sakit illər: XOR məsələsinin bir qatlı perseptron (single layer perceptron) ilə həll edilə bilməməsi haqqında məqalə dərc edildi. Bundan sonra neyron şəbəkələr ilə bir çox məsələnin həll edilməsinin mümkün olmadığı fikri ortaya atıldı. Neyron şəbəkələrə tədqiqatına ayrılan pullar kəsildi.
• 1980-1990 - İntibah: Neyron şəbəkələrə yenidən diqqət artmağa başlandı. Bu illərdə neyron şəbəkələr barəsində bir çox önəmli məqalələr dərc edildi. İştirakçı sayı 2000-ə yaxın olan iki böyük konfrans keçirildi.
• 1990-2000 - Konsolidasiya: 1980-1990-ci illərin nailiyyətlərinin özünü göstərdi; Nəzəri olaraq neyron şəbəkələr başa düşüldü.
• 1960-1982 - İkinci başlanğıc: Neyron şəbəkələr öz bioloji köklərinə qayıtdı; Süni intellekt sahəsi ilə birləşmə (əməkdaşlıq)

Tətbiqi

Neyron şəbəkələrdən əsəasən obyektlərin tanınmasında geniş istifadə olunur.

Süni neyron şəbəkələri, iqtisadiyyatın bütün sahələrində istifadə üçün həyatı dəyişdirən tətbiqetmələrin inkişafına yol açır. Veb səhifələrini başqa dillərə tərcümə etməkdən, virtual köməkçi mağazalardan onlayn sifariş edilməsinə, problemi həll etmək üçün söhbət botları ilə danışmağa qədər, intellekt platformaları əməliyyatları sadələşdirir.

Tibb: şiş aşkarlanması(tumor detection), dərman kəşfi (drug discovery),DNT ardıcıllığı (DNA seqencing)

Avtomobil, aerokosmik və istehsalat :Proqnozlaşdırma baxım

Enerji istehsalı: Qiymət və yük proqnozu

Hesablama maliyyəsi: kredit balları, alqoritmik ticarət

Natural language processing(NLP):Səs köməkçisi(voice assistant), Duyğu analizi(emotion analysis)

Tipləri (alqoritmlər)

Neyron şəbəkələrin bir çox növü var. Bunlara misal olaraq:

• Perseptron
• Çox qatlı perseptron (Multi-Layer Perceptron)
• RBFcooperation
• SOM
• Necognitron
• Recurrent neural networks (RNN)
• Convolutional neural network (CNN)
• və s.

Qalereya

• 
• 
• 
• 
• 
• 

Ədəbiyyat

• İsmayıl Calallı (Sadıqov), “İnformatika terminlərinin izahlı lüğəti”, 2017, “Bakı” nəşriyyatı, 996 s.

Xarici keçidlər

• DMOZ-da Neural Networks
• A brief introduction to Neural Networks (PDF), illustrated 250p textbook covering the common kinds of neural networks (CC license).
• An Introduction to Deep Neural Networks Arxivləşdirilib 2015-07-26 at the Wayback Machine.
• A Tutorial of Neural Network in Excel.
• MIT course on Neural Networks (video)
• A Concise Introduction to Machine Learning with Artificial Neural Networks
• Neural Networks for Machine Learning - a course by Geoffrey Hinton Arxivləşdirilib 2016-06-29 at the Wayback Machine
• Deep Learning - An MIT Press Book