Süni neyron — bioloji neyronunmodeli kimi irəli sürülən riyazi funksiyadır. Süni neyronlar süni neyron şəbəkədə təsisedici bölmədir. Onlar istifadə olunmuş xarakterik modeldən asılı olaraq yarımxətti hissəli, Nv neyron, ikilik neyron, xətti hüdud funksiyası və Makkallok-Pitts neyronu kimi adlandırıla bilər. Süni neyron bir və ya daha çox girişdən (dendriti təsvir edir) qəbul edir və çıxışı (neyronun aksonunu təsvir edir) hasil etmək üçün onları cəmləyir. Adətən hər bir qovşağın cəmi onların çəkisi olur və cəm aktivləşdirmə funksiyası və ya ötürmə funksiyası kimi məlum olan qeyri-xətti funksiya kimi verilir. Ötürmə funksiyası adətən siqmoid formasında olur , ancaq onlar həmçinin hissə-hissə müəyyən olunmuş xətti funksiyalar , keçid funksiyaları və ya digər xətti funksiyalar formasında verilə bilər. Onlar həmiçinin monoton artan, fasiləsiz, differensial və məhdud funksiyalarla verilə bilər.
Süni neyronun sxemi 1.Giriş neyronları 2.Giriş siqnallarının cəmlənməsi 3.Ötürmə funksiyasının hesablanması 4.Çıxış neyronları 5. — giriş siqnallarının çəkisi
Süni neyronların ötürmə funksiyaları xətti sistemlərin ötürmə funksiyaları ilə qarışdırılmamalıdır.
Tarixi
Süni neyronların riyazi modeli ilk dəfə 1943-cü ildə Uorren Makkallok[en] və Volter Pitts[en] tərəfindən təklif edilib. Bu model xüsusi olaraq, beyində "sinir şəbəkələrinin" hesablama modeli kimi düşünülmüşdü. Müəlliflər göstərdilər ki, belə elementli şəbəkələr say və məntiqi əməliyyatları yerinə yetirə bilər..
Süni neyron şəbəkərlə yenilik və mühüm bir cəhət Frenk Rozenblat tərəfindən inkişaf etdirilmiş perseptron idi. Bu model artıq neyronlarda daha çevik çəki dəyərləri sayılırdı və adaptiv potensial imkanlı maşınlarda istifadə olunurdu.
Fəallaşma funksiyaları
Xətti fəallaşma funksiyası
Vahid sıçrayış funksiyası
Siqmoid fəallaşma funksiyası
İstifadə olunan şəbəkənin topologiyasından asılı olaraq, müxtəlif növlü fəallaşma funksiyalarından istifadə oluna bilər. Belə bir funksiya kimi hissə-hissə xətti funksiya, siqmoid funksiyası (yarımxətti funksiya), vahid sıçrayış funksiyası ola bilər. Ümumiyyətlə fəallaşma funksiyaları monoton olaraq, artır.
Xətti ötürücü funksiya
Neyronun çıxışındakı siqnal onun girişindəki siqnalların cəmi ilə bağlıdır.
,
burada — funksiyanın parametridir. Bu funksiyanı düsturla aşağıdakı kimi ifadə etmək olar:
Bu halda hər iki ox üzrə funksiyanın sürüşdürülməsi mümkündür.
Vahid sıçrayış funksiyası
Vahid sıçrayış funksiyasından istifadə edən neyronlar girişlərin əmsallara vurulmuş cəmi hüdud kəmiyyətinə çatanda ani olaraq vəziyyətlərini "0"-dan "1"-ə dəyişirlər. Laylı süni neyron şəbəkələrin ən birinci nümayəndəsi yalnız bu cür neyronlardan ibarət olan perseptrondur. Bu funksiyanın riyazi yazılışı aşağıdakı kimidir:
Siqmoid funksiyası
Bu funksiya fəallaşma funksiyasının verilməsinin ən çox yayılmış formasıdır. Ümumi giriş -∞ yaxınlaşdıqda fəallaşma səviyyəsi sıfıra yaxınlaşır, ümumi girişin çox böyük qiymətlərində fəallaşma səviyyəsi praktiki olaraq, "1"-ə bərabərdir. Riyazi ifadəsi aşağıdakı kimidir:
Formal məntiqi funksiyaların modelləşdirilməsi
Məhdud ötürmə funksiyalı neyron müxtəlif məntiq funksiyaları ilə modelləşdirilə bilər. Giriş siqnallarının çəkilərini və həssaslığın məhdudluğunu verib, neyronun giriş siqnallarının üstündə konyuksiyanı (məntiqi "və") və dizyunksiyanı (məntiqi "və ya"), eləcə də məntiqi inkarı yerinə yetirmək olar. Arqumentlərin istənilən sayında istənilən məntiq funksiyasının modelini hazırlamaq üçün bu üç əməliyyat kifayətdir.
"Və" məntiqi modelləşdirilməsində qurulmuş neyronun sxemi
"Və ya" məntiqi modelləşdirilməsində qurulmuş neyronun sxemi
"İnkar" məntiqi modelləşdirilməsində qurulmuş neyronun sxemi
Charu C. Aggarwal (25 July 2014). Data Classification: Algorithms and Applications. CRC Press. 209–. ISBN978-1-4665-8674-1.
В статье McCulloch W.S., Pitts W.A logical Calculus of Ideas Immanent in Nervous Activity — Bull. Mathematical Biophysics, 1943 online[ölü keçid]
V. V. Kruqlov, V. V. Borisov —Süni neyron şəbəkələri. Nəzəriyyə və praktika (rus.Искусственные нейронные сети. Теория и практика) — səh.12
L. N. Yasnitskiy — Süni intellekte giriş (rus. Введение в искусственный интеллект) — səh.30
Avqust 03, 2021
süni, neyron, bioloji, neyronun, modeli, kimi, irəli, sürülən, riyazi, funksiyadır, süni, neyron, şəbəkədə, təsisedici, bölmədir, onlar, istifadə, olunmuş, xarakterik, modeldən, asılı, olaraq, yarımxətti, hissəli, neyron, ikilik, neyron, xətti, hüdud, funksiya. Suni neyron bioloji neyronun modeli kimi ireli surulen riyazi funksiyadir Suni neyronlar suni neyron sebekede tesisedici bolmedir Onlar istifade olunmus xarakterik modelden asili olaraq yarimxetti hisseli Nv neyron ikilik neyron xetti hudud funksiyasi ve Makkallok Pitts neyronu kimi adlandirila biler Suni neyron bir ve ya daha cox girisden dendriti tesvir edir qebul edir ve cixisi neyronun aksonunu tesvir edir hasil etmek ucun onlari cemleyir Adeten her bir qovsagin cemi onlarin cekisi olur ve cem aktivlesdirme funksiyasi ve ya oturme funksiyasi kimi melum olan qeyri xetti funksiya kimi verilir Oturme funksiyasi adeten siqmoid formasinda olur ancaq onlar hemcinin hisse hisse mueyyen olunmus xetti funksiyalar kecid funksiyalari ve ya diger xetti funksiyalar formasinda verile biler Onlar hemicinin monoton artan fasilesiz differensial ve mehdud funksiyalarla verile biler Suni neyronun sxemi1 Giris neyronlari2 Giris siqnallarinin cemlenmesi3 Oturme funksiyasinin hesablanmasi4 Cixis neyronlari5 w i displaystyle w i giris siqnallarinin cekisi Suni neyronlarin oturme funksiyalari xetti sistemlerin oturme funksiyalari ile qarisdirilmamalidir Mundericat 1 Tarixi 2 Feallasma funksiyalari 2 1 Xetti oturucu funksiya 2 2 Vahid sicrayis funksiyasi 2 3 Siqmoid funksiyasi 3 Formal mentiqi funksiyalarin modellesdirilmesi 4 Hemcinin bax 5 IstinadlarTarixi RedakteSuni neyronlarin riyazi modeli ilk defe 1943 cu ilde Uorren Makkallok en ve Volter Pitts en terefinden teklif edilib Bu model xususi olaraq beyinde sinir sebekelerinin hesablama modeli kimi dusunulmusdu 1 Muellifler gosterdiler ki bele elementli sebekeler say ve mentiqi emeliyyatlari yerine yetire biler 2 Suni neyron sebekerle yenilik ve muhum bir cehet Frenk Rozenblat terefinden inkisaf etdirilmis perseptron idi Bu model artiq neyronlarda daha cevik ceki deyerleri sayilirdi ve adaptiv potensial imkanli masinlarda istifade olunurdu Feallasma funksiyalari Redakte Xetti feallasma funksiyasi Vahid sicrayis funksiyasi Siqmoid feallasma funksiyasi Istifade olunan sebekenin topologiyasindan asili olaraq muxtelif novlu feallasma funksiyalarindan istifade oluna biler Bele bir funksiya kimi hisse hisse xetti funksiya siqmoid funksiyasi yarimxetti funksiya vahid sicrayis funksiyasi ola biler Umumiyyetle feallasma funksiyalari monoton olaraq artir Xetti oturucu funksiya Redakte Neyronun cixisindaki siqnal onun girisindeki siqnallarin cemi ile baglidir f x t x displaystyle f x tx burada t displaystyle t funksiyanin parametridir Bu funksiyani dusturla asagidaki kimi ifade etmek olar 3 f x 0 if x 0 1 if x 1 x else displaystyle f x begin cases 0 amp text if x leq 0 1 amp text if x geq 1 x amp text else end cases Bu halda her iki ox uzre funksiyanin surusdurulmesi mumkundur Vahid sicrayis funksiyasi Redakte Vahid sicrayis funksiyasindan istifade eden neyronlar girislerin emsallara vurulmus cemi hudud kemiyyetine catanda ani olaraq veziyyetlerini 0 dan 1 e deyisirler Layli suni neyron sebekelerin en birinci numayendesi yalniz bu cur neyronlardan ibaret olan perseptrondur Bu funksiyanin riyazi yazilisi asagidaki kimidir f x 1 if x T 0 else displaystyle f x begin cases 1 amp text if x geq T 0 amp text else end cases Siqmoid funksiyasi Redakte Bu funksiya feallasma funksiyasinin verilmesinin en cox yayilmis formasidir Umumi giris yaxinlasdiqda feallasma seviyyesi sifira yaxinlasir umumi girisin cox boyuk qiymetlerinde feallasma seviyyesi praktiki olaraq 1 e beraberdir Riyazi ifadesi asagidaki kimidir s x 1 1 exp t x displaystyle sigma x frac 1 1 exp tx Formal mentiqi funksiyalarin modellesdirilmesi RedakteMehdud oturme funksiyali neyron muxtelif mentiq funksiyalari ile modellesdirile biler Giris siqnallarinin cekilerini ve hessasligin mehdudlugunu verib neyronun giris siqnallarinin ustunde konyuksiyani mentiqi ve ve dizyunksiyani mentiqi ve ya elece de mentiqi inkari 4 yerine yetirmek olar Arqumentlerin istenilen sayinda istenilen mentiq funksiyasinin modelini hazirlamaq ucun bu uc emeliyyat kifayetdir Ve mentiqi modellesdirilmesinde qurulmus neyronun sxemi Ve ya mentiqi modellesdirilmesinde qurulmus neyronun sxemi Inkar mentiqi modellesdirilmesinde qurulmus neyronun sxemiHemcinin bax RedakteSuni neyron sebekelerIstinadlar Redakte Charu C Aggarwal 25 July 2014 Data Classification Algorithms and Applications CRC Press 209 ISBN 978 1 4665 8674 1 V state McCulloch W S Pitts W A logical Calculus of Ideas Immanent in Nervous Activity Bull Mathematical Biophysics 1943 online olu kecid V V Kruqlov V V Borisov Suni neyron sebekeleri Nezeriyye ve praktika rus Iskusstvennye nejronnye seti Teoriya i praktika seh 12 L N Yasnitskiy Suni intellekte giris rus Vvedenie v iskusstvennyj intellekt seh 30Menbe https az wikipedia org w index php title Suni neyron amp oldid 5989273, wikipedia, oxu, kitab, kitabxana, axtar, tap, hersey,
ne axtarsan burda
, en yaxsi meqale sayti, meqaleler, kitablar, oyrenmek, wiki, bilgi, tarix, seks, porno, indir, yukle, sex, azeri sex, azeri, seks yukle, sex yukle, izle, seks izle, porno izle, mobil seks, telefon ucun, chat, azeri chat, tanisliq, tanishliq, azeri tanishliq, sayt, medeni, medeni saytlar, chatlar, mekan, tanisliq mekani, mekanlari, yüklə, pulsuz, pulsuz yüklə, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, şəkil, muisiqi, mahnı, kino, film, kitab, oyun, oyunlar.
