Rəqəmsal iqtisadiyyat və İkt t e. n., dos.Əsgərov H.Ə

Şəbəkələr konstruksiya olunan və öyrədilən ola bilər. Konstruksiya olunan şəbəkədə neyronların miqdarı və tipi, neyronlararası əlaqələr qrafı, neyronların girişlərinin çəkisi həll edilən məsələdən asılı olaraq şəbəkənin yaradılması zamanı müəyyən edilir. Məsələn, assosiativ yaddaş kimi fəaliyyət göstərən Xopfild şəbəkəsinin yaradılması zamanı qabaqcadan müəyyən edilmiş yığımdan olan hər giriş ardıcıllığı şəbəkə neyronları girişlərinin çəkisinin müəyyən edilməsində iştirak edir. Konstruksiyalaşdırmadan sonra şəbəkənin fəaliyyəti aşağıdakından ibarət olur. Girişə səhv və ya qismən verilən giriş ardıcıllığı şəbəkəni müəyyən vaxtdan sonra layihələndirmə zamanı nəzərdə tutulan dayanıqlı vəziyyətlərdən birinə çevirir. Eyni zamanda şəbəkənin girişində, şəbəkə tərəfindən ona ilk dəfə verilənə nisbətən yaxın olan kimi tanınan ardıcıllıq meydana gəlir.
Yadda saxlanan giriş ardıcıllığının miqdarı M, şəbəkədə olan neyronların miqdarı ilə MÖyrənən şəbəkələrdə onların neyronlararası əlaqələr qrafı və girişlərin çəkisi öyrənmə alqoritminin icrası zamanı dəyişir. Öyrənmə alqoritminə görə müşahidə olunan, müşahidə olunmayan və qarışıq (hibrid) şəbəkələri fərqləndirirlər. Bunlardan birincisi, əvvəlcədən məlum olan çıxışı alınmış çıxışla müqayisə edir. Ikincisi, əvvəlcədən düzgün çıxış qiymətləri məlum olmadan, lakin giriş vektorlarının “yaxınlığına” görə elə qruplaşdırılması ilə öyrədilir ki, onlar şəbəkənin eyni çıxışını formalaşdırmış olsun. Müşahidə olunmayan öyrənmə ən çox təsnifləşdirmə məsələlərinin həllində istifadə edilir. Qarışıq öyrənmə alqoritmində çəkilərin bir hissəsi müşahidə olunan, digər hissəsi isə müşahidə olunmayan öürənmə vasitəsilə müəyyən edilir.
Öyrənmə, müşahidə olunan öyrənmədə uyğun nəticələrə malik olan giriş məlumatlarını, müşahidə olunmayan öyrənmədə isə nəticələrsiz nümunələrlə təqdim etməklə həyata keçirilir. Məsələnin neyron şəbəkəsi ilə həllinin effektivliyi şəbəkənin seçilmiş quruluşundan, neyroparadiqma adlanan öyrənmə alqoritmindən və mövcud olan nümunələrin verilənlər bazasının tamlığından asılıdır.

2. Neyroşəbəkələrin öyrədilməsi alqoritmlərinin qurulmasının əsasları.

Öyrənməni istifadə edən neyron şəbəkələrinin ümumi ideyası, təqdim edilən nümunələrin şəbəkədə yadda saxlanmasına və bu nümnələrlə uyğunlaşan qərarın hazırlanmasına əsaslanır.

Bu qaydaların praktiki reallaşması əvvələn, nümunələrin saxlanması üçün yaddaş həcminin minimumlaşdırılmasını, ikincisi, ixtiyari və ya ardıcıl çoxluğa əsaslanan ənənəvi yaddaşların istifadəsini aradan qaldırılmasını təmin edən saxlanmış nümunələrin sür`ətli istifadəsini nəzərdə tutur.
Neyron şəbəkələrində həll edilən məsələnin aşağıdakı kimi təqdimatı nəzərdə tutulmuşdur. Məsələnin hər bir x_ji,i=1,...,n, parametrinə ölçüsü parametrlərin sayı n-ə bərabər olan çoxölçülü fəzanın ölçüsü i uyğunlaşdırılır. Hər bir parametr üçün, bu parametrin mümkün qiymətlərini verən şkala istifadə edilir. Bununla da məsələnin qoyuluşu n ölçülü fəzanın nöqtələrinin x_ji={x_j1, x_j2, ..., x_jn} xüsusiyyətlərinin öyrənilməsinə gətirilmiş olur. Burada x_ji öyrənmədə istifadə edilən və xüsusiyyətləri məlum olan j nöqtəsinin i parametrinin qiymətidir.
Neyroşəbəkələr tərəfindən effektiv həll edilən məsələlərdə məsələnin formalaşdığı çoxölçülü fəzada eyni xüsusiyyətlərə malik olan və müəyyən obyektlər qrupuna aid olan, müəyyən funksiyanın qiyməti ilə təyin olunan və s nöqtələr sahəsi formalaşdırılır. Neyron şəbəkəsi, öyrənmə zamanı təqdim olunan nöqtələri deyil, həmin sahələri yadda saxlayır.