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

Sahələrin yadda saxlanmasının reallaşmasının müxtəlif üsulları istifadə edilir. Hal-hazırda sahələrin hiper müstəvilərlə ayrılması, sahələrin hiperşarla örtülməsi nisbətən geniş istifadə edilir.
Hipermüstəvilərin istifadəsi zamanı aktivləşmənin poroq funksiyasına malik olan hər bir j neyron, , özünün giriş çəkilərinin qiymətləri ilə müəyyən hipermüstəvini verir:

Burada N – şəbəkədəki neyronların miqdarı, n(j) - j neyronu girişlərinin miqdarı, a_j poroqun qiymətidir.
Bu halda nümunələrin yadda saxlanması neyron şəbəkəsinin formalaşması və giriş çəkilərinin verilməsi yolu ilə reallaşır. Giriş çəkilərinin dəyişməsi, neyronların miqdarı, neyronlar arası əlaqələr qrafı çoxölçülü fəzanı sahələrə bölən hipermüstəvilər yığımını və yerləşməsini dəyişir.
Hiperşarla örtülmə zamanı hər bir neyron öz girişlərinin çəkisi, hiperşarın mərkəzinin koordinatları və hiperkubun radiusunu yadda saxlamaqla verilir. Bu şəbəkələr radius bazis funksiyalı şəbəkələr adlandırılır, onların digər adı isə ehtimallı neyron şəbəkəsidir.
Göründüyü kimi, hər iki halda, həm hipermüstəvilərin, həm də hiperşarların istifadəsində, öyrənmə zamanı təqdim edilən nümunələri neyronlarda paylanmış kollektiv yadda saxlama reallaşır. Təbiidir ki, neyron şəbəkələrinin müxtəlifliyi bu iki halla bitmir. Neyronların aktivləşmə və vəziyyət funksiyasının başqa növləri də mövcuddur.
3. Neyroşəbəkənin fəaliyyətinin təşkili.

Fəaliyyət prosesində şəbəkə, girişə verilmiş qiymətlər məcmusunu bu və ya digər sahəyə aid edir ki, bu da axtarılan nəticədir. Qeyd etmək lazımdır ki, girişə verilən qiymətlər öyrənmə prosesində şəbəkəyə təqdim edilməyən də ola bilər. Lakin bu qiymətlər, giriş qiymətlərinin başqa yığımları vasitəsilə formalaşdırılmış sahələrdən birinə düşür. Əgər nəticə düzdürsə, onda şəbəkə düzgün fəaliyyət göstərmiş olur. Əks hal şəbəkənin səhv qurulduğunu və ya səhv öyrədildiyini göstərir. Buna görə də şəbəkənin qurulması və ya öyrədilməsi prosedurunun mə`nası – hər sahənin nöqtələr çoxluğunu başqalarını daxil etmədən və özününkünü itirmədən ayırmaqdan ibarətdir.

7.2.2. Çox səviyyəli perseptron şəbəkələrinin qurulması alqoritmləri.

Öyrətmə alqoritmlərinin əksəriyyəti şəbəkə qraflarının və tin əmsalarının formalaşdırılmasının evristik fəndlərini istifadə edir. Çox səviyyəli perseptron şəbəkələrinin istifadəsi zamanı öyrətmə, məsələnin qoyuluşunda verilən giriş və çıxışların miqdarı və onları birləşdirən evristik seçilən neyron şəbəkəsi qraflarından ibarət olan başlanğıc şəbəkənin seçilməsindən başlayır. Məsələn, [39]-da daxili səviyyə neyronlarının miqdarının, girişlərin miqdarının yarısı və çıxışların miqdarının yarısının cəmindən ibarət olan bir ədəd kimi götürülməsi məsləhət görülür. daxili səviyyənin hər bir neyronu bütün giriş neyronlarının çıxışları ilə birləşməlidir. Hər bir çıxış neyronu da bütün daxili səviyyə neyronlarının çıxışları ilə birləşməlidir.

Sonra şəbəkə neyronlarının çəki əmsallarını elə seçməyə çalışırlar ki, şəbəkə qoyulmuş məsələni həll etsin. Əgər şəbəkənin seçilmiş qrafı üçün bu mümkün olmursa onda təkrar oyrətmə aparmaqla müəyyən evristika üzrə şəbəkə qrafları axtarılır. Bu proses qənaətbəxş nəticə alınana qədər davam edir.