Машиналық оқыту алгоритмдері



Жұмыс түрі:  Материал
Тегін:  Антиплагиат
Көлемі: 3 бет
Таңдаулыға:   
Қазіргі таңда машиналық оқыту алгоритмдерін қолдану кең етек алуда. Машиналық оқыту алгоритмдері бұл деректер үлгілерін іздеу және тиісінше бағдарлама әрекеттерін өзгерту үшін қолданады.
Машиналық оқу (Machine Learning) әдісі - эмпирикалық мәліметтердегі заңдылықтарды анықтау үшін оқуға қабілетті алгоритмдерді құру әдістерін зерттейтін жасанды интелект саласы.
Қазіргі уақытта сөйлеуді тану өзекті проблема болып отыр. Осы проблеманы шешу мақсатында қолданылатын көптеген заманауи әдістер кең ауқымды есептеуіш ресурстарын талап етеді, ал көп жағдайда ол ресурстардың көлемі шектеулі.
Соңғы уақытта танудың кейбір кезеңдері үшін нейрондық желілерге негізделген әдістер барған сайын жиі қолданылуда. Осы бетбұрыстың себебі нейрондық желілерді қолданудың қарапайымдылығымен, сондай-ақ жұмыс жылдамдығының жеткілікті түрде жоғары болуымен түсіндіріледі.
Сөйлеу сигналын акустикалық-фонетикалық модельдеу үшін қолданылатын модельдердің басқа класы болып жасанды нейрон желілерінің модельдері саналады. Оның құрылымы мен жұмыс істеу принциптері нерв жүйелерінің биологиялық модельдеріне, әсіресе ми моделіне негізделеді. Нейрон желілері өз бетінше ұйымдастырылып, реттілігіне қарай алгоритмдердің көптүрлігі ретінде қаралады, өзара байланысқан көптеген бір типті және бір қатарда қызмет ететін элементтер немесе нейрондық және арнайы ұйымдасқан байланыстар көмегімен сыртқы әлеммен тұтасқан құбылыс болып танылады.
Уақыттың дискреттік сәттерінде кіріс байланыстары бойынша нейронға ақпарат беріледі, оның негізінде кейбір принциптерге сәйкес шығыс сигналы қалыптасады, ал ол өз кезегінде басқа нейрондардың кірістеріне беріледі. Сөйтіп нейрон желісінің негізгі элементі нейрон болып саналады.
1943 жылы ұсынған [47-49] Мак Каллока-Питсаның (2.1-сурет) нейрон моделі ең көп таралған модель болып есептеледі, соған сәйкес нейронда кіріс байланыстарының жиыны пайда болды, ал шығыс біреу ғана және ол параллельдене алады.

Сурет 2.1 - Нейрондық модель

Бұл модель қызметі келесідей: нейрон шығысына 𝑥(𝑡) = 𝑥1(𝑡), ... , 𝑥𝑖(𝑡) =
{𝑥1(𝑡), ... , 𝑥𝑁(𝑡)} кіріс векторлары беріледі, ал ол ... жалғасы

Сіз бұл жұмысты біздің қосымшамыз арқылы толығымен тегін көре аласыз.
Ұқсас жұмыстар
Деректер қорының моделі
БІЛІМ СЕКТОРЫНДАҒЫ МАШИНАЛЫҚ ОҚЫТУДЫ ТАЛДАУ
Жол қозғалысы мен қоғамдық көлікті басқару жүйелері сияқты ақылды қала инфрақұрылымы
Машиналық оқытуға кіріспе
Машиналық оқыту әдістерінің болжау жасаудағы маңызы
Графиктерді іздеу алгоритмдеріне және жолдарды іздеу алгоритмдеріне бөлу
Машиналық оқыту алгоритмін құжаттарды топтау үшін қолдану
Жиілік диапазонының деректерді беруге әсері
Балалар тоқыма бұйымдарының технологиялық аспектісі
Информатика пәнінен дәрістер кешені
Пәндер