AMEA İnformasiya Texnologiyaları İnstitutunun 1 saylı şöbəsinin “Dərin təlim metodlarının tətbiqləri: yanaşmalar, problemlər” mövzusuna həsr olunmuş növbəti elmi seminarı keçirildi.

İnstitutun böyük elmi işçisi Aybəniz Əliyeva məruzəni təqdim edərək süni intellektin aspektlərindən olan dərin təlim (deep learning) metodları haqqında ümumi məlumat verdi.

Dərin təlim metodlarının tətbiqlərindən danışan məruzəçi onun obrazların tanınması, obyektlərin klassifikasiyası, nitqin tanınması, təbii dilin emalı, hava proqnozunun verilməsi, nəqliyyatın intellektual idarə edilməsi və s. kimi sahələrdə uğurla tətbiq edildiyini və bu təlim metodlarının neft qaz sənayesində perspektivli tətbiq imkanlarına malik olduğunu nəzərə çatdırdı.

Neft-qaz yataqların layihələndirilməsi, işlənməsi və istismara verilməsi, həmçinin neft-qaz ehtiyatlarının hesablanmasında quyu verilənlərinin analizinin və proqnozlaşdırılmasının böyük rol oynadığını və əməliyyatların eksperimental təyin edilməsinin  əmək və  hesablama resursları baxımından çox xərc və zaman tələb etdiyini qeyd edən məruzəçi bu məqsədlə bir çox emprik korrelyasiyaların, maşın təlimi modellərinin geniş tətbiq olunduğunu nəzərə çatdırdı. Lakin xam neftin tərkibinin, coğrafi və neft mühitinin iş şəraitinin fərqliliyi səbəbindən bu korrelyasiyalar universal şəkildə tətbiq edilə bilmədiyini və ya aşağı məhsuldarlığa və dəqiqliyə malik olduğunu qeyd etdi. Bildirdi ki, bu problemlərin aradan qaldırılması məqsədilə dərin təlim metodlarından istifadə edilməsi son zamanlar tədqiqatçıların daha çox diqqət ayırdığı əsas yanaşmalardır.

A.Əliyeva dərin neyron şəbəkə arxitekturaları olan məhdud Bolzman maşınları (Restricted Boltzmann Machine, “Convolutional Neural Network” (CNN), “Deep Neural Network”, “Fully-connected networks” (FCNs), “Recurrent neural networks”, “Dropout neural net model” və s. kimi dərin neyron şəbəkə arxitekturalarının əsasında neft quyularının hasilatı üzrə quyu verilənlərinin analizi və qiymətləndirilməsi sahəsində aparılan tədqiqatların mövcud vəziyyəti, bu tədqiqatlardakı əsas yanaşmalar, onların üstünlükləri və problemləri haqqında ətraflı məlumat verdi.

Sonra A.Əliyeva qeyd olunan şəbəkə arxitekturalarını müqayisəli təhlil etdi, onların üstünlükləri və çatışmazlıqlarından danışdı. Məruzəçi Məhdud Boltsman maşınlarının verilənlər bazasında neft quyusu verilənlərinin istənilən nümunələrini tapmaq imkanına malik olmadığını, FCN-nin az sayda neyronlardan (100 neyrondan) ibarət bir gizli təbəqəli modelinin neft məhsulunu proqnozlaşdırmaq üçün daha optimal olduğunu, CNN şəbəkələrinin FCN-lə müqayisədə nəticələri hazırlamaq və davamlı şəkildə emal etmək üçün olduqca uzun vaxt tələb etdiyini qeyd etdi. Məruzəçinin sözlərinə görə, qeyd edilən problemlərə baxmayaraq nəzərdən keçirilən bütün dərin neyron şəbəkə modelləri neft hasilatı ilə bağlı verilənləri kifayət qədər yüksək səviyyədə analiz etmək və dəqiq proqnozlar vermək imkanına malikdir.

Neyron şəbəkələrinin fəaliyyətinin daha da yaxşılaşdırılmasında, həmçinin Bayesian optimallaşdırma metodları, İyerarxik müvəqqəti yaddaşın və L1 və L2 normallaşmasının istifadəsi mühüm rol oynaya bilər.

Məruzə ətrafında müzakirələr aparıldı, suallar cavablandırıldı.

© Bütün hüquqlar qorunur. Xəbərlərdən istifadə edərkən www.iсt.az saytına istinad zəruridir.