AMEA İnformasiya Texnologiyaları İnstitutunun 1 saylı şöbəsinin “Dərin təlim” mövzusuna həsr olunmuş növbəti elmi seminarı keçirildi.

Mövzuya dair məruzə ilə çıxış edən 1 saylı şöbənin əməkdaşı Adilə İmamverdiyeva dərin təliminin (deep learning) yaranma tarixi, dərin təlim və maşın təliminin fərqli cəhətləri, dərin təlimin tətbiqləri, bioloji neyron, irəli ötürmə və rekkurent neyron şəbəkələri haqqında geniş məlumat verdi.

Süni neyron şəbəkələrə əsaslanan maşın öyrənmə metodlarından biri olan dərin təlimin yaranma tarixi barədə danışan məruzəçi bildirdi ki, ilk dəfə 1958-ci ildə F.Rozenblatt tərəfindən birlaylı perseptron, 1980-ci ildə isə Kunihiko Fukushima tərəfindən çoxqatlı süni neyron şəbəkəsi olan neokoqnitron modeli təklif olunmuşdur.

A.İmamverdiyeva dərin təlim və maşın təlimi arasındakı fərqlərdən söz açaraq qeyd etdi ki, dərin təlim  modelləri böyük verilənlər yığımından və neyron şəbəkə arxitekturasından istifadə edərək xüsusiyyətləri avtomatik olaraq çıxarır.

O, bioloji neyronun quruluşunu təqdim edərək onun riyazi modelini diqqətə çatdırdı. Məruzəçi dərin neyron şəbəkə modellərində geniş istifadə olunan Siqmoid, ReLu və Softmax aktivasiya funksiyalarından bəhs etdi. Məruzəçi dərin neyron şəbəkələrinin CNNs (Convolutional Neural Networks), RNNs (Recurrent Neural Networks), LSTM (Long Short-term Memory), DBNs (Deep Belief Networks), GANs (Generative Adversarial Networks), DBMs (Deep Boltzmann Machines), RBMs (Restricted Boltzmann Machines) növləri haqqında məlumat verdi.

A.İmamverdiyeva neyron şəbəkə arxitekturalarının geniş yayılmış iki sinfi olan – irəli ötürmə neyron şəbəkəsi və rekkurent neyron şəbəkələri haqqında ətraflı məlumat verdi. Məruzəçi bildirdi ki, irəli ötürmə neyron şəbəkəsində məlumatlar girişlərdən çıxışlara yalnız düz xətt istiqamətində ötürülür. O, qeyd etdi ki, rekkurent neyron şəbəkələrində isə ilkin verilənlərə görə alınmış çıxış verilənləri növbəti layda giriş verilənləri kimi istifadə olunur.

O, həmçinin geriyə yayılma alqoritmi, qradiyent enişi, qradiyentlərin yox olması, qradiyentlərin partlaması, konvensional neyron şəbəkələr və onların arxitekturaları (LeNet-5, AlexNet, VGGNet, ZFNet, GoogLeNet, ResNet) və bu şəbəkələrin vizuallaşdırılması haqqında ətraflı məlumat verdi.

Sonra məruzəçi dərin təlimin üstünlüklərindən bəhs edərək bildirdi ki, dərin təlimdə xüsusiyyətlər avtomatik olaraq çıxarılır və nəticəyə uyğun şəkildə tənzimlənir və həmçinin verilənlərdəki təbii variasiyalara davamlılıq avtomatik olaraq öyrənilir. O, dərin təlimin böyük verilənlər bazası tələb etdiyini və bu səbəbdən də böyük xərc tələb olunduğunu dərin təlimin çatışmamazlığı kimi qeyd etdi.

Sonda A.İmamverdiyeva bu sahədə keçirilən ən populyar konfranslar, nəşrlər haqqında məlumat verdi.

Məruzə ətrafında müzakirələr aparıldı, suallar cavablandırıldı. İnstitutun baş mühəndisi, texnika üzrə fəlsəfə doktoru, dosent Məkrufə Hacırəhimova bu sahədə tədqiqatların davam etdirilərək dərinləşdirilməsini, dərin təlimin geniş tədqiq olunaraq şöbə seminarlarında mütəmadi müzakirə olunmasını tövsiyə etdi.

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