İnformasiya Texnologiyaları İnstitutunda 5 və 9 saylı şöbələrin “Dərin təlim metodları” mövzusuna həsr edilmiş birgə onlayn elmi seminarı keçirilib.
Məruzəni təqdim edən 9 saylı şöbənin əməkdaşı Leyla Məmmədova dərin təlimin neyron şəbəkələrindən istifadə edərək, süni intellekt problemlərinin həlli üsullarını nəzərdən keçirən və kompleks məsələləri həll etmək üçün böyük verilənləri analiz etməyə imkan verən maşın öyrənməsi sahəsi olduğunu bildirib. Qeyd edib ki, dərin təlim təbii dilin emalından görüntü və audio emalına, oyunların təhlilindən tibbi diaqnostikaya qədər geniş tətbiq imkanlarına malikdir.
Əsas dərin təlim metodlarından söz açan məruzəçi CNN (Convolutional Neural Network), LSTM (Long Short-Term Memory Network), GAN (Generative Adversarial Network) və RBFN (Radial Basis Function Network) haqqında ətraflı məlumat verib.
Tədqiqatçı bildirib ki, CNN-də məlumatları emal edən və xüsusiyyətləri aşkar edən bir çox təbəqə var. Məlum olduğu kimi, şəkillər əslində piksellərdən ibarət olan matrislərdir. Bükülmə qatında orijinal təsvir ölçüsündən daha kiçik bir filtr şəklin üzərində gəzir və bu şəkillərdən müəyyən xüsusiyyətləri aşkar etməyə çalışır. CNN peyk şəkillərini müəyyən etmək, tibbi təsvirləri emal etmək və anomaliyaları aşkarlamaq üçün geniş istifadə olunur.
Onun sözlərinə görə, LSTM öyrənə və uzun müddət yaddaşda saxlaya bilən RNN (Recurrent neural network) növüdür. LSTM giriş qapısı, çıxış qapısı və unutqan qapıdan ibarətdir. Hər üç qapı məlumatların giriş və çıxışını tənzimləyir. Bu metod RNN-in səbəb olduğu uzunmüddətli unutma problemlərini aradan qaldırır, əl yazısının və nitqin tanınması, anomaliyaların aşkarlanmasında geniş tətbiq olunur.
L.Məmmədova GAN-in generator və diskriminator adlandırılan 2 əsas modeldən ibarət olduğunu söyləyib. Qeyd edib ki, generator və diskriminator bir-birinə qarşı əks məqsədlərlə işləyir: bir model reallığı təqlid etməyə, digəri isə saxtakarlığı müəyyən etməyə çalışır. Bu iki komponent eyni vaxtda məşq edir və zaman keçdikcə öz imkanlarını təkmilləşdirir.
RBFN aktivləşdirmə funksiyası kimi radial əsaslı funksiyalardan istifadə edən FNN-in (Feedforward Neural Network) xüsusi növüdür. Onların giriş təbəqəsi, gizli təbəqə, çıxış təbəqəsi var və daha çox təsnifat, reqressiya və zaman seriyası üçün istifadə olunur. Tam olaraq bir gizli təbəqə ilə məhdudlaşan RBFN olduqca sürətli və effektiv alqoritmdir.
Sonra məruzə ətrafında fikir mübadiləsi aparılıb, suallar cavablandırılıb.
© Bütün hüquqlar qorunur. Xəbərlərdən istifadə edərkən www.iсt.az saytına istinad zəruridir.
