</> Softromeda Edu

🧠 Neyron tarmoqlar - noldan

Kutubxonasiz, faqat matematika va NumPy - 20 bosqichli amaliy qo'llanma

📚 20 bo‘lim 🎯 O‘rta 👁 21 ko‘rish
O‘qishni boshlash

Darslik haqida

Neyron tarmoqni tayyor kutubxonaga tayanmasdan, noldan yozib o'rganamiz. Bitta neyrondan boshlab, faollashtirish funksiyalari, yo'qotish funksiyasi, gradient tushish va orqaga tarqalishni qo'lda hisoblaymiz, keyin ularni NumPy da kodga aylantiramiz. Yo'lda XOR masalasini yechamiz, og'irliklarni to'g'ri boshlashni, mini-paketli o'qitishni, Adam optimizatorini, dropout va regularizatsiyani, softmax bilan ko'p sinfli tasniflashni ko'ramiz. Har bir misol haqiqiy Python 3.13 va NumPy da ishga tushirilib tekshirilgan. Darslik yakunida raqamlarni tanuvchi to'liq tarmoqni noldan quramiz. Kod ichidagi o'zgaruvchi va funksiya nomlari o'zbek tilida.

Darslik mundarijasi

  1. 1 Neyron tarmoq nima Qoidalar yozish o'rniga misollardan o'rganish - g'oyaning mohiyati va bitta neyronning ishi. 13 daq.
  2. 2 NumPy - vektorlar va matritsalar Vektorlashtirish, shakllar, translyatsiya va matritsa ko'paytmasi - tarmoq kodining butun asosi. 19 daq.
  3. 3 Bitta neyron va qaror chegarasi Neyron aslida chiziq chizadi - og'irliklar chiziqning burchagini, siljish esa uning o'rnini belgilaydi. 14 daq.
  4. 4 Faollashtirish funksiyalari Sigmoid, tanh, ReLU va ularning hosilalari - nima uchun chiziqsizlik bo'lmasa tarmoq ma'nosini yo'qotadi. 20 daq.
  5. 5 Oldinga tarqalish Kirishdan chiqishgacha bo'lgan to'liq yo'l - qatlamlar, shakllar va oraliq qiymatlarni saqlash. 14 daq.
  6. 6 Yo'qotish funksiyasi Xatoni bitta songa aylantirish - MSE, ikkilik krossentropiya va nima uchun tanlov muhim. 18 daq.
  7. 7 Hosila va gradient Hosila - o'zgarish tezligi; gradient - eng tik yo'nalish. Ikkalasini kodda hisoblab ko'ramiz. 15 daq.
  8. 8 Gradient tushish Og'irliklarni qadam-baqadam to'g'rilash - o'qitish tezligi, yaqinlashish va uchraydigan nosozliklar. 13 daq.
  9. 9 Orqaga tarqalish - g'oyasi Zanjir qoidasini tarmoqqa qo'llash - xatoni chiqishdan kirishga qarab tarqatish. 14 daq.
  10. 10 Backpropni qo'lda hisoblash Kichik tarmoqni raqamlar bilan boshdan-oxir hisoblab, formulalarni ishonchli qilamiz. 15 daq.
  11. 11 To'liq tarmoq - ixtiyoriy chuqurlik Formulalarni umumlashtirish, qayta ishlatiladigan tarmoq klassi va gradient tekshiruvi. 11 daq.
  12. 12 XOR - birinchi ishlaydigan tarmoq Uch bo'lim oldin imkonsiz bo'lgan masalani yechamiz va yashirin qatlam nima qilishini ko'ramiz. 13 daq.
  13. 13 Og'irliklarni boshlash Nima uchun tasodifiy, qanchalik katta va nima uchun Xavier bilan He turlicha. 14 daq.
  14. 14 Paketli o'qitish To'liq paket, mini-paket va SGD - shovqin, tezlik va xotira o'rtasidagi almashuv. 13 daq.
  15. 15 Optimizatorlar - momentum va Adam Oddiy gradient tushishning kamchiliklari va ularni tuzatadigan uchta g'oya. 17 daq.
  16. 16 Haddan ortiq moslashuv Model yodlab olganini qanday aniqlash va unga qarshi to'rtta chora. 15 daq.
  17. 17 Ma'lumotni tayyorlash Normalizatsiya, kategorik belgilar, yetishmayotgan qiymatlar va ma'lumot sizib chiqishi. 16 daq.
  18. 18 Softmax va ko'p sinfli tasniflash Ikkitadan ortiq sinf, ehtimolliklar taqsimoti va yana o'sha chiroyli gradient. 18 daq.
  19. 19 Tarmoqni baholash Aniqlik yetarli emas - chalkashlik matritsasi, precision, recall va chegarani tanlash. 15 daq.
  20. 20 Amaliy loyiha - raqamlarni tanish Yigirma bo'lim davomida qurilgan barcha qismlarni bitta ishlaydigan tizimga birlashtiramiz. 19 daq.