Neyron şəbəkənin qurulması bir neçə əsas addımı əhatə edir:
-
Məlumatların Toplanması və Əvvəlcədən Emalı: Neyron şəbəkənizi məşq etmək və sınaqdan keçirmək üçün istifadə edəcəyiniz məlumatları toplayın və təşkil edin. Bu verilənlərin təmizlənməsi, çatışmayan dəyərlərin idarə edilməsi və onun təlim, yoxlama və sınaq dəstlərinə bölünməsini əhatə edə bilər.
-
Neyron Şəbəkə Arxitekturasını Seçin: Probleminizə uyğun olan neyron şəbəkə arxitekturasının növünə qərar verin. Bu, irəli ötürülən neyron şəbəkəsi, təsvir məlumatları üçün konvolusion neyron şəbəkəsi (CNN), ardıcıl məlumatlar üçün təkrarlanan neyron şəbəkəsi (RNN) və ya digər ixtisaslaşmış arxitekturalar ola bilər.
-
Modeli işə salın: Ağırlıqlar və meyllər kimi neyron şəbəkənin parametrlərini adətən təsadüfi olaraq və ya xüsusi başlatma üsullarından istifadə edərək işə salın.
-
İrəli Yayılma: Proqnozlar vermək üçün giriş məlumatlarını şəbəkədən ötürməklə irəli yayılma həyata keçirin. Hər bir təbəqə girişdə xətti və ya qeyri-xətti əməliyyatı yerinə yetirir.
-
İtki hesablayın: Proqnozların faktiki dəyərlərdən nə qədər uzaq olduğunu ölçən itkini hesablamaq üçün proqnozlaşdırılan hasilatı faktiki məhsulla müqayisə edin.
-
Backpropagation: Şəbəkənin çəkilərini itkini minimuma endirəcək şəkildə yeniləmək üçün optimallaşdırma alqoritmindən (məsələn, qradiyent enmə) istifadə edin. Bu addım şəbəkənin çəkilərinə uyğun olaraq itki funksiyasının gradientlərinin hesablanmasını, sonra itkini minimuma endirmək üçün çəkilərin müvafiq olaraq tənzimlənməsini əhatə edir.
-
Təkrarla: Modelin performansını yaxşılaşdırmaq üçün birdən çox iterasiya və ya dövrlər üçün irəli yayılma, itki hesablanması və geri yayılma addımlarını təkrarlayın.
Tipik bir neyron şəbəkə arxitekturasındakı təbəqələrə aşağıdakılar daxildir:
-
Giriş Layer: Bu təbəqə daxiletmə məlumatlarını, istər şəkillər, mətn, ədədi dəyərlər və s. qəbul edir. Bu təbəqədəki qovşaqların sayı girişdəki funksiyaların sayına uyğundur.
-
Gizli Layers: Bu təbəqələr giriş və çıxış təbəqələri arasındadır və giriş məlumatlarından müvafiq xüsusiyyətlərin çıxarılmasına cavabdehdir. Dərin neyron şəbəkələrində çoxlu gizli təbəqələr ola bilər və hər qat neyronlardan və ya düyünlərdən ibarətdir.
-
Çıxış Layer: Modelin çıxışını yaradan son qat. Bu təbəqədəki qovşaqların sayı problemin növündən asılıdır - məsələn, binar təsnifat üçün bir çıxış üçün bir qovşaq ola bilər, çox sinifli təsnifat üçün isə müxtəlif sinifləri təmsil edən çoxlu qovşaqlar ola bilər.
Neyron şəbəkələri də aşağıdakılarla müəyyən edilir:
-
Aktivləşdirmə Funksiyaları: Hər bir təbəqə (giriş qatından başqa) adətən şəbəkəyə qeyri-xəttiliyi təqdim edən və mürəkkəb nümunələri öyrənməyə imkan verən aktivləşdirmə funksiyasını ehtiva edir. Ümumi aktivləşdirmə funksiyalarına ReLU (Düzeltilmiş Xətti Aktivləşdirmə), Sigmoid, Tanh və s. daxildir.
-
Bağlantılar (və ya Çəkilər): Bir təbəqədəki hər bir qovşaq, hər bir əlaqə ilə əlaqəli çəki ilə sonrakı təbəqənin hər bir qovşağına bağlıdır. Bu çəkilər şəbəkənin işini optimallaşdırmaq üçün təlim prosesi zamanı tənzimlənir.
Fərqli neyron şəbəkəsi arxitekturalarının öz məqsədləri üçün xüsusi varyasyonları və ya əlavə təbəqələri ola bilər, lakin bu təbəqələr neyron şəbəkəsinin əsas strukturunu təşkil edir.
