МАШИНАЛИ ЎҚИТИШ АЛГОРИТМЛАРИНИ ОПТИМАЛЛАШТИРИШ УСУЛЛАРИ

Юнусов Ғ. Ғ. & Юлдашева З. Р.


Annotatsiya

Сўнгги йилларда машинали ўқитиш моделлари мураккаблашиб боргани сари, уларни самарали ўргатиш масаласи бирламчи аҳамиятга эга бўлмоқда. Ушбу мақолада йўқотиш функциясини минималлаштиришга йўналтирилган замонавий оптималлаштириш ёндашувлари қиёсий тарзда ўрганилди. Тадқиқот доирасида биринчи ва иккинчи тартибли градиент усуллари, мослашувчан қадамга эга алгоритмлар (Adam, RMSprop, AdaGrad), регуляризациянинг L1 ҳамда L2 шакллари, шунингдек гиперпараметрларни созлаш стратегиялари кўриб чиқилди. Ўзбек ва рус олимларининг ишлари асосида ҳар бир усулнинг кучли ҳамда заиф жиҳатлари аниқланди, тажрибавий жараёнда тавсия этиладиган танлов мезонлари шакллантирилди.


Adabiyotlar

  1. Vapnik V.N. The Nature of Statistical Learning Theory. – New York: Springer, 2000. – 314 p.
  2. Назиров Ш.А. Сунъий интеллект тизимларининг архитектураси ва ишлаш тамойиллари. – Тошкент: Фан, 2019. – 248 б.
  3. Журавлёв Ю.И. Избранные научные труды. – М.: Магистр, 1998. – 420 с.
  4. Воронцов К.В. Математические методы обучения по прецедентам (теория обучения машин). – М.: МФТИ, 2011. – 141 с.
  5. Цыпкин Я.З. Основы теории обучающихся систем. – М.: Наука, 1970. – 252 с.
  6. Бекмуратов Т.Ф., Арипов М.М. Интеллектуал тизимларни лойиҳалаш асослари. – Тошкент: Университет, 2018. – 312 б.
  7. Николенко С.И., Кадурин А.А., Архангельская Е.В. Глубокое обучение. – СПб.: Питер, 2018. – 480 с.
  8. Канторович Л.В. Математические методы организации и планирования производства. – Л.: ЛГУ, 1939. – 68 с.
  9. Айвазян С.А. Прикладная статистика и основы эконометрики. – М.: ЮНИТИ, 1998. – 1022 с.
  10. Колмогоров А.Н. Избранные труды. Математика и механика. – М.: Наука, 1985. – 470 с.
  11. Назиров Ш.А., Адилов Ф.М. Машинали ўқитиш моделларини оптималлаштириш муаммолари // Ўзбекистон ахборот-коммуникация технологиялари журнали. – 2021. – №3. – Б. 45–53.