LOKAL MINIMUM MUAMMOSI
Keywords:
Kalit so’zlar: lokal minimum, optimizatsiya, gradient tushish, sun’iy neyron tarmoqlar, backpropagation, momentum, learning rate annealing, randomizatsiya, genetic algoritmlar, konveks bo‘lmagan funksiyalarAbstract
Annotatsiya
Ushbu tezisda lokal minimum muammosi va uning optimizatsiya jarayonlaridagi
ahamiyati ko‘rib chiqiladi. Lokal minimum tushunchasi matematik asoslar ibilan
birga, uning optimizatsiya algoritmlariga, xususan, sun’iy neyron tarmoqlarni
o‘qitishdagi ta’siri tahlil qilinadi. Tezisda lokal minimum muammosini yengib o‘tish
uchun qo‘llaniladigan usullar — boshlang‘ich qiymatlarni tanlash, ilg‘or
optimizatsiya algoritmlari, randomizatsiya, muqobil optimizatsiya usullari va modelni
qayta tahlil qilish bayon etiladi. Shuningdek, mavzuga oid nazariy va amaliy jihatlar,
ilg‘or tadqiqotlar va algoritmlar sharhi keltirilgan.
References
FOYDALANILGAN ADABIYOTLAR
1. Bekmuratov Q.A. Sun’iy intellect va neyron tarmoqlar. O‘quv qo‘llanma,
Samarqand – 2021.
2. Sadullayeva SH.A, Yusupov D.F., Yusupov F., Sun’iy intellect va neyron to‘rli
texnologiyalar. O‘quv qo‘llanma, Urganch – 2021.
3. H.N.Zayniddinov, T.A.Xo‘jaqulov, M.P.Atadjanov, “Sun’iy intellekt” fanidan
o‘quv qo‘llanma, Toshkent – 2018.
4. Ruder, S. (2016). Gradient tushish optimizatsiyasi algoritmlari sharhi. arXiv
preprint. https://arxiv.org/abs/1609.04747
5. Kingma, D. P. va Ba, J. (2015). Adam: Stoxastik optimizatsiya usuli. ICLR.
https://arxiv.org/abs/1412.6980
6. Glorot, X. vaBengio, Y. (2010). Chuquroq oldinga tarqaluvchi neyron
tarmoqlarni o‘rgatish qiyinchiliklarini tushunish. Xalqaro sun’iy intellect va
statistik konferentsiya materiallari. http://proceedings.mlr.press/v9/glorot10
a.html
7. Dauphin, Y. N. va boshqalar. (2014). Yuqori o‘lchamli no-konveks
optimizatsiyadagi local o‘rin va local minimumlarni aniqlash va yengish.
Advances in Neural Information Processing Systems.
