2021 – 2022 ўқув йилига 70610701– Сунъий интеллект, 70610101 – Компьютер илмлари ва дастурлаш технологиялари (йўналишлар бўйича) ва 70610201 – Компьютер тизимлари ва уларнинг дастурий таъминоти

k яқин қўшни усули ва Надарая-Ватсон формуласи бўйича силлиқлаштирувчи функция ёрдамида регрессия боғлиқликни тиклаш Мумкин бўлган объектларнинг ўзаро кесишмайдиган синфларга тегишлилигини англаш учун нопараметрик регрессия усуллари ўргатувчи танланмада машинали ўргатиш амалга оширалади. Регрессия боғлиқлигини тиклаш учун ядро функциясида оптимал дарча кенглини танлашнинг иккита мезони таклиф қилинган. Дарчанинг ўзгарувчан кенглиги k яқин қўшни ва Надарая-Ватсон формуласи бўйича аниқланади. Объектларни англашнинг аниқлиги UCI Machine Learning репозиторияси танланмалари берилганларида кўрсатилади.	Саидов Д.Ю., физика-математика фанлар PhD
7	Объектларни классификация қилишда машинали ўргатиш усуллари ва алгоритмлари Сўнгги йилларда таварларни манзилларга етказиб беришнинг автоматлаштирииши жаҳон бозорининг тез ва сезиларли ўсиши таъсири кузатилди. Аммо, объектларни тўғри аниқлаш ва англаш масаласи энг катта муаммолардан бири ҳисобланади. Ушбу тадқиқотнинг мақсади, объектларнинг ҳажми ёки шакли ва штрих жойлашуви каби объект хусусиятлари ўртасида мавжуд бўлган муносабатларни тадқиқ қилишдир.	Худойберганов Қ. физика-математика фанлар PhD
8	Визуал англаш масалаларида машинали ўргатиш усуллари Тадқиқотнинг мақсади - автоматик визуал англаш усулини ишлаб чиқишдан иборат. Тасвирга боғлиқ бўлган уникал ёки бир нечта тегларга эга тасвирларни англаш учун чуқур нейрон тармоқларининг архитектурасини ва ўқитувчи ўргатиш усулларини тадқиқ этилади. Биринчи навбатда, ушбу мавжуд моделлар оиласи тарихини, замонавий архитектуралар чегарасини ва ҳозирда чуқур БНТ-ларни ўргатиш учун қўлланиладиган янги техникани тушунишга қаратилган БНТ-нинг замонавий шарҳини тузамиз. Ишнинг ўзига хослиги шундаки, берилганларнинг кам миқдори бўлган масалаларга эътибор қаратилган.	Худойберганов Қ. физика-математика фанлар PhD