Dasturiy injiniring” kafedrasi s. N. Iskandarova ma’lumotlarga dastlabki ishlov berish fanidan

O'Z-O'ZI-O'ZI NAZORAT UCHUN SAVOLLAR

1. 
   Interpolatsiya muammosi deb qanday muammo aytiladi? 
   
2. 
   Spline ma'lumotlar interpolyatsiyasi qaysi sohalarda qo'llaniladi?
   
3. 
   Spline darajasi nima deyiladi?
   
4. 
   Interpolyatsiya kub splinening qiyaliklarini aniqlashning nechta usuli bor?
   
5. 
   Tugunlardagi hosilalarning qiymatlarini soddalashtirilgan tarzda qanday hisoblash mumkin?
   
6. 
   Tugunlardagi hosilalarning berilgan qiymatlari bilan splayn qanday tuzilgan?
   
7. 
   Global usulda tugunlardagi hosilalarning qiymatlarini qanday hisoblash mumkin?
   
8. 
   Splaynlarni qurishda chegara shartlari qanday variantlarda ko'rsatilgan?
   

http://statistica.ru/branches-maths/interpolyatsiya-splaynami-teor-osnovy/
http://www.alexeypetrov.narod.ru/C/spline_about.html

Ma'ruza 11. Neyron tarmoqlar, chuqur o'rganish
REJA

1. 
   Loyqa va neyron tizimlarni integratsiyalash usullari
   
2. 
   Loyqa neyronlar
   

Asosiy tushunchalar:
1.Loyqa va nerv sistemalarini integrasiyalash usullari
Neyron loyqa yoki gibrid tizimlar , jumladan loyqa mantiq, neyron tarmoqlar, genetik algoritmlar va ekspert tizimlar real muammolarning keng doirasini hal qilish uchun samarali vositadir.
Har bir intellektual usul o'ziga xos xususiyatlarga ega (masalan, o'rganish qobiliyati, qarorlarni tushuntirish qobiliyati), bu uni faqat aniq aniq muammolarni hal qilish uchun mos qiladi.
Misol uchun, neyron tarmoqlar naqshni aniqlashda muvaffaqiyatli qo'llanilgan, ammo ular o'z qarorlariga qanday erishish mumkinligini tushuntirishda samarasiz.
Noaniq ma'lumotlar bilan bog'liq bo'lgan loyqa mantiqiy tizimlar o'z qarorlarini tushuntirishda muvaffaqiyatli qo'llaniladi, ammo ular ushbu qarorlarni qabul qilish uchun zarur bo'lgan qoidalar tizimini avtomatik ravishda to'ldira olmaydi.
Ushbu cheklovlar aqlli gibrid tizimlarni yaratishga turtki bo'ldi, bu erda har bir usulning cheklovlarini alohida yengish uchun ikki yoki undan ortiq usullar birlashtiriladi.
Gibrid tizimlar turli xil amaliy sohalardagi muammolarni hal qilishda muhim rol o'ynaydi. Ko'pgina murakkab sohalarda alohida komponentlar bilan bog'liq muammolar mavjud bo'lib, ularning har biri turli xil ishlov berish usullarini talab qilishi mumkin.
Faraz qilaylik, murakkab dastur sohasida ikkita alohida kichik vazifa mavjud, masalan, signalni qayta ishlash vazifasi va yechimni hosil qilish vazifasi, keyin bu alohida vazifalarni hal qilish uchun mos ravishda neyron tarmoq va ekspert tizimidan foydalaniladi.
Intellektual gibrid tizimlar menejment, muhandislik, savdo, kreditni baholash, tibbiy diagnostika va kognitiv modellashtirish kabi ko'plab sohalarda muvaffaqiyatli qo'llanilgan. Bundan tashqari, ushbu tizimlar uchun ilovalar doirasi doimiy ravishda o'sib bormoqda.
Loyqa mantiq kognitiv noaniqlikdan xulosa chiqarish mexanizmini ta'minlasa-da, hisoblash neyron tarmoqlari o'rganish, moslashish, xatolarga chidamlilik, parallellik va umumlashtirish kabi muhim afzalliklarga ega.
Tizim kognitiv noaniqliklarni odamlar kabi hal qila olishi uchun neyron tarmoqlarga loyqa mantiq kontseptsiyasini qo'llash kerak. Bunday gibrid tizimlar loyqa neyron tarmoqlari yoki loyqa neyron tarmoqlari deb ataladi.
Neyron tarmoqlar qaror qabul qilish tizimlari sifatida ishlatiladigan loyqa tizimlarda a'zolik funksiyalarini sozlash uchun ishlatiladi.
Loyqa mantiq ilmiy bilimlarni lingvistik belgilar qoidalaridan foydalangan holda to'g'ridan-to'g'ri tavsiflashi mumkin, lekin odatda bu teglarni belgilaydigan a'zolik funksiyalarini loyihalash va sozlash uchun ko'p vaqt talab etiladi.
Neyron tarmoqlarni o'rgatish usullari ushbu jarayonni avtomatlashtiradi, ishlab chiqish vaqtini va ushbu funksiyalarni olish xarajatlarini sezilarli darajada kamaytiradi.
Nazariy jihatdan, neyron tarmoqlar va loyqa mantiqiy tizimlar ekvivalentdir, chunki ular o'zaro o'zgarishi mumkin, ammo amalda ularning har biri o'zining afzalliklari va kamchiliklariga ega.
Neyron tarmoqlarda bilimlar teskari oqimli xulosalar algoritmidan foydalanish orqali avtomatik ravishda olinadi, lekin o'quv jarayoni nisbatan sekin, o'qitilgan tarmoqni tahlil qilish esa murakkab ("qora quti").
O'qitilgan neyron tarmoqdan tuzilgan bilimlarni (qoidalarni) ajratib olish, shuningdek, o'rganish jarayonini soddalashtirish uchun muammo haqida aniq ma'lumotlarni to'plash mumkin emas.
Loyqa tizimlar juda foydali, chunki ularning xatti-harakatlarini loyqa mantiq qoidalari yordamida tasvirlash mumkin, shuning uchun ularni ushbu qoidalarni tartibga solish orqali boshqarish mumkin. Shuni ta'kidlash kerakki, bilimlarni o'zlashtirish juda murakkab jarayon bo'lib, har bir kirish parametrining o'zgarish maydonini bir necha intervallarga bo'lish kerak; loyqa mantiqiy tizimlardan foydalanish ekspert bilimlari maqbul bo'lgan va kirish parametrlari to'plami etarlicha kichik bo'lgan sohalar bilan cheklangan.
Bilimlarni egallash muammosini hal qilish uchun neyron tarmoqlar raqamli ma'lumotlardan loyqa mantiq qoidalarini avtomatik ravishda olish xususiyati bilan to'ldiriladi. Hisoblash jarayoni quyidagi noaniq neyron tarmoqlardan foydalanish hisoblanadi. Jarayon o'rganish mexanizmi bo'yicha biologik nerv morfologiyalarini tan olishga asoslangan "loyqa neyron" ning rivojlanishi bilan boshlanadi. Bunday holda, loyqa neyron tarmog'ining hisoblash jarayonining quyidagi uch bosqichini ajratib ko'rsatish mumkin :

• 
  biologik neyronlar asosida loyqa neyron modellarini ishlab chiqish;
  
• 
  neyron tarmoqlarga noaniqlik kiritadigan sinoptik ulanish modellari;
  
• 
  o'rganish algoritmlarini ishlab chiqish (sinoptik og'irlik omillarini sozlash usuli).
  

Shaklda. 11.1 va 11.2 loyqa neyron tizimlarining ikkita mumkin bo'lgan modeli taqdim etilgan. Olingan lingvistik bayonot interfeys loyqa mantiq birligi tomonidan ko'p darajali neyron tarmoqning kirish vektoriga aylantiriladi. Neyron tarmoq kerakli chiqish buyruqlari yoki yechimlarni yaratishga o'rgatilgan bo'lishi mumkin.

Guruch. 11.1. Loyqa nerv sistemasining birinchi modeli
Ko'p darajali neyron tarmoq loyqa mantiqiy interfeys mexanizmini ishga tushiradi. Neyron tarmog'ining asosiy qayta ishlangan elementlari sun'iy neyronlar yoki oddiygina neyronlar deb ataladi. Neyron kirish signallari  bir yo'nalishli hisoblanadi, yo'nalish o'q bilan ko'rsatiladi, xuddi shu narsa neyron chiqish signaliga ham tegishli.

Guruch. 11.2. Loyqa nerv sistemasining ikkinchi modeli
Oddiy neyron tarmoq rasmda ko'rsatilgan. 11.3. Barcha signallar va og'irliklar haqiqiy raqamlar bilan berilgan.

Kirish neyronlari kirish signalini o'zgartirmaydi, shuning uchun chiqish va kirish parametrlari bir xil bo'ladi.  Signal uchun og'irlik omili bilan o'zaro ta'sirlashganda ,  biz natijaga erishamiz  . Kirish ma'lumotlarining elementlari  qo'shiladi va natijada neyron uchun kirish qiymatini beradi:

Neyron o'zining uzatish funksiyasini qo'llaydi  , bu shaklning sigmasimon funksiyasi bo'lishi mumkin:

Chiqish qiymatini hisoblash uchun:
f (  )
Sigmasimon funksiyani ko'paytiruvchi, qo'shadigan va hisoblaydigan ushbu oddiy neyron tarmoq  standart neyron tarmoq deb ataladi. Gibrid neyron tarmoq - bu loyqa signallar va og'irliklar va loyqa uzatish funksiyalariga ega neyron tarmoq (11.4-rasm).
Lekin:

1. 
   birlashtirilishi  va  boshqa uzluksiz operatsiyalardan foydalanishi mumkin;
   
2. 
   boshqa uzluksiz funksiyalardan foydalangan holda komponentlarni qo'shish  ;
   
3. 
   uzatish funksiyasi boshqa har qanday uzluksiz funksiya shaklida bo'lishi mumkin.
   

Gibrid neyron tarmog'ining ishlov beruvchi elementi loyqa neyron deb ataladi. Shuni ta'kidlash kerakki, gibrid neyron tarmog'ining barcha kirish, chiqish parametrlari va og'irliklari [0, 1] oraliqdagi haqiqiy sonlardir.

Guruch. 11.4. Gibrid neyron tarmog'ini uzatish funksiyasi