Intellektual tizimlar

 

 

 

 

 

 

 

 

 

 

Ris. 6. Perseptron sxemasi. 

Perseptronni  o‘rgatish  jarayoni  o‘zgaruvchan  bog‘lanish  koeffitsiyent 

(vazn)lar qiymatlarini sozlash yo‘li bilan bajariladi. 

 

10.3. Neyron tarmoqlar yordamida yechiladigan asosiy masalalar. 

1)  Tasniflash.    Bunday  masalarda  ob'yekt  belgi  (alomat)lar  vektori 

Xn={x1,x2,…,xn} beriladi. Shularni asosida ob'yektni o‘zaro kesishmaydigan    m 

m

j

i

j

i

C

C

j

i

,

1

,

,

,

0









  sinflardan  biriga  (Ci  sinfga)  kiritish  kerak.  Masalan, 

uchadigan  ob'yektlar  belgilari  qanotlar,  dvigatel,  patlar  va  x.q.  bo‘lishi  mumkin. 

Shunday  ob'yektlar  sinflari:  Samolyot,  Qush,  Raketa,  AUO  va  x.q.  kabi  sinflar 

R

1

 

R

2

 

 

 

R-Eelementlari 

---

86 

 

bo‘lishi mumkin. Belgilar majmuisi kirish vektorni tashkil qiladi, sinflar majmuisi 

esa - chiqish vektorni. 

Mazkur  masalani  yechish  uchun  n  kirish  va  m  chiqish  neyronlardan  iborat 

bo‘lgan perseptron turdagi NT quriladi. Aniq belgilar vektori kirishiga berilganda 

NT  chiqish  qatlamida  eng  darajadagi  faollikli  neyron  tanlanadi.  Shu  neyron 

beriladigan belgilarga muvofiq bo‘lgan sinfni belgilaydi. Masala to‘g‘ri yechilishi 

uchun  NTni  o‘rgatish  kerak.  O‘rgatish  jarayonida  bog‘lanish  vaznlarni  tadqiq 

qilinayotgan  ob'yektlar  belgi  va  sinflarni  aniq  qiymatlariga  munosib  bo‘lib 

sozlanadi. 

  

2) Klasterlash. Bu masalarda belgi vektorlar majmuisi alohida gurux (klaster) 

larga  ajratiladi.  Shu  klasterga  kiradigan  belgilar  bir  biriga  yaqin  bo‘lgan 

xarakteristikalarga ega bo‘lishi kerak. Turli klasterlar belgilari esa bir biridan uzoq 

bo‘lishi  kerak.  Bu  masalani  yechish  uchun  dastlabki  belgilar  vektor 

komponentlariga  teng  bo‘lgan  kirish  va  klasterlar  soniga  teng  bo‘lgan  chiqish 

neyronlardan iborat bo‘lgan NT quriladi. Bunday NT vaznli koeffitsiyent qiymatlari 

ham o‘rgatish jarayonda topiladi. 

3) Approksimatsiyalash. Bunday masalada izlangan F(x) funktsiyaga to‘g‘ri 

keladigan va quyidagi o‘zaro nisbatga  





)]

(

*

),

(

[

x

F

x

F

d

 

talab  beradigan  approksimatsiyalovchi  F*(x)  funktsiyasi  tanlab  olinadi.  Bu 

yerda  



 - funktsiyalyar o‘rtasidagi masofani berilgan kichik qiymati. 

 

Umumiy holda F(x) funktsiyani ko‘rinishi noma’lum bo‘ladi. U x1 u1, x2 u2, 

…, xn un turdagi “kirish - chiqish” qiymatlar juftlari bilan beriladi. Bu yerda xi - 

qayd qilingan (o‘lchangan) argument (kirish o‘zgaruvchan)lar qiymatlari, yi  esa - 

qayd  qilingan  (o‘lchangan)  funktsiya  qiymatlari.  Ananaviy  matematik  usullardan 

foydalanganda  avval  kerakli    approksimatsiyalash  modeli  (F*(x)  funktsiyani 

ko‘rinishi)ni tanlab olish kerak bo‘ladi.  Keyin tanlab olingan  mezonlar bo‘yicha 

F*(x) funktsiyani parametr (koeffitsiyent)lari topiladi. 

 

NTlar  universal  approksimatorlar  bo‘lib,  approksimatsiyalovchi  F*(x) 

funktsiyani tanlab olishini talab qilmaydi. Bu yerda NTni  o‘rgatish uchun faqat qayd 

qilingan 

}

{

i

i

y

x



 juftlar ko‘riladi. O‘rgatish jarayonida NT chiqish yi* qimatlari 

qayd  qilingan  yi  qimatlaridan  berilgan 



  qiymatidan  kam  bo‘lganligini 

ta’minlaydigan bog‘lanish vaznlar qimatlari topiladi. 

 

Bu  masala  ob'yektlarni  identifikatsiyalashda,  ularni  aniq  matematik 

modellarini qurilishi murakkab bo‘lgan holatda, keng qo’llanil adi.