Muhammad al-xorazmiy nomidagi toshkent axborot texnologiyalari universiteti samarqand



Download 0,49 Mb.
Pdf ko'rish
bet2/5
Sana25.01.2023
Hajmi0,49 Mb.
#902265
1   2   3   4   5
Bog'liq
B b m Mustaqil ish

1-rasim 
Uskuna ilovalari (neyrokompyuterlar) ma'lumotlarni parallel qayta ishlashning 
yuqori tezligi bilan ajralib turadi, biro q bu jarayonda ko'pincha ma'lum texnik 
qiyinchiliklar mavjud: modifikatsiyalash nuqtai nazaridan kamroq moslashuvchan 
va tashqi ta'sirlarga sezgirligi. 


O'tkazilgan tahlil tizimni modellashtirishda tipiklikning fundamental 
tushunchasini ifodalovchi "umumiy pozitsiya" modellaridan (ko'ndalang modellar) 
foydalanish uchun kontseptual asos bo'lib xizmat qildi. Modulli tizimlar uchun 
tipiklik sharti barcha modullar berilgan cheklovlar ostida maksimal imkoniyatlarga 
ega ekanligini va barcha modullararo ulanishlar degenerativ emasligini bildiradi. 
Ko'ndalang modellarning kichik sinfi silliq tizimlimodellar fazosida zieh 
joylashganligi ko'rsatilgan. Modellar sinfini transversal bo'lganlar kichik sinfiga 
eheklash strukturaviy tasvirlar darajasida murakkab tizimlarni o'rganishni sezilarli 
darajada soddalashtirishga imkon beradi.
Vaqtni modellashtirishga ko'ra, neyron 
tarmoqlar real va diskret vaqtda ishlaydigan tarmoqlarga bo'linadi. Diskret vaqtda 
ishlaydigan tarmoqlar ko'p hollarda takroriy munosabatlar tizimlari bilan 
tavsiflanadi va dasturiy ta'minotda osonlik bilan amalga oshiriladi, bu ularni 
aeronavigatsion axborotni qayta ishlashning amaliy muammolarini hal qilish 
vositasi sifatida keng qo'llash imkonini beradi. 
Neyron modellashtirish 
Sun'iy neyron tarmoqlari (SNT) axborot modellarini ifodalash uchun qulay va 
tabiiy asosdir. Neyron tarmoqni rasmiy ravishda to‘liq mahalliy ishlaydigan va bir 
yo‘nalishli ulanishlar ( sinapslar deb ataladi ) bilan birlashtirilgan oddiy 1 ishlov 
berish elementlari ( neyronlar deb ataladi ) to‘plami sifatida aniqlash mumkin. 
Tarmoq tashqi dunyodan ma'lum bir kirish signalini oladi va uni har bir qayta 
ishlash elementida transformatsiyalar bilan o‘zidan o‘tkazadi. Shunday qilib, - 
tarmoq ulanishlari orqali o‘tadigan signal jarayonida u qayta ishlanadi, natijada - 
ma'lum bir chiqish signali. Kattalashtirilgan shaklda SNT kirish va chiqish 
o‘rtasidagi funktsional yozishmalarni amalga oshiradi va F tizimining G 
axborot modeli bo‘lib xizmat qilishi mumkin. Agar tarmoqning strukturaviy 
murakkabligi va neyronlarning o‘tish funktsiyalarida chiziqli bo‘lmaganligi uchun 
talablar osongina qondirilsa, neyron tarmoq tomonidan aniqlangan funktsiya 
o‘zboshimchalik bilan bo‘lishi mumkin. Har qanday tizim funktsiyasini F ni 
oldindan belgilangan aniqlik bilan ifodalash qobiliyati neyron tarmog’ini umumiy 
maqsadli kompyuter sifatida belgilaydi. Ushbu kompyuter fon Neyman mashinasi 
bilan taqqoslaganda, hisoblash jarayonini tashkil etishning tubdan farqli usuliga 
ega - u berilgan algoritmga - muvofiq aniq qoidalar va kodlar yordamida 
dasturlashtirilmagan , balki sinaptik - ulanishlarni maqsadli moslashtirish orqali 
o‘qitiladi (va, kamdan-kam hollarda, ularning strukturaviy o‘zgarishi va 
neyronlarning o‘tish funktsiyalarini o‘zgartirish) talab qilinadigan funktsiyani 
ifodalaydi. Gipotetik vaziyatda, F tizimining funktsiyasi ma'lum bo‘lganda yoki 
uni argumentlarning ixtiyoriy qiymatlari bilan hisoblash algoritmi ma'lum bo‘lsa, 
fon Neumann mashinasi modellashtirish uchun eng yaxshi vositadir ( F ni 
hisoblashdan iborat ), va axborot modellariga bo‘lgan ehtiyoj yo‘qoladi. F tizim 


funksiyasining qiymatlari faqat X sonli parametrlar uchun olib boriladigan 
tajribalar yoki kuzatishlar asosida olinadi. Bunday holda, Y va X qiymatlari 
taxminan o‘lchanadi va har xil tabiatdagi xatolarga duch keladi (pastga qarang). 
Modellashtirishning maqsadi X ning o‘zboshimchalik bilan o‘zgarishi uchun tizim 
javoblarining qiymatlarini olishdir. Bunday vaziyatda o‘rganilayotgan F tizimining 
G axborot (statistik) modeli muvaffaqiyatli qo‘llanilishi mumkin. parametrik 
bo‘lmagan statistikaning an'anaviy usullari asosida tuzilishi mumkin. Ushbu fan 
ko‘plab eksperimental ma'lumotlar to‘plamida (tarqatishning - tabiati haqidagi 
statistik farazlarni isbotlash uchun etarli ) va ularning parametrlar maydonida 
nisbatan bir xil taqsimlanishi bilan tizimlarning asoslangan modellarini yaratishga 
imkon beradi . Biroq, eksperimental ma'lumotlarning narxi yuqori bo‘lsa yoki 
ularning etarli miqdorini olishning iloji bo‘lmasa (masalan, tirik tizimlar 
modellarini qurishda va hokazo), ularning yuqori shovqin darajasi , to‘liq emasligi 
va nomuvofiqligi, neyron. modellar ko‘proq afzalroq bo‘lib chiqadi. Neyron 
tarmoq ma'lumotlar to‘plash sohalarida selektiv sezgir bo‘lib chiqadi va boshqa 
sohalarda silliq interpolyatsiya beradi. Neyron tarmoq modellarining bu xususiyati 
umumiyroq printsipga asoslanadi - adaptiv ma'lumotlar klasteri. Moslashuvchan 
klasterlash xususiyatlariga ega bo‘lgan birinchi tarmoqlardan biri T. Koxonenning 
o‘zini o‘zi tashkil etish xaritasi 2 edi. Kohonen neyron tarmog’ining vazifasi 
avtomatik ravishda yuqori o‘lchamdagi kirish vektorlari to‘plamining xaritasini 
pastki o‘lchamdagi klasterlar xaritasiga yaratishdir, shunda xaritadagi yaqin 
klasterlar birbiriga yaqin joylashgan kirish vektorlariga mos keladi. asl joy. 
Shunday qilib, makon o‘lchamining sezilarli darajada pasayishi bilan 
ma'lumotlarni - joylashtirishning topologik tartibi saqlanib qoladi . Har bir 
klasterning barcha vektorlari uning centroidi bilan almashtirilsa , uning 
strukturasini bir butun sifatida saqlab qolgan holda yuqori darajadagi axborotni 
siqish darajasiga erishiladi . Kohonen kartalari asosan ikki maqsadda ishlatiladi. 
Ulardan birinchisi ko‘p parametrli ma'lumotlarni vizual tartiblashdir. Amalda 
odatda bir o‘lchovli va ikki o‘lchovli xaritalardan foydalaniladi. Xarita tugunlari 
bilan belgilangan klasterlar qaysidir ma'noda o‘xshash bo‘lgan kuzatishlar 
guruhlarini o‘z ichiga oladi, ularga guruh semantik ma'nosi berilishi mumkin. 
Kohonen tarmog’ining yangi samarali ilovalaridan biri global kompyuter 
tarmoqlarida elektron xabarlarning tematik xaritasini yaratishdir. Bunday xarita 
yordamida foydalanuvchi shaxsiy qiziqish doirasiga muvofiq cheksiz xabarlar 
oqimida bepul navigatsiya qilish imkoniyatini oladi. Texnik tizimlarni 
modellashtirishda 
qo‘llanilganda, 
Kohonen 
xaritalari 
tizimning 
xatti-
harakatlaridagi farqlarni aniqlash va anomal rejimlarni aniqlash uchun ishlatilishi 
mumkin. Bunday holda, yaqin ma'lumotlarning kutilmagan to‘planishi aniqlanishi 


juda muhim, ularning keyingi talqini foydalanuvchi tomonidan o‘rganilayotgan 
tizim haqida yangi bilimlarni olishga olib kelishi mumkin. 

Download 0,49 Mb.

Do'stlaringiz bilan baham:
1   2   3   4   5




Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©hozir.org 2024
ma'muriyatiga murojaat qiling

kiriting | ro'yxatdan o'tish
    Bosh sahifa
юртда тантана
Боғда битган
Бугун юртда
Эшитганлар жилманглар
Эшитмадим деманглар
битган бодомлар
Yangiariq tumani
qitish marakazi
Raqamli texnologiyalar
ilishida muhokamadan
tasdiqqa tavsiya
tavsiya etilgan
iqtisodiyot kafedrasi
steiermarkischen landesregierung
asarlaringizni yuboring
o'zingizning asarlaringizni
Iltimos faqat
faqat o'zingizning
steierm rkischen
landesregierung fachabteilung
rkischen landesregierung
hamshira loyihasi
loyihasi mavsum
faolyatining oqibatlari
asosiy adabiyotlar
fakulteti ahborot
ahborot havfsizligi
havfsizligi kafedrasi
fanidan bo’yicha
fakulteti iqtisodiyot
boshqaruv fakulteti
chiqarishda boshqaruv
ishlab chiqarishda
iqtisodiyot fakultet
multiservis tarmoqlari
fanidan asosiy
Uzbek fanidan
mavzulari potok
asosidagi multiservis
'aliyyil a'ziym
billahil 'aliyyil
illaa billahil
quvvata illaa
falah' deganida
Kompyuter savodxonligi
bo’yicha mustaqil
'alal falah'
Hayya 'alal
'alas soloh
Hayya 'alas
mavsum boyicha


yuklab olish