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)