R. X. Alimov, O’. T. Xayitmatov, A. F. Xakimov, G. T. Yulchieva, O. X. Azamatov, U. A. Otajanov

13.2.  Neyron to’rlarining tarixi 
Neyron  to’rlarning  nazariy  asoslari  dastlab  1943  yilda  U.Makkalox  va  uning 
shogirdi  U.Pitts  olib  borgan  tadqiqotlarga  borib  taqaladi.  Neyron  tushinchasi  va 
og’irlik tushinchasi shu olimlarning ilmiy izlanishlaridan qolgan.  
Makkalox  modelining  asosiy  kamchiligi  transfer  funktsiya  (o’tish  funktsiyasi) 
sifatida  faqatgina  zinali  funktsiyadan  foydalanilgan.  Bu  xam  aslida  Makkaloxning 
ilmiy  qarashlaridan  biri  edi.  Olim  transfer  funktsiya  faqat  ikki  xolatdagina  bo’la 
olishi  kerakligini,  neyron  xam  kirish  signallariga  qarab  ikki  xolatning  birida  – 
ishlagan  yoki  ishlamagan  xolda  o’z  natijasini  setning  keyingi  neyronlariga  uzatishi 
lozimligini aytgan.  
Ammo keyingi tadqiqotchilarning ilmiy izlanishlari natijasida shu narsa ma’lum 
bo’ldiki,  transfer  funktsiya  sifatida  faqatgina  zinali  funktsiya  emas,  balki  boshqa 
funktsiyalardan,  masalan  chiziqli,  logarifmik-sigmoida,  tangens-sigmoida  kabi 
funktsiyalardan  foydalanish  xam  yaxshi  natijalar  beradi  (qaysi  transfer  funktsiyadan 
foydalanish aniq xolatlarga, muammolarga bog’liq).  
Makkaloxning  ishlarida  ba’zi  kamchiliklarga  xam  yo’l  qo’yilgan  bo’lishiga 
qaramasdan  neyron  to’rlarning  nazariyasi  negizi  xali  xam  o’shandayligicha 
qolmoqda.  
Neyron  to’rlarning  rivojlanishiga  bo’lgan  katta  turtkilardan  biri  neyrofiziolog 
olim F.Rozenblat taklif qilgan modelь – perseptron bo’ldi. Perseptronning Makkalox 
modelidan farqi neyronlar orasidagi aloqalardagi og’irliklarning o’zgaruvchanligi edi. 
O’zgaruvchanlik  imkoniyatining  mavjudligi  neyron  to’rlarni  turli  muammolarni 
echishga «o’rgana oladigan» qildi. 
Keyinchalik  Xopfild,  Verbos,  Koxonen,  Fukushima  kabi  olimlar  neyron  to’rlar 
ustida ilmiy izlanishlar olib bordilar va katta natijalarga erishdilar. 
Neyron  to’rlarni  o’rganish  natijasida  ularning  bir  qancha  xususiyatlari  ma’lum 
bo’ldi.  Neyron  to’rlardan  prognozlashda,  jarayonlarni  boshqarishda,  immitatsiya 
qilish  va  taxlil  qilishda  foydalanish  yuqori  samara  beradi.  Neyron  to’rlarni  boshqa 
usullarni  tadbiq  qilish  qiyin  bo’lgan  sharoitlarda  –  muammoni  xal  qilish  algoritmi 
mavxum  bo’lganda,  ma’lumotlar  noaniqligida,  etishmasligida,  juda  katta  yoki  juda 
kichik  xajmdaligida,  qarama-qarshiliklar  mavjud  sharoitlarda  tadbiq  qilish  oson  va 
samarali. 
 Bunga  asosiy  sabab  boshqa  usullardagi  kabi  kerakli  jarayonni  qonuniyatlarini 
aniqlab,  matematik  tenglamalar  tuzib,  echish  algoritmlari  ishlab  chiqishning 
zaruriyati  yo’q.  Neyron  to’rlar  arxitekturasi,  transfer  funktsiyalar  va  o’rgatish 
algoritmlari to’g’ri tanlansa neyron to’rni tayyor ma’lumotlarda o’rgatish natijasida, u 
foydalanishga tayyor bo’ladi. 
Neyron  to’rlarni  o’rgatish  deyilganda  neyron  to’rning  o’zi  o’z  ichki 
parametrlarini  xisoblab  topib  o’zgartirishi  tushiniladi.  Buning  uchun  tarmoqqa 

---

 
173 
tanlangan kirish qiymatlari beriladi va xosil bo’lgan natijalarni xaqiqiy natijalar bilan 
solishtirib  farqi(xatolik)  topiladi.  SHu  farq  neyron  to’r  uchun  parametrlarini 
to’g’rilashiga asos va ma’lumot bo’ladi.