O‘ZBEKISTON RESPUBLIKASI
OLIY VA O‘RTA MAXSUS TA’LIM VAZIRLIGI
NAMANGAN DAVLAT UNIVERSITETI
|
“TASDIQLAYMAN”
O‘quv ishlari bo‘yicha prorektori
_______________ D.Xolmatov
“___” ___________ 2022-yil
|
|
|
|
SUN'IY INTELLEKT VA NEYRONTO'RLI TEXNOLOGIYALAR
FANINING
ISHCHI O‘QUV DASTURI
2022/2023 o’quv yili kunduzgi ta’lim shakli, 3-kurslar uchun
Bilim sohasi: 100 000 – Gumanitar soha
Ta’lim sohasi: 130 000 – Matematika
Ta’lim yo‘nalishi: 5130200 – Amaliy matematika
Namangan-2022
Fan/modul kodi
SINB212
|
O‘quv yili
2022/2023
|
Semestr
4-5
|
ECTS-Kreditlar
6+6=12
|
Fan/modul turi
Majburiy
|
Ta’lim tili
O‘zbek
|
Haftadagi dars soatlari
4-semestr - 6 soat
5-semestr - 4 soat
|
1
|
Fanning nomi
|
Auditoriya mashg‘ulotlari (soat)
|
Mustaqil ta’lim (soat)
|
Jami yuklama (soat)
|
Sun’iy intellekt va neyronto`rli texnologiyalar
|
150
|
210
|
360
|
I. FANNING MAZMUNI
Fanni o‘qitishdan maqsad – sun'iy intellekt va neyron to'rlarining nazariy asoslari haqida, tatbiqiy masalalarni yuqori sifat va aniqlikda yechish uchun obrazlarni anglashning zamonaviy matematik usullari, tatbiqiy sohalarning qiyin formallashuvchi masalalarida qaror qabul qilishni izohlash uchun zamonaviy axborot tizimlarini yaratish haqida talabalar bilimga ega bo'lishi kerak.
Fanning vazifasi – qiyin formallashuvchi masalalarini yechish uchun hisoblash eksperimenti ko'rinishida, sun'iy intellekt usullaridan foydalangan holda axborot tizimlarini (modellarini) yaratish ko'nikmalarini berish.
II. ASOSIY NAZARIY QISM (MA’RUZA MASHG‘ULOTLARI)
II.1. Fan tarkibiga quyidagi mavzular kiradi:
1 - mavzu. Sun’iy neyron to’rlari.
Nerv faoliyatining biologik jixatlari. Nerv kletkalarining strukturasi: dentrit, som, akson, sinaps. Markaziy nerv tizimi.
2 – mavzu. Sun’iy neyron modeli.
Sun’iy neyronning matematik modeli. Faollashtirish funksiyalari. bir katlamli Sun’iy neyron to’rlari. kup katlamli Sun’iy neyron to’rlari.
3 - mavzu. Sun’iy neyron to’rlarini o`rgatish.
Urgatish algoritmlari. Sun’iy neyron to’rini ukituvchili va ukituvchisiz urgatish. O’rgatuvchi tanlama . Xatolik funksiyalari. Turni gradientli optimizashiyasi. O’qitish davri.
4 - mavzu. Xatolarni teskari tarkalishi usuli.
Xatolarni teskari tarkatish usuli (bask - propagation). Delta qoida usuli. Differensiyalashning zanjirli qoidasi. Chiqish qatlami vaznlarni sozlash. Xatoliklarni teskari tarkalishi algoriti.
5 – mavzu. Pepseptron modeli.
Perseptron. Perseptron arxitekturasi. Perseptronni o’rgatish. Ajratuvchi gipertekisliklar. Chiziqli karor qabul qiluvchi qoida. Bir qatlamli perseptronni o’qitish.
6 - mavzu. Bolisman moshinasi.
Bolisman moshinasi. Lokal minimum muammosi. Moment parametri. o’qitishning deterministik va stoxastik usullai.
7 - mavzu. Avtoassosasitiv to’rlar.
Avtoassosasitiv to’rlar. Assosastiv xotira. Chiziqli assoshiativ xotira. Kuchaytirish usullari. Filtrlash xisobidan kuchaytirish. Adaptiv kuchaytirish usuli.
8 - mavzu. Neyro to`rli klasterlash usullari.
Alomatlar fozosi. Ob’ektlarning uxshashlik o’lchamlari. Berilganlarni klasterlash masalasi. Xebb o’qitish qoidasi.
9 - mavzu. Tayanch vektorlar mashinalari.
Tayanch vektorlar mashinalari. Chiziqli – ajraluvchi obrazlar uchun optimal gipertekislik. Chiziqli - ajralmaydigan obrazlar uchun optimal gipertekislik. Chiziqli gegressiya uchun masalasi uchun tayanch vektorlar mashinasi.
10 – mavzu. Koxonen o’z – o’zini tashkil etuvchi neyron to’rlari.
O’z – o’zini tashkil etuvchi neyron to’rlari. Koxonen qatlami. Koxonen xaritasi. Koxonen xaritalarini ko’p o’lchamli berilganlarni vizuallashtirishda qo’llash.
|
Do'stlaringiz bilan baham: |