У муаммоларп

Бир катламли нейротармок. Кургазмали булиши учун нейрон тармоFини матрицали, кулай алгоритмик, \амда график тавсифларидан фойдаланамиз.

••• ••• •••

19. Расм. Укитилгандан кейинги бир катламли нейрон тармоFи
“Х,ар ким \ар ким билан - каждый с каждым” принципи буйича тузилган бир цатламли нейрон тармоFи 19 расмда тасвирланган. Айтайлик юцоридаги муло\азаларда таклиф этилган узатиш функцияларидан фойдаланамиз


Бу ерда нинг цийматини танлаш масаласи туради, ^h_i нинг цийматини эса нолга тенглаймиз.
Кириш цатламидаги 10 та нейронни дастлабки маълумотларга бириктириб цуямиз, чицишнинг 5 тасини - ечим учун. Бу билан биз бизни цизицтирадиган ним тармоцни ажратамиз, у 20 расмда келтирилган из (кузатиш) матрицасига мос келади.

В1
В2
В3
А1
А2
С1
С2
С3
С4
С5
Чиц1	1			1		1	1	1	1	1
Чиц2		1	1	1		1	1	1
Чиц3		1	1	1					1	1
Чиц4			1		1	1	1	1	1	1
Чиц5	1	1			1	1	1	1	1	1

20.Расм. Бир цатламли нейрон тармоFи учун кузатиш (из) матрицаси
Бу ерда охирги куриниши тасвирланган, чунки бошланишида барча богланишларнинг вазнлари нолга тенг килиб олинган.
^R₁ ечимни Чик1 нейронда расмийлаштириш учун, мазкур нейроннинг В1, А1, С1, С2, С3, С4, С5 нейронлар билан боFланишлар вазнини жуда ошириш керак, яъни таъсирлантиришнинг татик йулини куриш зарур [B1, А1, С1, С2, С3, C4, C5] Чик1, ва йул давомида бирорта дисциплина буйича ботаанишлар вазнини ошириш керак.
Бизнинг \олатимизда натижа очик ойдин куриниб турибди, шу боисдан эътиборни умумий ёндашувга каратамиз.
Бир томондан В1, А1, С1, С2, С3, C4, C5 нейронлар орасидаги ботаанишлар вазнини урнатамиз, ва иккинчи томондан эса Чик1 нейрони билан, унинг вазни 1 га тенг, бу нейроннинг кириш катламидаги бошка нейронлар билан ботаанишлар вазнини нолга тенг деб колдирамиз. Шундай килиб, кириш катламидаги бошка нейронларнинг мазкур нейрон билан таъсирлари такикланади. Конкрет куйилан масала мсалани изчил \ар томонлама тизимли экспериментал урганиш натижасида тузатишлар киритишни талаб килиши, барча кириш \олатларидаги узаро таъсирларни \исобга олишни талаб килиши мумкин.
Чикиш катламидаги ажратилган барча нейронлар билан \ам худди шундай амалларни килиб кузатиш матрицасининг охирги куринишини \осил киламиз (20. Расмга каралсин). Курилган нейрон тури, 16 расмда тасвирланган, “ниммасалага” мос келувчи махсус турга тулик мос келади. Шундай килиб солик ходими Рахимбойга кандай нейрон тармоFини таклиф килган маъкул? Жудаям мураккаб ва жудаям содда булмаган, бир томондан амалий ишлашга кулай ва иккинчи томондан фойда келтирадиган булиши керак.
Ихтиёрий структурали нейрон тармоFи. Айтайлик, биз жуда “чиройли” тасвирланган графмк схемалар банкига эгамиз, ундан бирота схемани нейротармок структураси учун асос килиб олиш мумкин булсин.
Бизга маъкул келган график схемани нейрон тармоFи сифатида интерпретация киламиз, уни узатиш функциялари билан тулдирамиз ва солик ходими Рахимбой куйган масалани ечишга ургатамиз.
Айтайлик биз танлаган нейрон тармоFи 12 та кириш (бу жуда етарли), 5 та чикишга эга булиб уша урнатилган узатиш функцияларини вазн ту = 0 ва сатхнинг h = 0 бошлангич кийматларида амалга оширади.
Бирок тур узини укитишни кийинлаштирадиган махсус хусусиятли топологияга эга. Тур куп катламли, бу эса “катлам ошиб" ботаанишни такиклайди, масалан, 18 расмдаги турда мавжуд булган ва “ниммасала” учун курилган нейрон тармоFидагидай.
Олдинги фойдаланилган “схематехникавий” ёндашув методини кенгайтирадиган, тулдирадиган таянч йуллар методидан фойдаланамиз. Уни куйидаги схема билан тасаввур этиш мумкин
схематехникавий расм 13 расм 15 расм 17 расм.
Методнинг мохияти - нейрон тармоFини тугалланган функционал курилма куринишига олиб келувчи боFланишларни трассировка килиш, баъзи бир алокаларга юкори вазнларни урнатиш. Нейрон турини бундай трассировка килишда уни укитиш тулик маънода эталонларда амалга оширилади, масалан, ходисанинг мавжуд эмаслиги (0) ёки унинг бажарилиши (1). Нейрон тури укитилгандан кейин ахборотлар ишончли ёки тулик булмаган шароитда хам туFри ечимга якин натижани бериши зарур, яни у ёки бу ходисанинг кутилиш (бажарилиш) эхтимоллигига мос равишда.
Демак, трассировкани муваффакиятли, кургазмали ва содда хисоблайдиган масалани кескин ечишимиз зарур: кайси вазнларни нол деб, кайсиларини эса бирга тенг деймиз? Барча бошка имкониятлари, масалан, minrnij = 0,1, сат\ни кириш h=0,5 ва \акозо, турнинг бир маромда текис ишлашини, бир \олаьтдан иккинчи \олатга узликсиз утишини таъминлайди.
Комбинаторика ва эвристика принципларини куллаган \олда нейрон тармоFини (21 расм) трассировка киламиз. Расмда кургазмали тарзда ифодаланган, кандай нейрон тармоFи тасвирланган эди, у канчалик “купол”, айтайлик, бир катламли нейрон турига нисбатан.
Энди трассировканинг расмийлаштирилган алгоритмини куриб чикамиз. Бирок буни тушуниб етиш ва созлаш учун узимизнинг \аракатларимизни та\лил килишимиз зарур ва куйидаги хулосаларга келишимиз керак.

1. 
   Бизнинг максадимиз доимо бешта \олат комбинациясини эслаган \олда нейрон турини катламлар кетма-кетлигида урганиб чикдик, \ар бир комбинация чикиш катламидаги бирорта нейронни таъсирлантириши керак эди. Чунки ечим бу нейронларга каттик боFлаб куйилган эди.
   
2. 
   Х,ар бир катламда биз хусусий терм-комбинацияларини йигдик, олдинги катламдаги термлар ичидан мумкин булганларини танлаб олиб кейинчалик фойдаланиш мумкинлигини тушундик.
   
3. 
   Вактинча конструкцияларни куриш пайтида ишлатилмаётган термларни, бир-биридан узоклигини \исобга олган \олда, та\лил килинаётган катламда \еч кандай узгаришсиз эслаб колдик, уларни мумкин булган кейинги бирлашиш йуналишига “тортишга” \аракат килдик.
   
4. 
   Биз термларни тармокнинг “кундаланг” кесими буйича “тортмасликга” \аракат килдик. Акс \олда муаммо келиб чикиши мумкин эди - алакачон рамийлаштирилган термларнинг кесилишидан ва бузилишидан кандай кутилиш мумкин эди. Буларнинг \аммаси чикиш катламидаги нейронларни узок муддатга ечимларга ма\камлаб
   
5. 
   куймасликга ундади, охир окибатда бу ечимларнинг табиий тарздаги кетма-кетлигини бузилишига олиб келиши мумкин эди.
   

21. Расм. Нейрон тармоFи укитилгандан кейин

Трассировка масаласини автоматлаштириш учун нейрон турини факат матрица куринишида, компьютерда ифодалашнинг кулай варианти, тавсифлаш зарур.
Нейрон турини трассировка этишни акс эттирадиган кузатиш матрицаси 21-расм асосида олинади, агар унда нол вазнли элементларни мос равишда “нозик” чизиклар билан белгилаймиз, вазнлари бирга тенг элементларни мос равишда “калин” чизиклар билан белгилаймиз.
22- расмда R1 ечимга олиб келадиган таъсирланишнинг динамик йули акс эттирилган. У 3-параграфда келтирилган алгоритм буйича цурилади. Бизнинг \олатимизда таъсирлантиришнинг динамик йули билан статик йули мос тушади. Умумий \олатда таъсирлантиришнинг статик йулидан кузатиш матрицасининг нул элементли цаторига мос келувчи нейронларни чицариб ташлаш зарур. Бошца ечимга олиб келувчи таъсирлантиришнинг динамик йули \ам худди шундай олинади.
Энди кейинги изланишларимиз учун масалани цуямиз: фацат умумий термларни шакллантириш учун таъсирлантиришнинг барча зарурий йулларини цандай цуриш керак, улар бир-бирлари билан кесишиши \ам мумкин? Биз танлаган “тайёр” нейротармоц умуман олганда цуйилган масалани ечишга имконияти етарлими ёки “масала учун нейротармоц” принципи уринлими?

В1
А1
С1
С2
С3
С4
С5
2	1	1
6			1	1	1
8						1	1
12								1
17										1
18									1
22											1
27												1	1

37															1
39																1
44																	1
47																		1
49																			1
Чик2																				1	1

22. расм. Таъсирланишнинг статик йулини акс эттирувчи матрица

R1
31 1

31

1

4. 
   Нейротармок энергетикаси
   

Таъсирланган нейроннинг энергияси у билан боглик булган нейронларга кандай таъсир курсатишини тахлил килишга уриниб, биз кайта кайта куйидаги хулосага келамиз, яъни таъсирлантириш энергияси “кабул киладиган” нейронларнинг синапсларини каршиликларига тескари пропорционал тарзда таркалади.
Бирок бизнинг харакатларимиз энергиянинг таркалиш принципига каратилиши керак, хисоботларни кийинлаштирилишига карамасдан.
Нейрон тури кисман укитилгандан кейин кейинги укитишни (бошка эталонларни намойиш килиш) ташкил килиш учун вазнларнинг узгариши энергиянинг кайта таксимланишига ва, энергиянинг таъсирланишнинг аллакачон шаклланган динамик йулидан бошка томонга окиб кетишига олиб келади. Чикиш катламидаги аник биорта нейрон нуктаи назаридан “таркаладиган-сочиладиган” энергия таъсирлантиришнинг “бегона” йулидан таркалишга интилади, ва бундай шароитда энергиянинг зарурий даражасини саклаб туриш учун таъсирлантиришнинг керакли йулини стахлар энергия ёрдамида компенсациялашга туFри келади.
Энг яхшиси бу ерда нейрон турларини куришнинг маълум булган ананаси кизикиш уйготади, качонки нейроннинг чикишидаги таъсирланиш узгармаган \олда бошка нейронларнинг киришига келади, улар уртасида таксимланмасдан.
Нейрон турларини дастурий нуктаи назардан амалга оширишни \исобга олиб, ананавий принциплардан четлашмаган \олда, “физикавий” ёндашувлардан эмас балки ахборотли ёндашувдан фойдаланамиз.
Бирорта конкрет хулоса килиш учун фойдаланилган “тайёр” турда (22.расм) трассировкада катнашмаган нейронларнинг (яъни дастлабки вазнлари нолга тенг булган), боFланишлар вазнини орттириб энергия таркалишининг бир вариантини \исоблаймиз. Уларни 0,5 га тенг деб кабул киламиз.
R2 ечимни талаб килувчи {A1,B2,C3} эталонни куриб чикамиз ва турни \исоблаймиз.

• 
  = 1*¹ = 0,4;
  

¹2

• 
  = 1*-—^*0,5 +1*¹ = 0,43;
  

² 2,5 3
V₃ = 1* — +1*¹ = 0,73;
³ 2,5 3





^V12

= к * ⁰⁵*0,5 ₊ v₂ *¹ + V₃ * — *0,5 = 0,355; ¹ 1,5 ² 2 ³ 2,5

*

0,5
2,5

* 0,5 + V₄ *

⁰⁵ *0,5 = 0,4;
2,5

ва \акозо.

4. 
   Нейрон турлари асосида ечиладиган масалалар
   

Адабиётларда суний нейрон турларини цуллашни асослаш ва унинг ёрдамида цуйилган малаларни ечиш учун масала жуда куплаган белгиларни тавсифлаш зарурлиги учрайди:

• 
  Алгоритмларнинг йуцлиги ёки маслани ечиш принципларининг ноаницлиги, бироц жуда куп мисоллар тупланган;
  
• 
  Бу ерда муаммо жуда катта \ажмдаги ахборотлар билан характерланади;
  
• 
  Маълуммотлар тулиц эмас ёки керагидан \ам ортиц, шовцинланган, цисман бир-бирига царама-царши.
  

Шунда йцилиб, нейрон турлари образларни англаш ва классификация масалаларини ечиш, оптималлаш ва башоратлаш мсалалари учун жуда мос келади. Куйида нейрон турларини цуллашнинг мумкин булган со\алари келтирилган, уларда нейрон технологиясига асосланган ма\сулотлар ишлаб чицилган, ёки намойиш цилинадиган прототиплари амалга оширилмоцда.

1. 
   Банклар ва страхования компаниялари:
   

• 
  Молиявий \ужжатларни ва чекларни автоматик уцийдиган;
  
• 
  Имзоларнинг \ацицийлигини текширадиган;
  
• 
  Заёмлар учун таваккалчиликни ба\олаш;
  
• 
  Ицтисодий курсаткичларнинг узгаришини башоратлаш.
  

2. 
   Хизмат курсатишни администрациялаштириш:
   

• 
  Хужжатларни автоматик тарзда уциш;
  
• 
  Штрих кодларини автоматик тарзда англаб етиш.
  

3. 
   Нефт ва химия саноати:
   

• 
  Геологик ахборотларни та\лил цилиш;
  
• 
  Оборудованиялардаги чатоцликларни (бузилишларни)
  

идентификация цилиш;

• 
  Аэрофотоснимкалардаги маълумотлар буйича минералларнинг мавжуд катламларини разведка килиш;
  
• 
  Модда таркибидаги примесларни тахлил килиш;
  
• 
  Жараёнларни бошкариш.
  

4. 
   Х,арбий саноат ва аэронавтика:
   

• 
  Товуш сигналларини кайта ишлаш (булаклаш, ажратиш, идентификациялаш, локаллаштириш);
  
• 
  Радар сигналларини кайта ишлаш (максадларни англаш, манбаъларни идентификациялаш ва локализациялаш);
  
• 
  Инфракизил сигналларни кайта ишлаш (локализациялаш);
  
• 
  Ахбортларни умумлаштириш;
  
• 
  Автоматик учушни ташкил килиш (автопилот).
  

5. 
   Ишлаб чикариш саноати:
   

• 
  Манипуляторларни бошкариш;
  
• 
  Махсулот сифатини бошкариш;
  
• 
  Жараёнларни бошкариш;
  
• 
  Бузилишларни, ишдан чикишларни топиш;
  
• 
  Мослашган робототехника;
  
• 
  Товушни бошкариш.
  

6. 
   Хавфсизлик хизмати:
   

• 
  Инсоннинг юзини, товушини, бармок изларини англаш.
  

7. 
   Биомедицина саноати:
   

• 
  Рентгономограммалар тахлили;
  
• 
  Инсоннинг соглиги холатини диагностикаси.
  

8. 
   Телевидения ва алока:
   

• 
  Алока тармокларини адаптив бошкариш;
  
• 
  Тасвирлани сикиш ва кайта тиклаш.
  

Келтирилган руйхат жудаям тулик эмас. Суний нейрон турлари самарали кулланаётган бошка со\аларни \ам топиш мумкин.
Суний нейрон турларидан таълим жараёнигша куллашни куйидагича тасаввур этиш мумкин.
Замонавий мутахассисни тайёрлаш муаммоси шундан иборатки, у касбий мобилликни муста\кам эгаллаганлиги билан бир каторда ахборот коммуникация технологияларини \ам мукаммал узлаштирган булиши ва ундан самарали фойдаланиш усуллари, методларини билиши зарур. Муаммоли вазиятлар мутахассисдан на факат назарияни яхши билишликни, балки ишлашнинг универсал жи\атларини, усулларини эгаллашни талаб килади. Шу боисдан \ам укувчиларга укув жараёнининг тартибланган укитишнинг тизимли-мантикий ёрдамчиси жуда му\им \исобланади.
Бу масаланинг ечимларидан битта варианти укув жараёнига мутахассислик буйича интеграллашган дастурларни тадбик килишдир. Бундай дастурлар таълимнинг ягона максади укитиш, билим, таълим бериш максадига йуналтирилган булмоFи керак - яъни талабаларнинг касбий фаолият масалаларини самарали ечишга. Назарий жи\атдан бу масала мос равишда курсларни танлаш ва уларни мантикий жи\атдан кетма-кетлигини аниклаб амалга оширишдир.
Хозирги кунда, укитувчи-ургатувчи тизимларни яратишда статистик (э\тимоллик) моделлар асос килиб олинмокда, натижада кийн расмийлаштириладиган масалаларни ечишда ва конкрет талабанинг билимлари ва имкониятларига мослаштиришда яхши самара бермаяпти. Индивидуал фойдаланувчига мулжалланган, йуналтирилган тизимни тузиш муапммосини келтириб чикармокда. Масалани самарали ечишнинг бидан- бир йули суний нейрон турларидан фойдаланишдир.
Нейроинформацион технологиялар илмий-изланишлар, турли со\аларнинг фаолиятини, худди шундай уцув жараёнини \ам модернизация ва цайдадан цуришда табиий, адекват ва самарали восита сифатида узини намоён цилмоцда. Нейроинформацион технологиялар цуйидаги сабабларга кура амалий жи\атдан кенг мицёсда цуллаш учун илмий-изланишлар олиб боришга ва таълим жараёнига жуда мос келади:

1. 
   Олий таълим муассасалари, урта махсус таълим масканларида, касб-\унар коллежларида, умумий урта таълим мактабларида уцув-услибий мажмуаларнинг яратилиши ва ундан фойдаланишнинг самарадорлиги замонавий ахборот технологияларига асосланган, бу эса уз навбатида мос равишда маълумотлар ва билимлар базасини яратиш муаммоси билан бOFЛИЦ.
   
2. 
   Фойдаланувчига узининг тармоFини \осил цилиш ва унда масалаларни ечиш учун дастурлаш сир-асрорларини билиш шарт эмас, бу эса фойдаланувчилар доирасининг кенгайишига олиб келади.
   
3. 
   Нейрон турлари технологисидан фойдаланилганда объект билан фойдаланувчи уртасида \еч цандай оралиц звено булмайди, яъни дастурчига ухшаган. Суний нейрон турлари \олатида асосий ролни конкрет билим со\аксидаги мутахассис уйнайди, бу эса компьютерлашган ахборот технологияларини кенг масштабда тадбиц цилишга халацит берадиган бир цатор негатив психологик моментларни инкор цилади.
   
4. 
   Нейротармоц технологияси универсаллиги билан фарцланади, битта дастур турли билимлар со\асидаги мумкин булган ишларни бажаришни таъминлайди. Суний нейрон турлари базасида яратилан эксперт тизимларни осонгина уцитиш, ургатиш мумкин.
   
5. 
   Суний нейрон турлари ахборотларни расмийлаштиришни жудаям деталлаштиришни талаб цилмайди, муста\кам мантицга асосланган системалар каби, бу хусусияти жуда яхши ба\оланади ишнинг бошлангич боскичларида ёки бошлангич тахлилда, худди шундай укув жараёнида. Талабада объектив сабабларга кура, хар доим хам, узининг аник мантикий схемасини куриш учун билимлари етишмайди. Агар л.с. Виготскийнинг терминологгиясидан фойдаланадиган булсак, суний нейрон турлари увувчилар билан “якин келажакдаги ривожланиш зонасида” ишлаш учун имконият яратади, яъни маслахатчи ва ёрдамчи ролини уйнайди, натижада фойдаланувчи барча топширикларни бажариши мумкин, хаттоки узининг кучи, билими етмайдиган жуда мураккаб булган топширикларни хам мустакил бажариш имконияти мавжуд.
   

4. 
   Нейрон турларини амалга ошириш усуллари
   

Нейрон турларини икки усул билан амалга ошириш мумкин:

1. 
   Суний нейрон турларининг дастурли модели;
   
2. 
   Суний нейрон турларини аппаратли амалга ошириш.
   

Асосий аппаратли суний нейрон турлари махсулот асосан суний нейробиологик системалар базасида яратилади (нейробис). Хозирги пайтда яратилаётган нейробис лар ичидан adaptive solutions (сша) ва hitachi (япония) фирмаларини ажратиб курсатиш мумкин. Adaptive solutions фирмасининг нейробиси жуда тез ишлайдиган хисобланади, унинг эълон килинган кайта ишлаш тезлиги 1,2 млрд. БоFланиш/сек. (нейрон тури 64 нейрон ва 262144 синапсдан иборат). Hitachi фирмасининг нейробиси асосида яратилган суний нейрон тури таркибида 576 нейронгача булиши мумкин. Бу нейробислар янги авлод хисобланган ихтисослашган куп процессорли нейрокомпьютерларнинг асосини ташкил килиши мумкин.
Замонавий нейрокомпьютерларнинг купчилиги шахсий компьютер ёки ишчи станцияни тасвирлайди, унинг таркиби кушимча нейроплата киради. Бундай компьютерлар таркибига, масалан, fujitsu фирмасининг fmr
серияли компьютерларидир. Бу принцип асосида яратилган
нейрокомпьютерларнинг имкониятлари куплаган сонли амалий масалаларни нейроматематика методлари билан ечишга кодир.
Бирок ихтисослашган нейрокомпьютерлар анча кизикиш уУFOтади, улар нейрон турларининг принципларини тутридан тугри амалга оширади. Бундай системаларнинг вакиллари trw фирмасининг mark оиласига мансуб компьютерлардир (розенблат томонидан яратилган биринчи персептронни амалга ошириш, mark I деб номланди).
Trw фирмасининг mark III модели ишчи станцияни тасаввур этади, унинг таркибида математик сопроцессорли оиласига motorola 68000 мансуб 15 тагача процессор мавжуд. Системанинг архитектураси 65000 гача булган виртуал процессор элементларини куллаб кувватлайди, 1
миллиондан куп туFриланадиган богланишларга эга, 450 минг оралик богланиш/с. Гача кайта ишлаш имкониятига эга.
Mark IV - бу конвейер архитектурали бир процессорли суперкомпьютер. У 236 минггача виртуал процессор элементларини куллаб кувватлайди, бу эса 5 млн.гача оралик богланиш/с. Кайта ишлаш имкониятига эга.
Бошка модель - Netsim компюьютери, кембриж университетининг ишланмалари базасида texas instruments фирмасида яратилган. Унинг топологияси 80188 процессорлар базасида яратилган стандарт хисоблаш узелларига эга уч улчовли панжара куринишида. Netsim компюьютери хопфилд-кохонен ва тескари таркалувчи нейрон тури сифатида шундай нейрон турларини моделлаштириш учун ишлатилади. Унинг иш унумдорлиги 450 млн.гача оралик богланиш/с. Кайта ишлаш имкониятига эга.
Computer recognition systems (crs) фирмаси wizard/crs 1000 серияли нейрокомпьютерларни сотади, улар видеотасвирларни кайта ишлаш учун мулжалланган. Кириш тасвирининг улчами 512 х 512 пиксел. Crs 1000 модели саноат корхоналарида автоматик назорат ишларини бажаришга цулланилмоцда.
Россияда молия со\асига мулжалланган бирдан бир цувватли нейрокомпьютерлар фаолият курсатаяпти - adaptive solutions фирмасида 4 та нейробис базасида яратилган cnaps pc/128 .
Нейрон турларининг муаммолари. Суний нейрон тшрларининг жуда куп имкониятлари мавжуд. Буларнинг \аммаси тескари тарцалиш туридан фойдаланади - замонавий куп цатламли алгоритмлар ичида анча мунча муваффациятлиси. Тескари тарцалиш куп чекланишларни ошиб утадиган куп цатламли турларни уцитиш учун ишлатиладиган сисистемалаштирилган метод \исобланади.
Нейрон турларини уцитишнинг барча методларини амалга оширишда турли хил муаммоларга дуч келамиз. Нейрон тури белгиланган вацт ичида уциб урганишига \еч цандай кафолат йуц. Суний нейрон турини уцитиш алгоритми “локал минимумга” тушиб цолиши мумкин ва натижада яхши ечимни олиб билмаслигимиз мумкин.
Жуда катта муаммо нейрон турларининг муста\камлиги билан боFлиц. Одамларга ухшаб, миянинг структураси улардан нусха олади, тур олдиндан айтиб булмайдиган нарсани хотирасида сацлайди. Суний нейрон туридаги чицувчи мицдорнинг аниц цийматини билишинг битта усули мавжуд, у \ам булса, кириш сигналларининг барча комбинацияларини куриб чициш керак. Бундай тулиц текшириш амалий жи\атдан бажариб булмайдиган \олат ва бунинг учун статистик методлардан фойдаланиш зарур.
Бундай муаммолар компьютерлар тулиц туFри ишлаб турган \олатларда \ам келиб чициши мумкин. Чунки суний нейрон турлари айрим холларда хатоликга йул куйади, хатто туFри фаолият курсатаётган булса хам.
Бошка муаммолар ананавий суний нейрон турларида масалани ечишнинг тавсифини тасаввур этишга кобилияти йуклиги билан хулосаланади. Суний нейрон турини укитиш натижасида олган ички таассуротини билиш шунчалик мураккабки, хатто уни тахлил килиш имконияти хам йук, оддий холатларни хисобга олмаганда.
Келтирилган камчиликларига карамасдан бу соха узининг иш фаолиятини жуда яхши намоён килмокда, уникал потенциал имкониятларига эга. Шунга карамасдан жуда куп чекланишлар ва очик колган жуда куп саволлар мавжуд.
Суний нейрон турлари келажакда кулланилиш сохалари буйича жуда катта имкониятларга эга. Потенциал иловалари инсон интеллекти жуда кам самара берадиган, оддий хисоблашлар жуда кийин ёки адекват булмаган холатларда ишлатилади. Шунга карамасдан суний нейрон турлари барча сохаларда уз урнини топмокда.
Суний нейрон турларининг биологик модели. Суний нейрон турларининг структураси жонли мавжудотларнинг нерв системаларини ва инсоннинг мия фаолиятини урганиш натижасида моделлаштирилди. Хакикатан хам улар орасидаги ухшашлик айтарлик даражада эмас, бирок бу эмуляция жуда катта натижаларни келтириб чикармокда. Суний нейрон турлари хам мия фаолиятига ухшаш хоссаларга эга: билимларга асосланган тажрибаларда урганиш, хулоса чикариш ва хатолар килиш кобилиятига эга.
Инсон мияси нейрон деб номланувчи минг миллиарддан куп хисоблаш элементларига эга. Нейронлар бир-бирлари билан нерв иплари билан боFланган - синапслар деб аталади. 10¹¹ га якин нейронлар тахминан 10¹⁵ та узатувчи боFланишларда катнашади, богланишларнинг узунлиги бир метргача ва ундан \ам ортицроц. Бундай тармоц нейронлари мияда буладиган барча функцияларга жавоб беради.
Нейрон нерв системасининг асосий цурувчи блоклари \исобланади, ва у учта цисмдан таркиб топган: \ужайра жисми, ядро, синапслар, дендритлар ва аксонлар, \ар бир цисм узининг узаро боFланган функцияларига эга (23. Расм).


23.расм. Биологик нейрон
Клетка жисми нейрондаги энергия сарфини бошцаради ва куплаган бир цанча жараёнларни \ам ростлайди. Хужайра жисмини ташци мембранаси нерв импулсларини ишлаб чицаради, генерация цилади, бу импулслар нерв системасининг \аётий фаолияти ва \исоблаш цобилиятларининг маркази \исобланади.
Бошца нейронлардан келаётган бир цанча кириш сигналлари \ужайрага дендритлар орцали келади. Дендритларда синаптик богланишлар жойлашади, улар сигналларни бошца аксонлардан олади. Хужайра жисми дендритлардан олинган сигналларни жамлайди, йигади, ва агар натижавий сигнал порог цийматидан юцори булса, импулс ишлаб чицаради, аксонлар орцали бошца нейронларга узатилади.
Аксонларнинг узунлиги жуда киска булиши мумкин (0,1 мм), худди шундай 1 м дан хам ошиши мумкин. Аксоннинг охири жуда куп тармокларга эга, уларнинг хар бири синапслар билан якунланади, у ердан сигналлар дендритлар оркали бошка нейронларга узатилади, айрим холларда туFридан-туFри хужайра жисмига узатилиши хам мумкин. Битта нейрон импулсни генерация килиши мумкин, бу импулс юзлаган ёки минглаган нейронларни кузFатиши (хаяжонлантириши) ёки тухтатиши мумкин. Шундай килиб нейроннинг функционал мураккаблиги эмас, балки юкори даражадаги боFланганлик нейронга хисоблаш кувватини таъминлайди.

9. 
   Бошкариш назарияси асослари фанининг элементар звеноларини
   урганиш буйича нейрон турини куриш
   

Суний нейрон тури - бу узига хос специфик ургатувчи машина булиб, катта хажмдаги ахборотларни тизимлаштириш, статистик башоратлаш учун мулжалланган. Бундай суний интеллектли нейрон тури куринишидаги ургатувчи машиналарни яратиш - худди ишлаб чикариш жараёни каби махсус ишларни олдиндан белгиланган, аникланган дастур асосида бажаради, бунинг учун хом-ашё булиб ахборотлар туплами хисобланади. Бу ахбороттехнологиясининг махсулоти, товари булиб, асосан, компьютер дастурлари, уларнинг компоненталари, ёки электрон ва оптик схемалар ва чиплар, ёки маълумотларни кайта ишлаш учун улардан фойдаланиб олинган натижалар.
Таълим сохасига ахборот ва коммуникация технологияларини жадал куллаш асосида укитишнинг янги шакл ва методларини, таълим муассасаларининг ягона ахборот таълим маконини яратишда, математик расмийлаштириш нуктаи назаридан жуда ёмон булган объектни (таълим жараёнини), бошкарув ва моделлаштириш муаммоларини талаб даражасида ечиш долзарб масалалардан бири хисобланади. Бошкарув ва моделлаштиришнинг (таълим сохасида) янги методларини, ёндошувларини ва технологияларини излашни келтириб чикаради. Шуни таъкидлаш мумкинки, таълим объектлари ва таълим жараёнларини илмий асосда урганувчиларга нейрон тармокларидан фойдаланиш замонавий уникал воситалар ва приципиал янги имкониятларни очишда жуда катта ахамият касб этади.
Таълим объектларида ва жараёнларида нейромоделлар ва нейротармок технологиялари методларидан фойдаланиш, янги йуналиш хисобланаётган таълимда интеллектуал системаларнинг ривожланишига олиб келади. Бошкарувнинг нейрон системаларида кайта ишланадиган ахборотларни тасвирлаш шакллари ва турлари буйича чекланишлар булмайди. Бу эса уларни оммавий тусда кулланилишидан далолат беради. Нейросистемалар инсон миясида кечадиган фикрлаш жараёнларини замонавий тасаввурларда ифодалашга асосланади ва таклиф килинган фактлар асосида урганишга мослашган булиб, мураккаб ночизик богланишларни аниклайди.
Энди “Бошкцариш назарияси асослари” (БНА) фанининг элементар звеноларини урганиш буйича нейрон турини куриш масаласини расмийлаштиришни куриб чикамиз [41,42,51,53].
Белгилашлар киритамиз:
А - талабалар туплами гурухи.
A={A1,A2,..,AN} = {Абдулла, Садулла, Болтабой,...}.
Талабалар БНА фанини мустакил урганишмокда, яъни БНА фанининг асосий звеноларини амалий жихатдан узлаштиришмокчи.
Белгилаймиз БНА фанини элементар звенолари тупламини

БНА фани буйича масла\ат берувчи профессор уцитувчилар туплами: В={В1,В2,В3,}={доц.Юсупов, к.уцит.Сетметов, асс. Рузметов}.
Билим олиш жараёнини назорат цилувчи, гуру\ мураббийси катта уцитувчи Абдуллаева Г. Абдуллаева Гулче\ра \ар бир талабанинг билим олиш жараёнини \олатини, яъни ба\олаш рейтингини назорат цилади ва мос равишда статистикани олиб боради.
Энди гуру\ мураббийси Г.Абдуллаеванинг талабалар билимини назорат цилиш ва статистикани олиб бориш фаолиятини мацсадли равишда расмийлаштирамиз.

1. 
   Узлаштиришда 10% аъло ба\ога уцишга
   
2. 
   Узлаштиришда 15% яхши ба\ога уцишга
   
3. 
   Узлаштиришга 65% цоницарли ба\ога уцишга
   
4. 
   Узлаштирмайдиган талабаларни сонини минимумга яъни 0%га эришиш.
   

Юцорида келтирилган мацсадни математик жи\атдан абстракт куринишда расмийлаштирамиз, соддалик учун 5 звенони оламиз
С={С1,С2,С3,С4,С5,}={К3,РИ3,РД3,Т3,СК3}.
Хар бир талабанинг звеноларини узлаштириш буйича рейтингларини цуйдагича ба\олаймиз:
R={R1,R2,R3,R5,}={Аъло, яхши, цоницарли, деярли цоницарли, цоницарсиз}.
Талабаларнинг билим олиш холатларини цуйдагича абстракт тарзда ифодалаймиз, масалан:
{А1,В2,С3} - А1 талаба В2 уцитувчини олдига С3 эвенони урганиш учун масла\атга келди; Талаба Абдулла к.уцит. Сетметовни олдига реал дифференциалловчи звенони урганиш буйича масла\атга келди;
{А2,В1,С4} - А2 талаба В1 укитувчини олдига С4 звенони урганиш учун маслахатга кеди; Талаба Садулла доц.Юсуповни олдига тебранувчи звенони урганиш буйича маслахатга келди;
{А5,В2,С1,},{А7,В3,С5,}ва хакоза.
Юкорида тавсифланган абстракт холатлар мантик нуктаи назардан куйдагича ифодаланади:
{А1,В2,С3}=>А1^ЛВ2^ЛС3; {А2,В1,С4}=>А2^ЛВ1^ЛС4;
{ А5,В2,С 1}=>А5ЛВ2ЛС1;
{ А7,В3,С5}=>А7ЛВ3ЛС5;
Талабаларнинг билим олиш жараёнини яна куйдагича хам абстрактлаш мумкин:
{А1,В1,В2,С1,С2,С3,С4,С5,} =>АГ(ВКВ2) л(С1vC2vС3vС4vС5)
Демак, А1 талаба В1 ёки В2 укитувчини олдига С1 ёки С2 ёки С3 ёки С4 ёки С5 звенони узлаштириш буйича маслахатга келди.
{А1,В2,С1,С2,С3,В1,С4,С5} =>(АГВ2 л(С1vC2vС3)v(А1лв1л(С4С5))
Яъни талаба А1 укитувчи В2 ни олдига С1 ёки С2 ёки С3 звеноларни узлаштириш буйича маслахатга келди, ёки укитувчи В1 ни олдига С4 ёки С5 звенони узлаштириш учун маслахатга келди.
Гурухдаги талабалар буйича узлаштириш жараёнининг бундай холатларини мумкин булган барча вариантларини куриб чикиш ва тахлил килиш натижасида талабанинг билими буйича куйидаги ечимларни берувчи мантикий фикрлаш -предикатлар системасини хосил киламиз, булар эса, яъни предикатлар БНА фанини 5та звеносини узлаштиришни ургатувчи нейрон турини куриш масаласи учун асос хисобланади:

Агар	А1л В1л (C1v С2 v C3v С4 v С5)	^у	холда	R1:
Агар	А1л (B1v В3) л (C1v С2 v С3)	^у	холда	R2;
Агар	А1л (B1v В3) л (С4 v С5)	^у	холда	R3;
Агар	А2 л В3 л (C1v С2 v С3 v С4 v С5)	^у	холда	R4;
Агар	А2 л (B1v В2) л (C1v С2 v С3 v С4 v С5)	^у	холда	R5.

If	А1л В1л (C1v С2 v С3 v С4 v С5)	then	R1:
If	А1л (B1v D3) л (C1v С2 v С3)	then	R2;
If	А1л (B1v В3) л (С4 v С5)	then	R3;	(1)
If	А2 л В3 л (С1 v С2 v С3 v С4 v С5)	then	R4;
If	А2 л (B1v В2) л (C1v С2 v С3 v С4 v С5)	then	R5.

Бундай расмийлаштиришда биринчи ва иккинчи предикатлар куйдагини билдиради:
Агар А1 талаба В1 укитувчини олдига бориб С1 ёки С2 ёки С3 ёки С4 ёки С5 звено буйича маслахат олса унинг билими R1 рейтинг билан бахоланади;
Агар А1 талаба В2 ёки В3 укитувчини олдига бориб С1 ёки С2 ёки С3 звено буйича маслахат олса унинг билими R2 рейтинг билан бахоланади ва хакозо.

9.