“Uzacademia” scientific-methodical journal

Figure 1. Neural networks mathematician structure. 

---

“ILM-FAN VA TA’LIMDA INNOVATSION YONDASHUVLAR, MUAMMOLAR, TAKLIF VA YECHIMLAR” 
MAVZUSIDAGI 23-SONLI RESPUBLIKA ILMIY-ONLAYN KONFERENSIYASI
“UzACADEMIA” scientific-methodical journal
85 
www.academiascience.uz
Step 1 : 
For each entry
 
i
x
input value 
i
w
 
multiply by the weights and add up all 
the multiplied values. Weights represent the strength of communication between 
neurons and determine how much a given input affects neuron output. If 
1
w
the weight 
2
w
is higher than the weight,
1
x
entry
1
w
has a greater effect on output than. 








)
...
(
2
2
1
1
n
n
w
x
w
x
w
x
(1) 
The series vectors of inputs and weights are given, respectively, 
]
,...,
,
[
2
1
n
x
x
x
x

and 
]
,...,
,
[
2
1
n
w
w
w
w

their point values are given as follows. 
)
(
...
)
(
)
(
.
2
2
1
1
n
n
w
x
w
x
w
x
w
x







(2) 
So the sum is equal to the product of the 
w
vectors. 


w
x
.
 
(3) 
Step 2 
: Direction to the sum of multiplied values 
b
 
the coefficient is added and 
so on
 
we call 
z.
b
w
x
z


.
(4) 
Step 3: 
z 
value is converted to a nonlinear activation function. 
Activation functions 
are used to add nonlinearity to the output of neurons, 
without which the neural network would simply remain a linear function. In addition, 
they have a significant effect on the speed of neural network learning. Perceptrons 
have a binary phase function as an activation function. However, we are also known 
as a 

logistics function as our activation function 
we use igmoid. 
z
e
z
y




1
1
)
(
~

 
(5) 
Here 

sigmoid denotes the activation function and we return the next predicted 
value based on the forward values. 
References 
1. Bini, Stefano Alec. Artificial Intelligence, Machine Learning, Deep Learning, 
and Cognitive Computing: what do these terms mean and how will they impact health 
care? The Journal of Arthroplasty.DOI: 10.1016 / j.arth.2018.02.067. February, 2018 
2.Dunjko, Vedran , Briegel, J. Hans . Machine learning & artificial intelligence 
in the quantum domain: a review of recent progress. Reports on Progress in Physics. 
DOI: 10.1088 / 1361-6633 / aab406. March, 2018. 
3.Spindler, Gerald . Copyright Law and Artificial Intelligence. IIC - International 
Review of Intellectual Property and Competition Law. DOI: 10.1007 / s40319-019-
00879-w. October, 2019. 

---

“ILM-FAN VA TA’LIMDA INNOVATSION YONDASHUVLAR, MUAMMOLAR, TAKLIF VA YECHIMLAR” 
MAVZUSIDAGI 23-SONLI RESPUBLIKA ILMIY-ONLAYN KONFERENSIYASI