Ўзбекистон республикаси вазирлар махкамаси ўзбекистон Олий ва Ўрта маҳсус таълим вазирлиги Ўзбекистон ҳАЛҚаро ислом академияси

10.3. Нейрон тармоқлар ёрдамида ечиладиган асосий масалалар. 
 
1) Таснифлаш. Бундай масаларда объект белги (аломат)лар вектори 
X
n
={x
1
,x
2
,…,x
n
} берилади. Шуларни асосида объектни ўзаро кесишмайдиган 
m
j
i
j
i
C
C
j
i
,
1
,
,
,
0




m синфлардан бирига (C
i
синфга) киритиш керак. 
Масалан, учадиган объектлар белгилари қанотлар, двигатель, патлар ва х.қ. 
бўлиши мумкин. Шундай объектлар синфлари: Самолёт, Қуш, Ракета, АУО ва 
R
1
R
2
S-элементы 
A-элементы 
R-элементы 

---

80 
х.қ. каби синфлар бўлиши мумкин. Белгилар мажмуиси кириш векторни 
ташкил қилади, синфлар мажмуиси эса – чиқиш векторни. 
Мазкур масалани ечиш учун n кириш ва m чиқиш нейронлардан иборат 
бўлган персептрон турдаги НТ қурилади. Аниқ белгилар вектори киришига 
берилганда НТ чиқиш қатламида энг даражадаги фаолликли нейрон 
танланади. Шу нейрон бериладиган белгиларга мувофиқ бўлган синфни 
белгилайди. Масала тўғри ечилиши учун НТни ўргатиш керак. Ўргатиш 
жараёнида боғланиш вазнларни тадқиқ қилинаётган объектлар белги ва 
синфларни аниқ қийматларига муносиб бўлиб созланади. 
2) Кластерлаш. Бу масаларда белги векторлар мажмуиси алоҳида гурух 
(кластер) ларга ажратилади. Шу кластерга кирадиган белгилар бир бирига 
яқин бўлган характеристикаларга эга бўлиши керак. Турли кластерлар 
белгилари эса бир биридан узоқ бўлиши керак. Бу масалани ечиш учун 
дастлабки белгилар вектор компонентларига тенг бўлган кириш ва кластерлар 
сонига тенг бўлган чиқиш нейронлардан иборат бўлган НТ қурилади. Бундай 
НТ вазнли коэффициент қийматлари ҳам ўргатиш жараёнда топилади. 
3) Аппроксимациялаш. Бундай масалада изланган F(x) функцияга тўғри 
келадиган ва қуйидаги ўзаро нисбатга


)]
(
*
),
(
[
x
F
x
F
d
талаб берадиган аппроксимацияловчи F*(x) функцияси танлаб олинади. 
Бу ерда 

– функцияляр ўртасидаги масофани берилган кичик қиймати. 
Умумий ҳолда F(x) функцияни кўриниши номаълум бўлади. У х
1

у
1
, х
2

у
2, 
…, х
n

у
n 
турдаги “кириш – чиқиш” қийматлар жуфтлари билан 
берилади. Бу ерда х
i
– қайд қилинган (ўлчанган) аргумент (кириш 
ўзгарувчан)лар қийматлари, y
i
эса – қайд қилинган (ўлчанган) функция 
қийматлари. Ананавий математик усуллардан фойдаланганда аввал керакли
аппроксимациялаш модели (F*(x) функцияни кўриниши)ни танлаб олиш керак 
бўлади. Кейин танлаб олинган мезонлар бўйича F*(x) функцияни параметр 
(коэффициент)лари топилади. 
НТлар универсал аппроксиматорлар бўлиб, аппроксимацияловчи F*(x) 
функцияни танлаб олишини талаб қилмайди. Бу ерда НТни ўргатиш учун 
фақат қайд қилинган 
}
{
i
i
y
x

жуфтлар кўрилади. Ўргатиш жараёнида НТ 
чиқиш y
i
* 
қиматлари қайд қилинган y
i
қиматларидан берилган

қийматидан 
кам бўлганлигини таъминлайдиган боғланиш вазнлар қиматлари топилади. 
Бу масала объектларни идентификациялашда, уларни аниқ математик 
моделларини қурилиши мураккаб бўлган ҳолатда, кенг қулланилади. 
4) Автоассоциация. Бу масала ассоциатив хотира моделларни қуриш 
масаласи билан боғлиқ. 
Ассоциатив хотирани нейрон моделида нейрон гурухлар орқали тегишли 
тимсол (тасвир, образ)ларни эслаб олиниши таъминланади. Бундай НТ 
киришига тимсолни қисми (тадқиқ қилинадиган объектни барча 
белгиларининг қандайдир ўзига хос бўлган кириш векторни тегишли 

---

81 
мажмуиси) берилганда унинг чиқишида бутун тимсолни тавсифлайдиган 
нейронларни ҳаммаси фаоллаштирилади. 
Шуни қайд қилиш керакки, бир қатламли НТлар фақат содда масалаларни 
ечиш қобилиятига эга. Мураккаб масалаларни ечиш учун ҳар хил турдаги кўп 
қатламли НТ ишлатилади.