Muhammad al-xorazmiy nomidagi toshkent axborot texnologiyalari universiteti qarshi filiali “telekommunikatsiya va texnologiyalar”fakulteti ax-11-19 guruh talabasi toshniyozov og’abekning “mashinali o’qitishga kirish” fanidan tayyorlagan 6-amaliy

MUHAMMAD AL-XORAZMIY NOMIDAGI TOSHKENT AXBOROT TEXNOLOGIYALARI UNIVERSITETI QARSHI FILIALI “TELEKOMMUNIKATSIYA VA TEXNOLOGIYALAR”FAKULTETI AX-11-19 GURUH TALABASI TOSHNIYOZOV OG’ABEKNING “MASHINALI O’QITISHGA KIRISH” FANIDAN TAYYORLAGAN 6-AMALIY ISHI

TAYYORLADI: TOSHNIYOZOV OG‘ABEK

Mavzu: Mashinali o’qitishda sinflashtirish algoritmlari va ularni dasturlash. Neyron tarmoqlarni regulyarizatsiyalash

Reja :

• Mashinali o’qitish
• Mashinali oqitish tizim (MOT')larini sinflashtirish.
• Mashinali oqitishning (MO) turlari.
• Neyron tarmoqlari va Mashinani o'rganish

Mashinaviy o’qitish

Mashinaviy o'qitish - bu sun'iy intellekt metodlar sinfidir, uning xarakterli xususiyati muammoni to'g'ridan-to'g'ri hal qilish emas, balki shunga o'xshash ko'plab muammolarga echimlarni qo'llash jarayonida ta`lim olishdir. Bunday usullarni qurish uchun matematik statistika, sonli usullar, optimallash usullari, ehtimollik nazariyasi, graflar nazariyasi, ma'lumotlar bilan raqamli shaklda ishlashning turli xil usullari qo'llaniladi.Mashinasozlik bo'limi, bir tomondan, neyron tarmoqlari fanini tarmoqlarni o'qitish usullari va ularning arxitekturasining topologiyalari turlariga bo'linishi natijasida shakllangan, ikkinchi tomondan, matematik statistika usullarini o'zida mujassam etgan. Garchi o'quv namunasi kontseptsiyasidan foydalanadigan boshqa usullar mavjud bo`lsada mashinaviy o'qitishning quyidagi usullari neyron tarmoqlardan foydalanishi bilan bog'liq - masalan, diskriminatsion tahlil, Bayes klassifikatorlari, yoki kuzatilgan statistikaning dispersiyasi va kovariyatsiyasi bilan ishlaydigan klassifikatorlar

Mashinali oqitish tizim (MOT')larini sinflashtirish.

Sinflashtirish - bu obyektlarni ularning umumiy xossalari asosida sinflarga bo ʻ lish.MOTni turlarga bo ʻ lishda quyidagi tamoyillarga asoslanamiz

Bu tamoyilda belgilarning fizik tabiati bir jinsli yoki ko ʻ p jinsli ekanligi etiborga olinadi. Bu bo ʻ yicha MOT oddiy va murakkab tizimlarga bo ʻ linadi. Oddiy MOTlar belgilar fizik tabiati bo ʻ yicha bir xilligi bilan xarakterlanadi. Masalan, telefon avtomatlarida ishlatiladigan tangalar va metrodagi avtomatlarda ishlatiladigan jeton larda faqat og ʻ irlik belgisi etiborga olinadi. Qulflarni ochish uchun kalitlarning geometrik o ʻ lchovi hisobga olinadi. Tushunarliki, oddiy MOTda kompyuterdan foydalanish shart emas. Bunda oddiy mexanik yoki elektromexanik qurilmalardan foydalansa bo ʻ ladi. Murakkab MOTlar belgilarning fizik bir xilli emasligi bilan xarakterlanadi. Masalan, samolyotlarni xarakterlovchi belgilar: ekipajlar soni; uchish balandligi; samolyot vazni; geometrik o ʻ lchovlari va h. k. Xuddi shuningdek, tibbiy tashxis masalalarida: harorat; qon tahlili malumotlari; bosim; kardiagrammalar va h. k. Haqiqatdan, oddiylik ham, vaqt ham ustun turadi. Lekin, hamma vaqt ham biz amaliy masalalarni yechishda oddiy tizimlardan foydalana olmaymiz. Kriminalistika masalalarida guvohlar bergan so ʻ zlar yordamida jinoyatchining tasvirini chizish bilan qulfni ochadigan kalitni taqqoslab bo ʻ lmaydi.

Mashinali oqitishning (MO) turlari.

Sinflashtirishning ikkinchi tamoyili bo ʻ yicha MOT bir pog ʻ onali va ko ʻ p pog ʻ onali tizimlarga bo ʻ linadi.

 Sinflashtirishning uchinchi tamoyili bo ʻ yicha sinflarning aprior ro ʻ yxatini aniqlash uchun oldindan berilgan malumotlar yetarlimi yoki yetarli emasligi etiborga olinadi. Shuningdek, obyektlarning boshlang ʻ ich xossalarini qayta ishlash natijasida sinflarga xos bo ʻ lgan belgilar ro ʻ yxatini hosil qilish va bu belgilar tizimi (BT) yordamida MOTni qurishdan iborat. Shunga mos ravishda MOT etalonsiz tizimlar, etalonli tizimlarga bo ʻ linadi. Oqituvchisiz tizimlarni qurish uchun boshlang ʻ ich aprior malumotlar to ʻ liq berilmaydi. Oqituvchili tizimlarda boshlang ʻ ich aprior malumotlar to ʻ liq beriladi. Bu tizimlarda boshlang ʻ ich malumotlar obyektlar tanlovi shaklida berilgan bo ʻ lib, ular sinflarga taqsimlangan bo ʻ ladi: Obyektlarni o ʻ rganish jarayonida BTga mos keluvchi ajratuvchi funksiya hosil qilinadi. Oqituvchisiz (o ʻ zini-o ʻ zi o ʻ rganuvchi) tizimlar taksonlar deb ham ataladi. O ʻ qituvchisiz (o ʻ zini-o ʻ zi) MOTlarning o ʻ qituvchili MOTlardan farqi shundan iboratki, bu tizimlarda sinflar ro ʻ yxati berilmagan bo ʻ ladi. Faqat OT va belgilar ro ʻ yxati berilgan bo ʻ ladi. Obyektlarni o ʻ rganish jarayonida sinflar hosil qilinadi va muhim BT quriladi. 

Neyron tarmoqlari - kompyuterni o'rganish kategoriyasida bir xil texnologiya. Darhaqiqat, neytral tarmoqlarni tadqiq qilish va rivojlantirishda ilgarilash MLda rivojlanish oqimlari va oqimlariga qattiq bog'langan. Neyron tarmoqlari ma'lumotlarni qayta ishlash qobiliyatini kengaytiradi va ML ning hisoblash quvvatini oshiradi, qayta ishlanishi mumkin bo'lgan ma'lumotlar hajmini oshiradi, shuningdek murakkab vazifalarni bajarish qobiliyati ham oshiriladi.
ANN uchun birinchi hujjatli kompyuter modeli 1943 yilda Uolter Pitts va Uorren Makgulx tomonidan yaratilgan. Dastlab qiziqish va neyral tarmoqlarda va mashinasozlikdagi tadqiqotlar oxir-oqibat sekinlashdi va 1969-yilga borib, yangilanib turadigan qiziqishlarning kichik qismiga aylandi. Vaqtinchalik kompyuterlar bu sohalarni yanada rivojlantirish uchun etarlicha yoki katta hajmli protsessorlarga ega bo'lmagani uchun, ML va neyron tarmoqlari uchun zarur bo'lgan katta miqdordagi ma'lumot mavjud bo'lmagan.

E’TIBORINGIZ UCHUN RAXMAT