SUN’IY NEYRON TARMOQ USULLARIDAN FOYDALANIB MASHINANI O‘RGANISHDA MA’LUMOTLARGA ASOSLANGAN MODELLASHTIRISH
Abstract
Bizning ishimiz sun’iy neyron tarmoqlari kontseptsiyasidan foydalangan holda
matematik muammolarni echishni o‘rganish tartibini amalga oshirishga yangi
yondashuvni taklif etadi.
Matematik muammoni echim topish daraxti shaklida echish jarayonini ko‘rib
chiqing. Asl vazifa daraxtning ildiziga joylashtirilgan. Ildizdan qirralar birinchi darajali
tepaliklarga boradi. Har bir chekka ruxsat etilgan o‘zgarishlarning qat’iy sinfidan
konvertatsiya qilish orqali joylashtiriladi. Birinchi darajali tepaliklarda tegishli
transformatsiyadan so‘ng olingan vazifa holatlari joylashtiriladi. Har bir qovurg‘aning
vazni -1 dan +1 gacha bo‘lgan intervalda haqiqiy sonni ifodalaydi. Bundan tashqari,
birinchi darajali tepaliklardan ushbu tepaliklarda joylashgan maqsadli bayonotlarning
o‘zgarishiga mos keladigan qirralar chiqadi va hokazo. Daraxt cho‘qqilar (barglar)
bilan tugaydi, yoki ushbu muammoning echimlarini yakunlaydi (noma’lum
qiymatlarni o‘z ichiga oladi) yoki muammoni yanada o‘zgartirish mumkin bo‘lmagan
puffinlar. Shuni ta’kidlash kerakki, daraxt nafaqat to‘g‘ri bajarilgan vazifa
o‘zgarishlarini, balki transformatsiyalarning noto‘g‘ri qo‘llanilishi yoki arifmetik
xatolardan kelib chiqadigan ba’zi noto‘g‘ri harakatlarni ham o‘z ichiga olishi mumkin.
Bunday yo‘llar muammoni hal qilishga olib kelishi mumkin (bu noto‘g‘ri bo‘ladi).
Aytaylik, talaba ko‘rib chiqilayotgan muammoni to‘g‘ri hal qiladi (mustaqil
ravishda yoki o‘qituvchining yordami bilan). Natijada, daraxtning ildizdan yechimga
olib boradigan ko‘plab yo‘llaridan biri tanlanadi. Bu erda bu hodisa to‘g‘ri yo‘lda
bo‘lgan qirralarning tarozi qiymatlarini oshirish va o‘lik yo‘llarda joylashgan
qirralarning qiymatlarini kamaytirish orqali kodlanishi mumkin.
References
Foydalanilgan adabiyotlar ro‘yxati.
1. F. Rosenblatt. –– «The perceptron: a probabilistic model for information storage
and organization in the brain». –– В: Psychological review. –– Т. 65(6). –– 1958, –
– С. 386. –– URL: https://philpapers.org/rec/ROSTPA-14.
2. J. J. Shynk и N. J. Bershad. –– «Steady-state analysis of a single-layer perceptron
based on a system identification model with bias terms». –– В: IEEE transactions
on circuits and systems (1991), с. 1030––1042.
3. M. Minsky и S. Papert. –– Perceptrons (expanded edition). –– MIT Press.
Cambridge, MA., 1988.
4. M. A. Sobirov, I. S. Kurbanova and Z. O. Sabirova, "Multi-Level Approach in
Organizing the Energy Supply System in Telecommunication Networks," 2023
IEEE XVI International Scientific and Technical Conference Actual Problems of
Electronic Instrument Engineering (APEIE), Novosibirsk, Russian Federation,
2023, pp. 1830-1834, doi: 10.1109/APEIE59731.2023.10347846.
5. M. A. Sobirov, S. I. Sharipova, Z. O. Sabirova and I. S. Kurbanova, "Analysis of
Key Components in the Propagation of Artificial Neural Networks," 2024 IEEE 3rd
International Conference on Problems of Informatics, Electronics and Radio
Engineering (PIERE), Novosibirsk, Russian Federation, 2024, pp. 710-713, doi:
10.1109/PIERE62470.2024.10805054.
6. M. M. Bakhadirovna, S. M. Azatovich and B. M. Ulug'bek O'tkir Ugli, "Study of
Neural Networks in Telecommunication Systems," 2021 International Conference
on Information Science and Communications Technologies (ICISCT), Tashkent,
Uzbekistan, 2021, pp. 1-4, doi: 10.1109/ICISCT52966.2021.9670198.
