Intellektual tizimlar

. 
. 
. 
. . . 
θ 
I - θ 
Y 
x
1 
x
2
x
n 

---

81 



n
i
i
i
x
w
I
1
Bu kattalik (I) neyronni qo‘zg‘alish darajasini ifodalaydi. Neyron kirish 
signalni F(I) aktivatsion yoki o‘zatma funktsiya bo‘yicha nochiziq ravishda 
o‘zgartiradi va, natijada, chiqish signalni quyidagi ifoda bo‘yicha shakllantiradi 
)
(
)
(
1




n
i
i
i
x
w
F
I
F
Y
Agar neyron kirishida chegara (θ) o‘rnatilgan bo‘lsa, unda chiqish signal 
quyidagi ifoda bo‘yicha shakllanadi 
)
(
)
(
1








n
i
i
i
w
x
F
I
F
Y
Odatda F funktsiya sifatida quyidagi 
sodda nochiziq funktsiyalar qo’llanil adi: 
1) 
binarnaya (porogovaya) 






;
,
0
,
,
1


приI
приI
Y
2) sigmoid 
)
(
1
1
1
1








I
x
w
e
e
Y
i
i
3) giperbolik tangens 
)
(
)
(





I
th
x
w
th
Y
i
i
4) chiziqli



n
i
i
i
x
w
k
Y
1
I -
θ
0 
1 
y 
I -
θ
0 
1 
y 
-1 

---

82 
Shularni ichidan sigmoid funktsiyasi keng qo’llanil adi, chiziqli - deyarlik 
ishlatilmaydi. 
 
10.2. Neyron tarmoqlar turi. 
Neyron majmuimini belgilangan ravishda bir-biri bilan hamda tashqi muxit 
bilan bog‘lab, har xil turdagi neyron tarmoqlar modellarni qurish mumkin. Bu holda 
kirish signallar tuplami tarmoqni kirish vektorni tashkil qiladi, chiqish signallar 
tuplami esa - chiqish vektorni (chiqish faollik vektorni). Neyron tarmoqni bog‘lanish 
vaznlari W matritsa ko‘rinishda ifodalanadi. Bunda matritsani wij elementi i va j 
neyronlar o‘rtasidagi bog‘lanish vazni bo‘ladi. Neyron tarmog‘i o‘zining ishlash 
paytida kirish vektorni chiqish vetorga o‘zgartiradi, ya’ni axborotni qayta ishlash 
(neyrotarmoqli hisoblash) jarayonni bajaradi. Bu qayta ishlashni aniq ko‘rinishi 
(turi) neyron modeli turlari bilan hamda neyron tarmoqni arxitekturasi va 
xarakteristikalari bilan belgilanadi. 
Neyron tarmoqlar arxitekturasi va turlari neyronlarni tarmoqdagi bog‘lanish 
tartibi bilan belgilanadi. Shuning uchun ko‘pincha neyron tarmoqlarni va tizimlarni 
konnektsionistik nomi bilan ataydi (“Connection” -“Bog‘lanish” ingliz so‘zidan). 
Neyron tarmoq (NT)larini ikki asosiy: to‘liq bog‘langan va iyerarxik turlarini 
ajratadi. 
Ris. 2.
To‘liq bog‘langan NT. Iyerarxik NT.
To‘liq bog‘langan NT - bu har bir neyronni chiqishi barcha boshqa neyronlar 
kirishlari bilan, uning kirishlari esa qolgan neyronlar chiqishlari bilan bog‘langan 
bo‘lgan tarmoq. Shundan tashqari har bir neyronni chiqishi uning kirishiga ulangan 
1-qatlam 
2-qatlam 
3-qatlam 

---

83 
bo‘ladi (“o‘z - o‘ziga bog‘lanish”). N neyronlardan iborat bo‘lgan to‘liq bog‘langan 
NTda bog‘lanish soni N*N teng. 
Iyerarxik NT - neyron guruxlari tegishli alohida qatlam va darajalarda 
joylashgan bo‘lgan tarmoq. Bunday NT tegishli qatlamni har bir neyroni oldingi va 
keyingi qatlamlarni xar bir neyronlar bilan bog‘langan. Uning kirish va chiqish 
qatlamlari tashqi muxit bilan bog‘langan. 
Bog‘lanish yo‘nalishlari bo‘yicha teskari aloqasiz - norekurrent (feed - 
forward) va teskari aloqali - rekurrent (feed-back) NTlar ajratiladi.
Ris. 3. Rekurrent NT. 
Agar rekurrent NTda o‘zining bir qatlamni neyron o‘rtasida tormozlaydigan 
(manfiy bog‘lanish vaznlar bilan) aloqalari bo‘lsa, unda bunday tarmoqni lateral
yoki lateralli tormzlanishi bilan tarmoq deb ataydi. 
4 –rasm. NT 
Bir qatlamli NT - bu sodda, iyerarxik, norekurrent turdagi tarmoq. Bunday 
tarmoqda tashqi muxit signallarni qabul qiladigan va taqsimlaydigan kirish 
neyronlar qatlami hamda hisoblashli neyronlar qatlami mavjud. Ularni har bittasini 
chiqish signallari uning kirishiga keladigan vaznlangan yig‘indisi funktsiyasi 
sifatida belgilanadi. Chiqish signallar majmuisi NT chiqish vektorni
Y=WX 
Y

---

84 
tashkil qiladi. Bu yerda X - n o‘lchamli kirish vektori; W - nm o‘lchamli (m- chiqish 
katlamni neyronlar soni) bog‘lanish vaznlar matritsasi; Y - m o‘lchamli chiqish 
vektori. 
Ko‘p qatlamli NT - bu bir necha hisoblashli neyronlar qatlamlardan iborat 
bo‘lgan tarmoqlar. Bunday qatlamlar soni ko‘payishi bilan tarmoqni hisoblash 
quvvati ham oshadi. 
Xopfild neyron tarmog‘i - bu aloxida turdagi rekurrent NT. Bunday tarmoqda 
har bir neyron krishiga, X kirish vektorni tegishli komponentasidan tashqari, birinchi 
qatlamni taqsimlovchi neyronlar orqali boshqa neyronlar chiqish signallari ham 
keladi. 
 
5 - Rasm. Sodda rekurrent Xopfild NT. 
Bunday Xopfild NTda chiqish signallar quyidagi 





















j
j
j
i
j
i
ji
j
j
j
i
j
i
ji
j
j
j
i
j
i
ji
i
x
w
y
w
àãàð
¢çãàðìàéäè
x
w
y
w
àãàð
x
w
y
w
àãàð
y



0
0
0
,
,
0
,
1
x
1 
x
2 
x
3 
y
3 
y
1 
y
2
1
2
3 
1 
2 
3 

---

85 
Perseptron turdagi NT. 
Bunday NTni 1958y. F. Rozenblat taklif qildi. Uni tasvir (timsol, obraz)larni 
aniqlash uchun ishlatgan. Bu ko‘p qatlamli norekurrent tarmoq. Uning tuzilmasi 
uch qatlamlardan iborat (13.8 rasm).
1-
qatlamda sezgirli retseptor (S- sensor) elementlar joylashgan. Ularga kirish 
tasvirlar signallari keladi. S- elementlar keyingi (ikkinchi) qatlamni assotsiativ A-
elementlari bilan bog‘langan. A-elementi faqat u bilan bog‘langan yetarli miqdorda 
S- elementlar qo‘zg‘alishgandagina qo‘zg‘alanadi. A-elementlar chiqish (uchinchi) 
qatlamni binar R- elementlar (echuvchi elementlar) bilan o‘zgaradigan qiymatlarga 
ega bo‘lgan bog‘lanish (aloqa) vaznli yoylar orqali bog‘langan. R1 element chiqish 
qiymati R2 element chiqish qiymatidan oshsa unda perseptron aniqlaydigan 
ob'yektni birinchi sinfga kiritadi, aks holda - ikkinchi sinfga.