Intellektual tizimlar

Approksimatsiyalash.
Bunday masalada izlangan F(x) funktsiyaga to‘g‘ri 
keladigan va quyidagi o‘zaro nisbatga


)]
(
*
),
(
[
x
F
x
F
d
talab beradigan approksimatsiyalovchi F*(x) funktsiyasi tanlab olinadi. Bu 
yerda

- funktsiyalyar o‘rtasidagi masofani berilgan kichik qiymati. 
Umumiy holda F(x) funktsiyani ko‘rinishi noma’lum bo‘ladi. U x1 u1, x2 u2, 
…, xn un turdagi “kirish - chiqish” qiymatlar juftlari bilan beriladi. Bu yerda xi - 
qayd qilingan (o‘lchangan) argument (kirish o‘zgaruvchan)lar qiymatlari, yi esa - 
qayd qilingan (o‘lchangan) funktsiya qiymatlari. Ananaviy matematik usullardan 
foydalanganda avval kerakli approksimatsiyalash modeli (F*(x) funktsiyani 
ko‘rinishi)ni tanlab olish kerak bo‘ladi. Keyin tanlab olingan mezonlar bo‘yicha 
F*(x) funktsiyani parametr (koeffitsiyent)lari topiladi. 
NTlar universal approksimatorlar bo‘lib, approksimatsiyalovchi F*(x) 
funktsiyani tanlab olishini talab qilmaydi. Bu yerda NTni o‘rgatish uchun faqat qayd 
qilingan 
}
{
i
i
y
x

juftlar ko‘riladi. O‘rgatish jarayonida NT chiqish yi* qimatlari 
qayd qilingan yi qimatlaridan berilgan 

qiymatidan kam bo‘lganligini 
ta’minlaydigan bog‘lanish vaznlar qimatlari topiladi. 
Bu masala ob'yektlarni identifikatsiyalashda, ularni aniq matematik 
modellarini qurilishi murakkab bo‘lgan holatda, keng qo’llanil adi. 
4) Avtoassotsiatsiya
. Bu masala assotsiativ xotira modellarni qurish masalasi 
bilan bog‘liq. 

---

87 
Assotsiativ xotirani neyron modelida neyron guruxlar orqali tegishli timsol 
(tasvir, obraz)larni eslab olinishi ta’minlanadi. Bunday NT kirishiga timsolni qismi 
(tadqiq qilinadigan ob'yektni barcha belgilarining qandaydir o‘ziga xos bo‘lgan 
kirish vektorni tegishli majmuisi) berilganda uning chiqishida butun timsolni 
tavsiflaydigan neyronlarni hammasi faollashtiriladi. 
Shuni qayd qilish kerakki, bir qatlamli NTlar faqat sodda masalalarni yechish 
qobiliyatiga ega. Murakkab masalalarni yechish uchun har xil turdagi ko‘p qatlamli 
NT ishlatiladi.