Kommunikatsiyalarini rivojlantirish vazirligi «vlsi tizimini loyihalashtirish» fanidan amaliy mashg

8.2.1 Widrow-Hoff ni o‘qitish(trening) qoidasi. 
 
Widrow-Hoffni o‘rganish qoidasi delta qoidasi sifatida tanilgandir. Bu 
neyron tarmoqning o‘rtacha kvadratik xatoligini minimallashtirishni nazarda 
tutadi, bu kirish signallari uchun qoyidagi formula bilan belgilanadi: 
𝐸
𝑗
=
(𝑌
𝑗
−𝑏
𝑗
−𝑑
𝑗
)
2
2
, bu erda Y
j
- faollashtirish funktsiyasining chiqishi, b
j
– aralashtirish(siljitish), d
j
- maqsadli chiqish va E
j
- bu j neyronning javobi va 
maqsadli javob orasidagi kvadratik xato. 
Har bir j neyron uchun formuladan foydalanib og‘irlik yig‘indisi 
hisoblanadi: 
Y
j
=Ʃw
ij
X
i
. 
Ekstremumni (minimumni) topish uchun E
j
dan differentsial og‘irlig(w) va 
aralashma(siljitish-b) koeffitsientlari bo‘yicha olamiz: 
𝜕𝐸
𝑗
𝜕𝑤
𝑖𝑗
= (𝑌
𝑗
− 𝑑
𝑗
)𝑋
𝑗
𝜕𝐸
𝑗
𝜕𝑏
𝑗
= −(𝑌
𝑗
− 𝑑
𝑗
)
Shunday qilib, neyronning og‘irlik koeffitsientlari - wij va aralasshma- bj
quyidagi formulalar yordamida intetratsion hisoblanadi: 
W
ij
(t)=W
ij
(t-1) -α(Y
j
-d
j
)X
j
va 
b
j
(t)=b
j
(t-1)+α(Y
j
-d
j
), bu erda α-bu o‘rgatish tezligi (0 <α <1), t-hozirgi, t-1 oldingi 
qadam. 
8.2.2. Ko‘p qavatli neyron tarmoq’ini (NT) o‘rgatish algoritmi. 

---

129 
 
Bu erda va pastda NT qatlami k indeksi bilan belgilangan. 
1.
α (0 < α <1)-o‘rganish qadami va Em- NT kerakli o‘rtacha kvadratik 
xatosi tanladi. 
2.
NT ning w
ij
k
og‘irlik va siljitish bj
k
koeffitsientlariga tasodifiy 
boshlangih qiymat beriladi. 
3.
Ketma-ket javobi ma’lum orgatish berilganlari NT kirishiga uzatiladi. 
Bunda, har bir ma’lumot uchun quyidagi harakatlar bajariladi: 
a)
NT orqali kirishga berilgan ma’lumotlarining oldinga tarqalish bosqichi 
amalga oshiriladi. Barcha neyronlarining chiqish qiymati Y
j
k
qatlqmba qatlam 
hisoblab chigiladi. 
b)
Chiqish va yashirin qatlamlardagi neyronlarning E
j
xatolari hisoblab 
chiqiladi. 
c)
Neyron elementlarining og‘irlik va siljitish koeffitsientlarining o‘zgarishi 
neyron tarmoqning har bir qatlami uchun amalga oshiriladi. 
4.
NT umumiy xatosi E hisoblanadi. 
5.
Agar E> Em bo‘lsa, u holda 3 -bosqichga qaytiladi, aks holda 
algoritmning bajarilishi tugaydi. 
Sun'iy neyron tarmoqlarga asoslangan hisoblash tizimlari fon Neyman 
arxitekturasidagi mashinalarda mavjud bo‘lmagan lekin inson miyasiga xos 
bo‘lgan bir qancha avfzaliklarga ega: 
•
o‘rganish qobiliyati; 
•
umumlashtirish qobiliyati; 
•
assotsiativshaklda tarqoq ma’lumotlarni saqlash; 
•
ekologik o‘zgarishlarga moslashuvi; 
•
yuqori mahsuldorligi; 
•
apparatni ko‘rinishida amalda xatolarga chidamliligi. 
SNT - bu o‘zaro bog‘langan va o‘zaro ta’sir qiluvchi oddiy protsessorlar 
majmuasi yaniy, sun'iy neyronlar tizimidir. Bunday protsessorlar odatda juda 
oddiy, ayniqsa shaxsiy kompyuterlarda ishlatiladigan protsessorlar bilan 

---

130 
solishtirganda. Bunday tarmoqdagi har bir protsessor faqat vaqti -vaqti bilan qabul 
qilib turadigan va vaqti -vaqti bilan boshqa protsessorlarga yuboradigan signallar 
bilan shug‘ullanadi. Va shunga qaramay, boshqariladigan o‘zaro ta’sirga ega 
bo‘lgan etarlicha katta tarmoqqa ulangan holda, bunday protsessorlar birgalikda 
ancha murakkab vazifalarni bajarishga qodir. 
Umuman olganda, har qanday SNTni yaratish murakkabligi uni tashkil 
qiluvchi individual neyronlarni tuzilishining murakkabligiga bog‘liqdir. 
Ushbu amaliy ishning dolzarbligi, dasturlashtiriladigan mantiqiy juda katta 
integral sxemalarga(JKIS-VLSI va FPGA- 
field-programmable gate array)
asoslangan sun'iy neyron tarmoqlarni joriy etish kontseptsiyalarining ishlab 
chiqilishi (ular bilan ishlash qulayligi va ularni tez dasturlash qobiliyati tufayli) 
bilan tasdiqlanib qo‘lash jarayoni faqat tezlashmoqda.