Noravshan mantiqning afzalligi obyektning tarkibiy tuzilishi to’g’risidagi lingvistik fikrlar ko’rinishidagi ekspert bilimlardan foydalanish imkoniyatining mavjudligi hisoblanadi

Bugungi kunda an’anaviy matematik modellashtirish usullari imkoniyatlarining cheklanganligi tufayli sust shakllangan masalalarni yechishda ma’lumotlarni intellektual tahlil qilish usullari va texnologiyalaridan foydalaniladi. Ularning asosida sun’iy tafakkur usullari va ayniqsa yumshoq hisoblashlar usullari hamda ushbu nazariy-uslubiy asosda vujudga kelayotgan intellektual hisoblash texnologiyalari yo’nalishi yotadi. Intellektual hisoblash texnologiyalari to’liq bo’lmagan hamda sifat ko’rinishda berilgan boshlang’ich ma’lumotlarda o’qitish yo’li yechimlarni amaliyot uchun maqbul bo’lgan aniqlikda olishga imkon beradi.
Noravshan mantiqning afzalligi obyektning tarkibiy tuzilishi to’g’risidagi lingvistik fikrlar ko’rinishidagi ekspert bilimlardan foydalanish imkoniyatining mavjudligi hisoblanadi. Biroq noravshan mantiq apparati o’qitish mexanizmiga ega emas. Sof holdagi noravshan mantiqni har doim ham intellektual tizimlar uchun qo’llab bo’lmaydi. Xususan, loyihalovchi tizim to’g’risida yetarli darajadagi aprior ma’lumotlarga (bilimlarga) ega bo’lmagan hollarda noravshan qoidalarning maqbul bazasini qurish mumkin emas. Tizimning murakkablik darajasi o’sib borishi bilan tizim xususiyatlarini mos holda bayon qilish uchun qoidalar va tegishlilik funksiyalarining to’g’ri to’plamini aniqlash bilan bog’liq bo’lgan qiyinchiliklar vujudga keladi. Noravshan tizimlar tajriba natijalari bo’yicha qo’shimcha bilimlarni olish va tizimning faoliyat ko’rsatish sifatini yaxshilash uchun noravshan qoidalarni to’g’rilash bo’yicha kamchiliklarga ega [2].
Sanab o’tilgan kamchiliklarning bir qanchasi yumshoq hisoblashlarning boshqa asosiy komponenti bo’lgan neyron to’rlarida mavjud emas. Ushbu to’rlarning eng muhim belgisi bo’lib ularning moslashuvchan tabiatga egaligi hisoblanadi. Bunda “namuna bo’yicha o’qitish” an’anaviy “dasturlashning” o’rnini egallaydi.
Neyron to’rlari parametrlarini bayon qilishda noravshan to’plamli yondashuvdan foydalanish Soft Computing – texnologiyalarining ko’rsatib o’tilgan ikki komponentlarining afzallik tomonlarini birlashtiruvchi neyronoravshan deb ataluvchi tizimlarni qurishga imkon beradi. Bu o’z navbatida sinflashtirish, baholash, bashorat qilish va qaror qabul qilish masalalarining noravshan modellarini qurishning yanada samaraliroq bo’lgan axborot texnologiyalari vositalarini (algoritmlar va dasturlar) ishlab chiqish uchun asoslar yaratadi.
1985 yili SQL deb nomlanadigan til yaratildi. Hozirgi kunda amaliyotda hamma MBBTni shu interfeys ta’minlaydi.
1990 yillarda. Ma’lumotlarning maxsus turlari vujudga kela boshladi, ya’ni "grafikli tasvir", "hujjat", "ovoz", "karta" va shu kabilar. SQL tiliga vaqt, vaqt oralig’i, ikki baytli simvolli qatorlar uchun ma’lumotlar tiplari qo’shildi. Data Mining texnologiyasi, ma’lumotlarni saqlash ombori, multimediali MB va web-ma’lumotlar bazalari vujudga keldi.
Data Miningning vujudga kelishi va rivojlanishi shartli ravishda quyidagi turli asosiy faktorlarga asoslanadi:
Apparat va dasturiy ta’minotni takomillashtirish;
Ma’lumotlarni saqlash va yozish texnologiyasini takomillashtirish;
O’tmishga asoslangan katta hajmdagi ma’lumotlarni to’plash;
Informasiyalarni qayta ishlash algoritmlarini takomillashtirish.
DM (Data Minig) tushunchasi.
DM (Data Minig) bu – ma’lumotlardan yashirin qonuniyatlarni (axborotlar shablonlarini) qidirib topishga asoslangan qaror qabul qilishni qo’llab-quvvatlovchi jarayonidir.