Novruzlu Aytac Bahəddin qızı “ Ekspert sistemləri üçün bilik bazasının hazırlanması”

 

---

53 
III FƏSİL. BİLİKLƏR BAZASININ TƏSVİRİ MODELLƏRİ VƏ EMALI 
TEXNOLOGİYALARI 
3.1 Biliklərin təsviri modelləri 
Hal-hazırda biz bir çox Sİ xarakteristikalarına sahibik, hər hansı bir problem 
yarandıqda onu kontekstə qoya bilə, doğru metodları tapa və tətbiq edə bilərik. Bu 
zaman əldə etdiyimiz biliyi üzərində işlədiyimiz problemə uyğun olaraq 
strukturlaşdırmaq üçün biliklərin təsviri modellərindən istifadə olunur. Biliklərin 
təqdim olunması bu sistemlərin əsas tədqiqat mövzusudur, biliyin necə təsvir 
olunması sistemin tez tez düzəlməyinə və ya məhvinə səbəb ola bilir. Biliklərin 
təsviri modelləri dedikdə, 

Semantik şəbəkə 

Freym modeli 

Formal məntiqi model 

Produksion modelləri başa düşülür. 
Semantik şəbəkə modeli. Semantik şəbəkələr 1956-cı ildə Kembric Dil 
Araşdırma Mərkəzində Rikard Riçens tərəfindən təbii dilin maşın dilinə çevrilməsi 
üçün yaradılmış ilk kompyuter translyasiyası modeli idi. Biliklərin təqdim olunması 
üçün mühüm sxemlərdən olan semantik şəbəkələr anlayışlar arasında münasibətlərin 
qurulması modelidir.
Semantik şəbəkələrin intensional və ekstensional olmaqla iki tipi var. Birinci tip 
predmet oblastını konseptual səviyyədə təsvir etsə də, ikinci tip şəbəkələr konkret 
faktiki verilənlərlə yüklənir.
Semantik şəbəkələrdə istifadə edilən münasibətlər aşağıdakı növlərə bölünür: 

Linqvistik münasibətlər, ən etibarlı münasibətlərdir və “obyekt”, “agent”, 
“şərait”, “yer”, “instrument”, “məqsəd”, “vaxt” və s. kimi münasibət tiplərini əhatə 
edir; 

Atributiv münasibətlər - forma, ölçü, rəng və s.; 

---

54 

Hərəkəti xarakterizə edən münasibətlər - cins, zaman, meyl, girov, ədəd; 

Məntiqi münasibətlər - dizyunksiya, konyunksiya, implikasiya və inkar ; 

İdentifikasiyaedici münasibətlər - ümumilik və varlıq kvantorları; 

Nəzəri-çoxluq münasibətləri - “çoxluq elementi”, “alt çoxluq”, “çoxluq”.

Linqvistik münasibətlər – hal və rol. 
Münasibətlərin tipindən asılı olaraq semantik şəbkələrin bir neçə növü var: 
1. Eynicinsli semantik şəbəkələr 
2. İyerarxik semantik şəbəkələr 
3. Ssenari semantik şəbəkələr 
4. Funksioanl semantik şəbəkələr 
Eynicinsli şəbəkələrə bütün istiqamətlənmiş qraflar, iyerarxik şəbəkələrə hissə-tam 
və tam-hissə tipində münasibətlər, ssenari şəbəkələrə ciddi və qeyri-ciddi, funsionala 
isə giriş və çıxış tipli münaisbətlər aiddir.
Semantik şəbəkələr bircins deyil, onlar nişanlanmış təpələr və şaxələrdən ibarət 
istiqamətlənmiş qraflardan təşkil olunmuşdur ki, bunun da təpələri obyektləri, 
şaxələri isə obyektlərarası əlaqələri əks etdirir. Tipik standartlaşdırılmış semantik 
şəbəkələr semantik üçbucaqlar kimi ifadə edilir, ama çox vaxt dairə və ya kvadrat 
formasında qeyd olunur. Əlaqələr obyektlərə yönləndirilir və işarələnir. Şəbəkənin 
quruluşu onun mənasını ifadə edir. Mənalar bir təpənin digər hansı təpəyə 
istiqamətlənməsi ilə müəyyən olunur. Şəbəkə bir qrup təpədəki binar əlaqələri 
müəyyən edir. 
Sxem 3.1. Semantik şəbəkələrin quruluşu modeli. 

---

55 
Semantik şəbəkələr ən çox təbii dil emalı ilə məşğul olan sistemlərdə, çox az 
halda isə, sual-cavab tipli dialoq sistemlərdə, eyni zamanda, süni görmə üçün 
qurulmuş sistemlərdə tətbiq olunur. Təbii dilin emalı ilə məşğul olan sistemlərdə ətraf 
mühit haqqında ümümi semantik biliklər, həmçinin mıkana və zamana, hadisələrə aid 
olan biliklər bu şəbəkələr vasitəsilə təqdim olunur. Xüsusi hallarda istifadə olunan 
süni-görmə sistemlərində isə adı çəkilən şəbəkələr optik obyektlərin quruluşunu, 
formasını və xarakteristikalarını özündə cəmləşdirən biliklərin saxlanması üçün 
istifadə olunur. 
İxtisaslaşdırılmış semantik şəbəkə modeli çox vaxt qayda əsaslı axtarış, maşın 
öyrətmə alqoritmləri və avtomatik teorem isbatı və s. kimi digər süni intellekt məntiq 
metodları ilə sintez edilir. Semantik şəbəkələr təbii dili anlama, deduktiv verilənlər 
bazaları, kitabxana sənəd axtarışı, biznes planlaşdırma, tibbi diaqnostika, hüquqi 
təhlil, analoji əsaslandırma, robototexnika, ekspert sistemləri, vizual model tanınması 
da daxil olmaqla, süni intellektin bütün tətbiq sahələrində istifadə olunur.
Sxem3.2. VB və BB arasındakı əlaqənin struktur sxemi 
 
Freym modeli. Freym anlayışını ilk dəfə 1974-cü ildə Marvin Misky özünün 
“Biliklərin təqdim olunması üçün Çərçivələr” adlı məqaləsində istifadə etmişdir. 
Bilik Bazasının idarə sistemi 
Biliklər Bazası - İntensioanl semantik 
şəbəkə 
Verilənlər Bazası – Ekstensional 
semantik şəbəkə 

---

56 
Freymlər “şablon hallar”ın ifadə edilməsilə bilikləri altstrukturalara bölmək üçün 
istifadə edilən ilk verilən strukturudur. Bilik agenti yeni problemlə qarşılaşdığında 
sistemə zərər yetirmədən situasiyadan çıxmaq üçün bilik əldə etməlidir. Bu bilik çox 
istiqamətli və iyerarxik olur və biliyin strukturlaşdırılması freymlər modeli ilə həyata 
keçirilir. Bu modelin əsası məntiqi cümlələr və prosedur qaydalarından ibarət 
müxtəlif formalarda biliklərin daxil edildiyi slotlardan ibarət ferymlərdir. Qısa olaraq, 
freym– obyektlər sinfini, hadisə və prosesləri təqdim etmək üçün lazım olan minimal 
informasiya strukturudur. Hər freym hər hansı obyekt və ya situasiyanı təqdim edir 
ki, agent həmin stereotiple bağlı vəziyyətlə qarşılaşdığında müraciət edir. Həmin 
freymi tapdığı zaman dəyişiklikləri qeyd edir və boş slotları doldurur. Slotlar 
freymlərin sadalananlardan hər hansı birinə aid edilə bilməsi üçün doldurulmamış 
altsturkturlarıdır. Obyektlər arasında freym şəbəkəsi adlandırılan əlaqə yaradılı və 
doldurulmuş slotlardan ibarət olan freymlərə freym nüsxələr deyilir. 
Freymlər doldurulmaqdan əlavə həm də necə hərəkət ediləcəyi ilə bağlı biliklər 
təqdim edir, freymlər necə istifadə olunur, növbəti addımlar nədir, yerinə 
yetirdiyimiz əməliyyatlar istəyimizi ödəmədiyi halda nə edə bilərik kimi izahlar verir. 
Freymdəki bəzi biliklər heç dəyişmədiyi halda, terminallarda saxlanılan bir çox 
biliklər mütəmadi olaraq dəyişdirilir. Hər hansı freymə məxsus informasiya slotlarda, 
yəni yuvalarda saxlanılır və həmin biliklər aşağıdakılardan ibarət olur: 

Faktlar və ya verilənlər
o Qiymət və ya dəyər ( askpekt adlandırılır) 

Prosedurlar 
o 
İf-Needed ( təxirəsalınmış qiymətləndirmə)
o 
İf-Added ( uyğun məlumatları yeniləmə) 

Fərzedilən dəyərlər 
o Verilənlər üçün 
o 
Prosedurlar üçün 

Digər freymlər və altfreymlər 

---

57 
Freymlərin təqdimatını elastik formaya gətirmək üçün yuvalara mümkün qədər 
müxtəlif bilik tiplərinin qeyd olunmasına icazə verilir. Bunlara daxildir: 

Freymin seçilməsi üçün informasiya- bu ad və ya id nömrəsi ola bilər. Bu geri 
çağırılacaq freym və ya təqdiat üçün dəyişikliklər ediləcək haqqında
informasiya ola bilər.

Həmin freym və digərləri arasındakı əlaqə haqqında informasiya

Slotlar doldurulduqdan sonra həyata keçirilməli prosedurlar 

Freym üçün lazımi olan bəzi biliklərin itdiyi halda fərzedilən biliklər 

Boş slotlar- bunlar daha önəmli vəzifələr üçündoldurulmayan yuvalardır 
Java və C++ kimi obtektyönümlü proqramlaşdırma dilləri biliklərin təqdim 
olunması freym modelindəki kimi obyektlərlə yerinə yetirilir.
Produksion modellər. Verilənlərin təqdim olunmasının bir digər vasitəsi də 
produksion modellərdir. Son illərdə tətbiqinə başlanan bu model “vəziyyət(şərait)-
fəaliyyət” tipli qaydalar toplusudur. Burada İf-Then qaydaları adlandırılan 
produksion qaydalardan istifadə olunur: 
İF şərait THEN fəaliyyət 
İF şərt THEN nəticə
 
İF təklif 1 və təklif 2 doğrudur 
THEN təklif 3 doğrudur 
Produksion modellərdə hər bir produksiyaşərt və fəaliyyət(nəticə) adlanan 
2hissədən ibarətdir. Şərtlər verilənlər bazasında ödənilməli ona şərtlərin, nəticə isə 
həmin şərtlər üzərindən yerinə yetiriləcək əməliyyatların toplusudur.

---

58 
Formal məntiqi modellər. Əgər dünyadakı bütün insanlar eyni dildə danışsaydılar, 
dünyadadaha az anlaşılmazlıqlar olardı. Proqram təminatı mühəndisliyi ilə əlaqədar 
əsas böyük bir problem var ki, bu da əlaqə müddətindəki yanlış anlamalarla bağlıdır. 
Yəni bizim bilik agentinə söylədiklərimiz əslində düşündüklərimizi yox tamamilə 
başqa mənanı ifadə edə bilər, və yaxud bizim sözlədiklərimizi həmin şəxs yalnış 
anlaya bilər. Bu halları azaltmaq üçün tək yol biliyin təqdimatı zamanı istifadə 
ediləcək dili müəyyən konkret qaydalar şəklinə gətirməkdir. 
Dili müəyyən etmək üçün onun semantikası və sintaksisini təyin etmək 
lazımdı. Dilin sintaksisini təyin etmək üçün həmin dildə hansı simvolların istifadəsinə 
icazə verildiyini və bu simvollardan istifadə edən leqal cümlələri bilmək kifayətdir. 
Dilin semantikasını müəyyən etmək üçün isə, daxil edilmiş leqal cümlələrin 
oxunuşunu, başqa sözlə desək onların mənalarını təyin etmək lazımdır. Bütün 
tələblərə cavab verən dili müəyyən etdiyimiz zaman məntiqi təqdimatı həyata keçirə 
bilərik. Formal məntiqi model relyasiya və obyekt-relyasiya kimi verilmiş məntiqi 
model əsasında verilənlərin strukturunun spesifikasiyasını həyata keçirir.
Bəzi məntiqlər informasiyanın təqdimatı zamanı müxtəlif cür ifadə edilməsinə 
görə olduqca məşhurdurlar. Daha ifadəli məntiq bizə öz dilimizdə olan cümlələri 
məntiqlə təyin olunmuş digər dillərə tərcümə etməyə imkan verir. Məşhur 
məntiqlərdən biri Propositional Logic – Şərti məntiqdir. Bu bütün təklif və məntiqi 
əlaqələri qurmaq üçün simvollardan istifadə edən məntiq növüdür. Həm doğru, həm 
də yalnış ola biləcək şərhlər-təkliflər haqqında cümlələr yazmağa imkan verən 
məhdudlaşdırıcı məntiqdir. Buradakı simvollar P, Q, R kimi böyük hərflərlə qeyd 
olunur, əlaqələr isə konyuksiya, dizyunksiya, inkar, ekvivalentlik, implikasiya kimi 
məntiqi əməllər vasitəsilə yerinə yetirilir.Məntiqin sintaksisi cümlələrdə əlaqələrin 
hardan-haraya gedəcəyini təyin edən qaydalardır. Məntiqin semantiki isə cümlədəki 
şərtlərin doğru olub olmadığını bildiyimiz zaman cümləyə doğru qiymətlərin 
verilməsini müəyyən edən qaydalardır.

---

59 
Predikatların hesablanması. Bu digər məntiqlərdən fərqli olaraq predikatları, 
sabitləri, dəyişənləri, funksiyaları istifadə edir. Predikatların hesablanması təxminən 
1950-ci ildən istifadə edilməyə başlayıb. Bu sistemlərdə biliklər predmet oblastına 
aid obyektlər haqqında hökmlərin predikatlar məntiqinin düsturlarından istifadə 
etməklə təqdim olunur. Predikat və ya məntiq funksiyası yalnız 1 və 0 olmaqla 2 
qiymət ala bilər.
PROLOG - 1972-ci ildə yaradılmış, obyekləri və əlaqələri(münasibətləri) 
manipulyasiya edən proqramlaşdırma dilidir. O həmçinin süni intellekt və hesablama 
linqvistikası ilə əlaqədar məntiqi proqramlaşdırma dili hesab edilir. PROLOG birinci 
dərəcədən məntiq, formal məntiq və bu kimi digər proqramlaşdırma dillərindən fərqli 
olaraq, daha deklarativdir: proqram məntiqi faktlar və qaydaları ifadə edən cədvəllər 
şəklində göstərilir. Bu dil ekspert sistemlər, teoremlərin sübutu, nəticəçıxarma 
sistemləri, avtomatik planlaşdırma, eyni zamanda təbii dil emalı sistemlərində istifadə 
olunur. İlk predikatların hesablanması dili olaraq, predikat simvolları, dəyişən və 
sabit simvollar, həmçinin funksiya simvolları kimi bir sıra komponentlərdən ibarətdir. 
PROLOG bilik bazası və ya verilənlər bazası obyektlər arasındakı əlaqələri 
göstərən qaydalardan təşkil oluunmuşdur: 
R
0 
←R
1
, R
2
, R
3
,
........, 
R
n
wehere n ≥0 (3.4) 
Burada, R- rules, yəni qaydalardır. Verilmişqaydada hər R
j 
bir anlayışdır. Hər 
anlayışın atomar sabit və dəyişənlərdən ibarət bir neçə arqumenti ola bilər. PROLOG 
dilində dəyişənlər böyük hərflərlə başlayarkən, sabitlər kiçik hərflərlə qeyd olunur. 
n=0 olduğu anda, yuxarıdakı qayda fakta çevrilir.
PROLOG-da axtarış aparıldığı zaman ilk veriləndən son verilənə qədər bütün 
verilənlər bazası yoxlanıldığı üçün verilənlər bazası çox böyük olduğu hallarda sürət 
zəifləyə bilər. Bu prosesi sürətləndirmək üçün çox vaxt verilənlər bazasına sxemlər 
yerləşdirilir. Beşinci nəsil komputerlərdə rahat istifadə edə bilmək üçün bu dil əlavə 
funksiyalarla təmin edilir. 

---

60 
Qeyri-səlis məntiq.Bəzən əldə etdiyimiz biliklər olduqca mürəkkəb və çoxplanlı 
olduğuna görə, onları qeyd etdiyimiz modellərlə təqdim etmək və alqoritmlərlə emal 
etmək qeyri-mümkün olur. Bu biliklərin qeyri-səlis olması onların təqdimat prosesini 
həyata keçirmək üçün müvafiq aparat tələb edir. Qeyri-səlis məntiq insan 
mühakiməsinə bənzəyən mühakimə metodudur. Bu yanaşma insanların qərar qəbul 
etməsi taktikasına əsaslanaraq, Bəli(Yes) və Xeyr(No) dəyərləri arasındakıbütün 
aralıq imkanları qiymətləndirir. Şərti məntiq metodu Bəli və Xeyr dəyərlərini 
komputerin başa düşəcəyi şəkildə daxil edir və onların ekvivalenti olan True və ya 
False, yəni Doğru və ya Yanlış çıxışları verir. Qeyri-səlis məntiqlə əlaqədar bütün 
anlayışlar Lütfi Zadənin qeyri-səlis çoxluqlar nəzəriyyəsi ilə bağlıdır.
Qeyri-səlis çoxluq dedikdə, elə çoxluq başa düşülür ki, ora daxil olan 
elementlərin sayı qeyri-müəyyən olsun. Bu çoxluğa daxil olunan elementləri həm 
onlara aid etmək həm də etməmək mümkündür. Buna səbəb onları bir-birindən 
əminliklə ayırmağın qeyri-mümkünlüyüdür. Bu xüsusiyyətinə görə qeyri-səlis 
çoxluqlar nəzəriyyəsinin əsas anlayışlardan biri aidiyyət funksiyası anlayışıdır, 

A
(x) 
kimi işarə olunur. Sadə qeyri-səlis əməliyyatlar müxtəlif yollarla müəyyən edilə bilər, 
bunlardan ən sadəsi aşağıdakı kimi yerinə yetirilir. İki qeyri-səlis dəyər – x və y 
verildiyi zaman əməliyyatlar bu formada ardıcıllıqla davam edir: 
(x və y) = min(x,y) 
(x və ya y) = max(x,y) 
x deyil = 1-x 
(x implikasiya y) = max(x,1-y) 
Əgər növbə ilə dəyişənləri doğru və yanlış olaraq 0 və 1 kimi qəbul etsək, yuxarıdakı 
anlayışlar müvafiq olaraq klassik məntiqi təsvir edəcək.
Həqiqi ədədləri R universal dəsti ilə məhdudlaşır. Bununla da, hər hansı mənsubiyyət 
funksiyası özü bir əməliyyatdır.

---

61 
µ
S : 
R → [0;1]
(3.5)
Qeyri- səlis dəstlər paketinə bu qeyri-səlis dəsti qurmaq üçün bir sıra kompozisiyalar 
daxildir. Bu kompozisiyalar (rutinlər) qeyri-səlis dəstin qurucuları adlanırlar:
Π, Λ, Γ, L .
Π – mənsubiyyət funksiyasının müəyyən bir aralıqda maksimuma çatarkən hər iki 
tərəfdə sıfıra düşdüyü qeyri-səlis dəst yaradır. 
Λ - mənsubiyyət funksiyasının müəyyən bir nöqtədə maksimuma çatarkən hər iki 
tərəfdə sıfıra düşdüyü qeyri-səlis dəst yaradır. 
Γ – mənsubiyyət funksiyasının monoton olaraq artdığı qeyri-səlis sıra yaradır. 
L - mənsubiyyət funksiyasının monoton olaraq azaldığı qeyri-səlis sıra yaradır. 
µ
Λi
(x
i
) = 0; µ
Λi
(x
i+1
) = 1; µ
Λi
(x
i+2
) = 0 
µ
(SᴗT)
(x) = (µ
S
(x) və ya µ
T
(x)) = max(µ
S
(x), µ
T
(x))
µ
(S
∩
T)
(x) = (µ
S
(x) və µ
T
(x)) = min(µ
S
(x), µ
T
(x))
µ
S’
(x) = µ
S
(x) deyil = 1- µ
S
(x) 
µ
(S implikasiya T)
= µ
S
(x) implikasiya µ
T
(x) 
µ
S/T
(x) = max(0, µ
S
(x) - µ
T
(x)
(3.6)

---

62 
Qeyri-səlislik qeyri-müəyyənliyin bir növü sayılır. Qeyri-səlis çoxluqlar üzərində 
icra, tamamlama(məntiqi inkar), birləşdirmə(konyuksiya), kəsişmə(dizyunksiya), 
hasil kimi əməliyyatlar aparmaq mümkündür. 
Qeyri-səlis məntiq kommersiya və praktiki məqsədlər üçün olduqca faydalıdır: 
 Maşın və istehlak məhsullarına nəzarət edir; 
 Dəqiq məntiqi yox, məqbul mühakimələr verir; 
 Qeyri-müəyyənlik şəraitində qərar qəbul etməyə imkan verir. 
Qeyri-səlis məntiqdən istifadə edən sistemlərin əsas vəzifəsi linqvistik şterminləri 
hesablamağa və qeyri-müəyyən bilikləri qrafiki formaya gətirməyə imkan 
yaratmaqdır. Bu sistemlərdə alqoritm 
 Linqvistik dəyişənləri və şərtləri təyin edir; 
 Onlar üçün əsas funksiyaları müəyyənləşdirir; 
 Qaydalar əsasında bilik bazasını yaradır 
 Funksiyalardan istifadə ilə dəqiq verilənləri qeyri-səlis verilənlərə çevirir 
(fuzzifikasiya) ; 
 Qaydalar bazasındakı qaydaları qiymətləndirir; 
 Hər qaydanın nəticələrini birləşdirir; 
 Çıxış verilənlərini qeyri-səlis olmayan, yəni dəqiq verilənlərə çevirir ( 
defuzzifikasiya) . 
Qeyri səlis məntiqin əsaslandığı sistemlərin istifadəsinin faydalılıq dərəcəsini 
müəyyən etmək üçün aşağıdakıları qeyd etmək əhəmiyyətlidir: 
 Qeyri-səlis məntiqlə bağlı olan riyazi anlayışlar olduqca sadədir; 
 Qeyri-dəqiq, təhrif olunmuş, səs-küylü bilikləri almaq mümkündür; 
 Qaydaları əlavə etmək və ya silməklə sistemi dəyişdirmək olur; 
 Sistemi qurmaq və üzərində işləmək rahatdır; 
 İnsan kimi qərar vermə məntiqindən istifadə olunduğu üçün hər sahədəki 
mürəkkəb məsələlərin həllində istifadə olunur. 

---

63 
Ancaq bununla birlikdə həm də qeyr-səlis məntiqi sistemlərin qurulması üçün 
sistematik yanaşmanın olmaması, yalnız sadə olduqları halda başa düşülən olması və 
yüksək dəqiqlik lazım gəlməyən məsələlərin həllində istifadə olunması bu sistemlərin 
mənfi xüsusiyyətləri kimi üzə çıxır.
Neyron Şəbəkələr. Bu şəbəkələrin komputerlərdən əvvəl meydana gəlməsinə 
baxmayaraq, bir müddət geriləmə dövrü keçmişdir. Hal-hazırda biliklərin təsvir 
olunmasında istifadə olunan bu texnologiya kütləvi paralel emala əsaslanır. Neyron 
şəbəkələrin bu xüsusiyyəti iri həcmli informasiyaların axtarışını tezləşdirməyə və
obrazları tarixi nümunələrə görə tanımağa imkan verir. Süni neyron şəbəkələri beyin 
və əsəb sisteminin əsasını təşkil edən neyron hüceyrələrin fəaliyyəti ilə əlaqədardır. 
1957-ci ildə Cornel Aeronaviqasiya Laboratoriyasında Frank Rozenblat tərəfindən 
ixtira edilən perseptron ən sadə neyron şəbəkə modelidir. Bir giriş, prosessor və bir 
çıxışdan ibarət bu qurğu idi. Perseptron tək girişlərin neyrona yönləndiyi, işləndiyi və 
çıxış edildiyi tək istiqmətli model olaraq bilinir.
Perseptronun alqoritmi: 

Hər giriş üçün həmin girişi öz çəkisinə görə artırmaq 

Bütün girişləri toplamaq 

Aktivləşdirmə funksiyası yerinə yetirilmiş cəmdən asılı olaraq çıxışı 
hesablamaq
Riyazi olaraq, neyronun funksiyasi f(x) digər funksiyaların g(x) kompozisiyası kimi 
müəyyən olunur. Bu, dəyişənlər arasındakı asılılıqları təsvir edən oxlarla şəbəkə 
strukturu kimi asanlıqla təyin edilir. Daha çox istifadə olunan kompozisiya növü 
”qeyri-xətti ölçülmüş cəm”dir: 
f(x)= K(∑
i
w
i
g
i
(x)) (3.7) 

---

64 
K – hiperbolik tangens və ya siqmoid funksiyası kimi əvvəlcədən təyin edilən 
funksiyadır.
Neyron şəbəkələr problem həllində ənənəvi komputerlərdən daha çox müxtəlif 
yanaşmalar təklif edir. Komputerin probelmi həll etməsi üçün lazım olan xüsusi 
addımlar olmadıqca probelmin həlli yerinə yetirilə bilməz. Komputerlər yalnız həllini 
bildiyimiz məsələrdə işimizə yaraya bilir. Onlar məsələ həllində koqnitiv 
yanaşmadan istifadə edir: probelm müəyyən birmənalı təlimatlarla açıqlanır. 
Sonradan bu təlimatlar maşının başa düşəcəyi yüksək səviyyəli proqram dillərinə, 
ordan da maşın kodlarına çevrilir. 
Neyron şəbəkələr insan beyni kimi fəaliyyət göstərdiyindən, məsələ həllində bir-
birilə bağlı olan çox sayda neyronlardan ibarətdir. Bu şəbəkələr nümunələrlə işləyir 
və hər hansı konkret funksiyanı yerinə yetirəcək formada proqramlanmırlar. 
Nümunələr dəyərli vaxtın boşa keçməməsi və şəbəkənin funksiyalarında xəta baş 
verməməsi üçün nümunələr diqqətlə seçilir. Bu şəbəkələr problemin həll yolunu 
özləri seçdiyindən, əvvəlcədən proses barədə məlumat almaq olmur. Bu neyron 
şəbəkələrin mənfi xüsusiyyəti sayılır. Neyron şəbəkələrin yaranması ilə ənənəvi 
Neyman arxitekturasından paralel komputerlərə keçid edildi. Bu komputerlərin 
yüksək adaptasiya, paralelizm, paylama qabiliyyəti, dözümlülük kimi xüsusiyyətləri 
var. Komputerlər ədədi və simvolik verilənlərlə işləmək , insanlar isə xarici 
mürəkkəb məsələlər baxımından bir-birlərini üstələyirlər. Obraz tanıma kimi 
xüsusiyyətlərə görə neyron şəbəkələr ənənəvi komputerləri kölgədə qoyurlar. Ancaq 
hal –hazırda neyron şəbəkələr vəkomputerlər rəqabət halında olmalarına baxmayaraq 
bir-birlərini tamamlayırlar.
Neyron şəbəkələr quraşdırılarkən ilk növbədə neyronın əsas xüsusiyyətləri və 
onların bir-birilə əlaqələri öyrənilir. Daha sonra bu xüsusiyyətləri simulyasiya etmək 
üçün komputer proqramlaşdırılır. Bununla birlikdə, neyronlar haqqında biliyimiz və 
hesablama gücümüz məhdud olduğu üçün yaradılmış model real neyron şəbəkələrini 
tam əks etdirə bilmir.

---

65 
NŞ-lərin qarışıq və yanlış verilənlərin mənasını anlama xüsusiyyətindən insanların 
və digər texnologiyaların öhdəsindən gələ bilmədiyi istiqamətləri aşkar etmək və 
nümünələri hazırlamaq üçün istifadə olunur. Öyrədilmiş hər bir neyron şəbəkə analiz 
üçün verilmiş bilik kateqoriyası üzrə ekspert sayıla bilər. Bu ekspert sistem yeni 
situsiyalar üzrə proqnozlar və ”what if”-əgər olarsa zənciri üzrə cavablar verə bilər. 
Neyron şəbəkələrin istifadəsinin faydalı tərəfləri aşağıdakılardır: 

Adaptiv öyrənmə - Nümunələrə uyğun olaraq verilənlərin necə həll olunacağını 
öyrənə bilmək; 

Öz-Özünə təşkil edilmə - Öyrənmə müddətində qəbul etdiyi informasiyaların 
özünə uyğun şəkildə təşkilini və təqdimatını həyata keçirmək; 

Real vaxt rejimində işləmə- Bu paralel hesablamalar apara bilmək ( Bu 
xüsusiyyətinə görə xüsusi aparatlar yaradılır); 
Müasir kompüterlər həm ədəd, həm də simvol formasında olan 
informasiyaları insanlarla müqayisədə daha sürətli şəkildə emal etmə bacarığına 
malikdir. Ancaq insanlar, yəni ekspertlər, proqram yaradıcıları və ya adi istifadəçilər 
xarici verilənlər əsasında çox mürəkkəb sayılan məsələləri belə uğurla həll edə 
bilirlər. Məsələn, insanlar ani görünən hərşeyi tanıma kimi özəlliyinə görə ən “ağıllı” 
texnologiyalardan çox öndədir. Çünki ən güclü super kompüterlər belə bu hələki 
xüsiyyətlərə malik deyil. Bunun isə tək səbəbi ondadır ki, bioloji neyron sistemimizin 
quruluşu Con fon Neymanın yaratdığı maşının arxitekturasından çox fərqlidir. 
Süni neyron şəbəkələri vasitəsilə həlli mümkün olan əsas problemlər bunlardır: 

Obrazların təsnifləşdirilməsi – giriş siqnalının təyinatı;

Klasterləşdirmə - oxşar obrazların yaxınlaşdırıması; 

Funksiyaların aproksimasiyası –məlum olmayan funksiyaların qiymətlərinin 
tapılması. 

Proqnozlaşdırma - əvvəlcədən nəticə barədə məlumatın verilməsi; 

---

66 

Optimallaşdırma - müəyyən şərtlər daxilində məqsəd funksiyasının 
ekstremum ( ən böyük və ən kiçik) qiymətinin tapılması; 

Assosiativ yaddaş - məzmuna görə ünvanlaşdırma; 

İdarəetmə- giriş verilənlərinin lazım olan çıxış verilənlərinə çevrilməsi. 
Süni neyron şəbəkələrin 2 tipi vardır : 

Bir tərəfli SNŞ (FreeForward ANN) – İnformasiya axını bir istiqamətlidir, hər 
bölmə bilik almayan digər bölməyə informasiya göndərir, informasiya əks 
istiqamətdə 
gedə 
bilmir, 
sabir 
girişləri 
və 
çıxışları 
var, 
obrazlarıntəsnifləşdirilməsində, tanınmasında, klasterləşdirmədə istifadə 
olunur. 

Əks əlaqəli SNŞ (FeedBack ANN) – İnformasiya axını zamanı əks əlaqəyə 
icazə verilir, sabit giriş və çıxışları yoxdur, assosiativ yaddaş məsələlərində 
isitfadə olunur.
Bu şəbəkələrdə neyronlar istiqamətlənmiş oxlarla əlaqələnir və istifadə edilən hər ox 
iki neyron arasındakı informasiya axınını göstərir. Hər əlaqənin iki neyron arasındakı 
siqnala nəzarət edəcək sayda tam sayı və çəkisi var.