Texnologiyalari universiteti

Pastki qavat	Har bir o'yin uchun o'rtacha evolyutsiya soni (oldin → keyin)
G'alaba foizi (1 million o'yin) (oldin → keyin)
Evasion Link Gen	1,54 → 2,16	59,1% → 49,8%
Zarar Shifolash	0,86 → 1,76	40,9% → 50,2%

Xulosa
Men ushbu mavzudan mashinalarni oqitishning turli usullari mavjud ekanligini va muammolarni hal qilishni yaxshilash uchun ishlatilishi mumkin bo'lgan vosita ekanligi kasalliklarni aniqlash va global iqlim o'zgarishiga qarshi echimlarni topish kabi turli xil muammolar bo'yicha asosli xulosalar chiqarishi mumkin ekan. Aqilli oyinlarni yartishda mashinani o’rganish muhim axamyatga ega, mashinani oqitish orqali aqilli o’yinlarni algaritiminimi to’gti tuzish sozlamalarii xam tartibli to’g’rilashda muxim ro’l o’ynaydi Bu orqali ko’p ma’lumotlarni yeg’ish va fikrlashga yordam berar ekan. Bu esa ko’plab muammolarni hal qilishda va tehnika taraqqiyotini yanada rivojlanishiga olib kelar ekan.
Foydalanilgan adabiyotlar.

1. 
   Нейронная сеть // Большая российская энциклопедия : [в 35 т.] / гл. ред. Ю. С. Осипов М. Большая российская энциклопедия, 2004—2017.
   
2. 
   Перейти обратно: Мак-Каллок У. С., Питтс В. Логическое исчисление идей, относящихся к нервной активности Архивная копия от 27 ноября 2007 на Wayback Machine // Автоматы / Под ред. К. Э. Шеннона и Дж. Маккарти. — М.: Изд-во иностр. лит., 1956. — С. 363—384. (Перевод английской статьи 1943 г.)
   
3. 
   Горбань А. Н. Кто мы, куда мы идём, как путь наш измерить? Архивная копия от 14 августа 2009 на Wayback Machine Пленарный доклад на открытии конференции Нейроинформатика-99 (МИФИ, 20 января 1999). Журнальный вариант: Горбань А. Н. Нейроинформатика: кто мы, куда мы идём, как путь наш измерить // Вычислительные технологии. — М.: Машиностроение. — 2000. — № 4. — С. 10—14. = Gorban A.N. Neuroinformatics: What are us, where are we going, how to measure our way? Архивная копия от 17 февраля 2016 на Wayback Machine The Lecture at the USA-NIS Neurocomputing Opportunities Workshop, Washington DC, July 1999 (Associated with IJCNN’99). Лекун, 2021, с. 78.
   
4. 
   Н. Винер. Кибернетика. 2-е изд., 1961, гл. I.
   
5. 
   Голубев, 2007, с. 4.
   
6. 
   Pattern Recognition and Adaptive Control. BERNARD WIDROW. Дата обращения: 9 февраля 2009. Архивировано 22 июня 2010 года.
   
7. 
   Уидроу Б., Стирнс С. Адаптивная обработка сигналов. — М.: Радио и связь, 1989. — 440 c.
   
8. 
   Петров А. П. О возможностях перцептрона // Известия АН СССР, Техническая кибернетика. — 1964. — № 6.
   
9. 
   Бонгард М. М. Проблемы узнавания. — М.: Физматгиз, 1967.
   
10. 
    Голубев, 2007, с. 5.
    
11. 
    Хакимов Б. Б. Моделирование корреляционных зависимостей сплайнами на примерах в геологии и экологии. — М.: Изд-во Моск. ун-та; СПб.: Нева, 2003. — 144 с.
    
12. 
    Werbos P. J. Beyond regression: New tools for prediction and analysis in the behavioral sciences. — Ph. D. thesis, Harvard University, Cambridge, MA, 1974.
    
13. 
    Галушкин А. И. Синтез многослойных систем распознавания образов. — М.: Энергия, 1974.
    
14. 
    Rumelhart D.E., Hinton G.E., Williams R.J., Learning Internal Representations by Error Propagation. In: Parallel Distributed Processing, vol. 1, pp. 318—362. Cambridge, MA, MIT Press. 1986.
    
15. 
    Manba: https://habr.com/
    
16. 
    httpshttps://integral-russia.ru/2021/06/21/mashinnoe-obuchenie-dlya-sozdaniya-umnyh-igr-kak-eto-delaetsya/