1. Chuqur o‘qitish tushunchasi. Neyron tarmoqlarning nutq signallarini tanib olishga qo’llanilishi

2.4. Nutq signalining belgilar tasnifi
Odatda belgilar tizimiga quyidagi talablar quyiladi:

• informativlik, ya’ni belgilar majmui nutqning tanib olinadigan elementlarini ishonchli identifikasiyalashni ta’minlashi kerak;
• hajmni minimallashtirish [16, 17], ya’ni ovoz signalini maksimal darajada siqish va parametrlarning statistik korrelasiyalanmaganligi;
• diktorga bog’liq bo’lmaslik, ya’ni diktorning shaxsiy xususiyatlari bilan bog’liq ma’lumotlarni belgilar vektoridan maksimal tarzda o’chirib tashlash;
• bir xillik, ya’ni parametrlar o’rtacha bir xil dispersiyaga ega bo’lishi kerak;
• belgilar to’plamlari o’rtasidagi yaqinlikni aniqlash uchun oddiy metrikadan foydalanish imkoniyati.

Amaliyotda mikrofondan olingan nutq signali 8-22 kGs diskretlash chastotasida raqamlashtiriladi. Ketma-ket raqamli qiymatlar 10-30 ms davomiylikdagi nutq fragmentiga (freymga) ajratiladi, bunday davomiylik nutqning kvazistasionar qismlariga to’g’ri keladi. Har bir freymdan belgilar vektori hisoblab chiqiladi, bu vektorlar keyinchalik nutqni tanib olishning akustik darajasida qo’llaniladi. Hozirda signallarni parametrik taqdim etishning avtokorrelyasion tahlil, apparatli chiziqli filtrasiya, spektral tahlil, LPC ga asoslangan keng miqyosdagi usullari mavjuddir [14, 15].
Nutqni parametrlashtirishda eng keng tarqalgan yondashuv signal fragmentlarini spektral tahlil qilish hamda ularning xususiyatlarini hisoblashdir.

3. Neyron tarmoqlarni tasvirlardagi obektlarni tanib olishga qo’llash
 
3.1. Tasvirni tanib olish jarayoni
Tasvirni tanib olish keng tarqalgan bo'lib, har kuni minglab kompaniyalar va millionlab iste'molchilar tomonidan qo'llaniladi. Tasvirni tanib olishning markazida chuqur o'rganish, xususan, CNN, vizual korteksni yo'q qilishni simulyatsiya qiluvchi va tasvir ma'lumotlarini tahlil qiluvchi neyron tarmoq arxitekturasi mavjud. CNN va neyron tarmoqlarining tasvirni tanib olish elektron tijorat, o'yin, avtomobil, ishlab chiqarish va o’quv kabi ko'plab dasturlarga ega bo'lgan kompyuterli ko'rish uchun chuqur o'rganishning asosiy tarkibiy qismi hisoblanadi.