1. Sun'iy intellektning asosiy tushuncha va ta'riflari, sun'iy intellekt sohasidagi tadqiqot yo'nalishlari, qanday tizimlar intellektual tizimlar toifasiga kiradi

20.Neyron tarmoqlarini o'rgatish, o'rgatishning asosiy qoidalari, ob'ektlarni klassifikatsiya qilish masalasi misolida perceptron o'rgatish algoritm.
Neyron tarmoqlarini o'rgatishda, perceptron o'rgatish algoritmi, boshlang'ich darajada hammasi yoki nima ham yo'qligini ko'rib chiqish uchun ishlatiladi. Perceptron algoritmi o'rgatishni asoslash uchun quyidagi formulalar bilan biriktiriladi:

1. **Perceptron Algoritmining Asosiy Qoidalari:**

- **Ma'lumotlar va Klasslar:** Tarmoqni o'rganish uchun ma'lumotlar va ularni tegishli klasslar kerak. Masalani o'rganish uchun yuqorida ko'rsatilgan ta'riflarni o'z ichiga olgan klassifikatsiya masalasini ko'ramiz.

- **Perceptron Arxitekturasi:** Perceptron, yuqoridagi formulada ifodalangan hisoblashni bajaradigan tarmoqning boshqa nomi. U birinchi darajada ikkita kirishni qabul qiladi (masalan, \(x_1\) va \(x_2\)), bir nechta sinaptik og'irliklarga ega bo'ladi, aktivatsiya qiymatini aniqlaydi va chiqishni hosil qiladi. U perceptronning bir nechta yopiq parametrlari mavjud bo'lib, ularni o'rgatib chiqish (klass) bo'ylab sinaptni o'zgartirish mumkin.

- **Maqsad:** O'rganish jarayonida maqsad, xususiy parametrlarni (sinaptik og'irliklar va o'zgaruvchilar) aniqlab, masala uchun to'g'ri natija hosil qilishdir.

- **Yoki, Yo'q bo'lish:** Perceptron, ma'lumotlarni qabul qilib, ularni hosil bo'lgan aktivatsiya qiymati orqali klassifikatsiya qiladi. Agar perceptron hosil bo'lgan natija to'g'ri bo'lsa (masala, obyektlar to'g'ri klassifitsirovani bo'lsa), tarmoqning xatolarini kamaytirish uchun uchuvchilar (sinaptik og'irliklar va o'zgaruvchilar) o'zgartiriladi. Agar natija noto'g'ri bo'lsa, uchuvchilar xatolikni kompensatsiya qilish uchun o'zgaradi.

- **Sinaptik Og'irliklar va O'zgaruvchilar:** Sinaptik og'irliklar (weights) va o'zgaruvchilar (biases) perceptronning o'rganish jarayonida keng qo'llaniladigan parametrlar. Ular tarmoqning har bir qatlami uchun o'zgaradi, tarmoq hosil bo'lgan xatolarini kamaytirish uchun.

2. **Perceptron O'rgatish Misoli:**

Klassifikatsiya masalasida, yoki XOR masalasida perceptron o'rgatishni ko'rib chiqamiz.

XOR masalasida ikki ma'lumot \(x_1\) va \(x_2\) berilgan. Ular qo'shish yoki ayirish (0 yoki 1) natijasini hosil qiladi. Masalan, \(x_1 = 1\) va \(x_2 = 1\) uchun natija 0 (ayirish), \(x_1 = 0\) va \(x_2 = 1\) uchun natija 1 (qo'shish), va hokazo.

Perceptronning boshlang'ich parametrlari bilan boshlanadi:
- \(w_1 = 0.5\)
- \(w_2 = 0.5\)
- \(b = -1\)

Tarmoqning aktivatsiya funksiyasi \(f(x) = \begin{cases} 1 & \text{if } x > 0 \\ 0 & \text{if } x \leq 0 \end{cases}\).

Keyingi qadamlar:

- Ma'lumotlarni tarmoqga kiritish: \(x_1 = 1\), \(x_2 = 1\).

- Aktivatsiya qiymatini hisoblash: \(z = w_1 \cdot x_1 + w_2 \cdot x_2 + b\).
- Aktivatsiyani o'rganish: \(a = f(z)\).
- Natijani tekshirish va qatlamni o'rganish: Agar natija to'g'ri bo'lsa, keyingi ma'lumotlarni o'rgatishdan (qo'shishdan) yoki qayta o'rgatishdan (ayirishdan) boshlanadi. Agar natija noto'g'ri bo'lsa, sinaptik og'irliklarni o'zgartirishdan boshlanadi.

Bu jarayon bir nechta marta takrorlanadi, va sinaptik og'irliklar o'zgaradi, masala to'g'ri natijaga yetib boradi. Ushbu misol perceptron o'rgatishni tushunishda yordam beradi va boshlang'ich qavratlar ustida qo'llaniladi.