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

39.Bazis vektorlarning mashinasi. Bazis vektorli mashina asosida ma'lumotlarni tasniflash.
"Bazis vektorli mashina" (Support Vector Machine, SVM) — bu sun'iy intellekt modeli, ma'lumotlarni tasniflash uchun ishlatiladi. U tasvir, matn, yoki boshqa ma'lumot turlarini sinflandirish uchun juda samarali bo'lib, mahalliy samaradorlik (local generalization) va samarador ta'lim (effective learning) muvaffaqiyatiga ega.

SVM tarmoqi quyidagi asosiy xususiyatlarga ega:

1. **Bazis vektorlar:** Tasvir to'plamida sinflar orasida so'nggi va foydalanish uchun eng muhim ma'lumotlarni aniqlaydigan "bazis vektorlar"ni aniqlashga harakat qiladi.

2. **Sinflarni ajratish:** Tasniflashda, SVM sinflarni ajratib tashlashda foydalaniladi. Ular orasidagi joylashuvni aniqlash uchun tasvirni boshqa sinfni o'z ichiga qabul qilgan (tasvirlar orasida aloqador joylashuvi bormi yoki yo'qmi) "ayrim tekisligi" (margin) bo'lgan hiper-diorama (hyperplane) bilan ajratadi.

3. **Kernel metodi:** Kernel metodi, tasniflash uchun ishlatiladigan nisbat ko'paytirish (nonlinear mapping) ni o'z ichiga oladi. Bu usul orqali, ko'paytirilgan ma'lumotlarning joylashuvi tasvirlarda maydonlar orasida kvadratlik geometrik bayonotni ajratish mumkin.

SVM tasniflashda va regressiyada foydalaniladi. Tasniflashda aloqador sinflarni ajratishda, tasvirlar o'rtasida bo'lgan joylashuvi "ayrim tekisligi" (margin)ni maksimal qilish uchun yorqinlikni o'rgatadi. Regressionda esa, boshqa modellar bilan qiyoslashdan qat'i noma'lumlikka ega bo'lmagan, o'zgaruvchanlarning chiziqli aloqasini yaxshi aniqlashga harakat qiladi.

40. Vektor tarmoqlarini o'qituvchi ishtirokida kvantlash (LVQ)
"Vektor tarmoqlarini o'qituvchi ishtirokida kvantlash" (Learning Vector Quantization, LVQ) — bu ma'lumotlarni o'qitish uchun ishlatiladigan tarmoq modeli. U tasniflash va regressiya uchun ishlatilishi mumkin. LVQ, ma'lumotlar to'plamini sinflar bo'yicha ajratishda, ma'lumotlarni o'rganishda, yoki boshqa ishlarda yaxshi natijalarga erishishda yordam bera olish uchun ishlatiladi.

LVQ asosan quyidagi bosqichlardan iborat:

1. **Ishonch parametrlarini tanlash:** LVQni ishga tushirish uchun, sinflarni ajratib tashlash va o'rganish uchun ishlatilgan xususiy parametrlarni (masalan, sinflar orasida masofani o'lchovchi parametrlar) tanlash kerak.

2. **Ta'lim qilish:** LVQ, har bir ma'lumot uchun tarmoqning o'zgaruvchanlarini (vektorlar) ishlatib, uni mos keluvchi sinfga bog'lab o'rgatish orqali ta'lim olishni o'z ichiga oladi. O'rganish natijasida, LVQ modeli sinflarni alohida joylashtiradi va ma'lumotlarni to'g'ri sinfda joylashtirish uchun masofani o'lchab oladi.

3. **O'rganilgan ma'lumotlarni sinflandirish:** LVQ modeli, o'rganish jarayonida yaratilgan sinflar bo'yicha ma'lumotlarni joylashtiradi. Keyinchalik, yangi ma'lumotlar kelganda, ularni sinflandirish uchun o'rganilgan sinflarni ishlatadi.

LVQ asosan tasniflash uchun ishlatiladi, ammo uning asosiy vazifalari ishonchli parametrlarni tanlash, ma'lumotlarni sinflandirish uchun sinflarni ajratib tashlash va o'rganishda yaxshi natijalarga yetishishdir.