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

16.Neyron tarmoqlarining tasnifi, alohida arxitekturalarning afzalliklari va kamchiliklari.
**Neyron Tarmoqlarining Tasnifi:**

Neyron tarmoqlarining tasnifi bir nechta parametr va xususiyatlarga ko'ra amalga oshirilishi mumkin. Quyidagi tasnif asosida neyron tarmoqlarining uchta eng mashhur turini ko'ramiz:

1. **Uchuvchi Tarmoqlar (Feedforward Neural Networks):** Uchuvchi tarmoqlar, axonlarning tomonidan o'tkazilayotgan ma'lumotlarning bir tomonidan yoki bir martalik ravishda o'tkaziladi. Uchuvchi tarmoqlar o'rganish, tasvirni aniqlash, klassifikatsiya qilish va boshqa vazifalarni bajarishda keng qo'llaniladi. Ular quyidagi turli xususiyatlarga ega bo'lishi mumkin:
- **Oddiy Uchuvchi Tarmoq (Single-Layer Feedforward Network):** Bir neyron yoki ko'p neyronli o'zi bir nechta kirishni qabul qiladigan tarmoq. Oddiy tarmoqlar yalqin ishlarda ishlatiladi va ularning tahlili oson bo'lishi mumkin, ammo murakkab ma'lumotlar bilan ishlashda kam bo'ladi.
- **Ko'p Qatorli Tarmoq (Multilayer Feedforward Network):** Bir nechta qatordan iborat bo'lgan tarmoq. Uchuvchi tarmoqlarining ko'p qatorli versiyalari xossalardagi tashqi tasvirlarni aniqlashda va oddiy tarmoqlardan ko'ra murakkab amallarni bajarishda ishlatiladi.

2. **So'rovtan So'nggi Tarmoqlar (Recurrent Neural Networks - RNN):** RNN tarmoqlari, oldingi ma'lumotlarni xotira qiladigan va uni keyingi operatsiyalar uchun ishlatadigan o'zgaruvchilarni o'z ichiga olgan ma'lumotlar bilan ajratilgan. Bu shaklning afzalliklari, o'zgaruvchilarning oldingi ma'lumotlarga bog'liq bo'lishi va so'rovtan so'nggi ma'lumotlarni foydalanishdir. Ular, biror qisimda kelgan ma'lumotlarni qabul qilish, sinapslarni o'zgartirish va boshqa amallarni bajarishda ishlatiladi.

3. **Qattiq Tarmoqlar (Convolutional Neural Networks - CNN):** CNN tarmoqlari, tasvir ma'lumotlarni tahlil qilish, aniqlash va klassifikatsiya qilish uchun mo'ljallangan. Ular, so'rov kelganda avtomatik ravishda filtrlar orqali tasvirlarni o'rganishda va kamaytirishda ishlatiladi. CNN tarmoqlari tashqi tasvirlarni aniqlashda va sinapslarni o'rganishda yaxshi natijalarni olishadi.

**Alohida Arxitekturalarning Afzalliklari va Kamchiliklari:**

**Uchuvchi Tarmoqlar:**

- **Afzalliklar:**

- Oddiy uchuvchi tarmoqlar yozish va aniqlashda oson bo'lishi mumkin.
- Kichik miqdordagi ma'lumotlarni yaxshi aniqlashda foydalaniladi.
- Uchuvchi tarmoqlar oson tizimlanadi va ko'p joyda ishlaydi.

- **Kamchiliklar:**

- Oddiy uchuvchi tarmoqlar kompleks ma'lumotlarni tushuntirishda kam bo'ladi.
- Murakkab, bog'liq va faraziy sifatli ma'lumotlarni tahlil qilishda yetersiz bo'ladi.

**Recurrent Neural Networks (RNN):**

- **Afzalliklar:**
- So'rovtan so'nggi ma'lumotlar o'zgaruvchilar orqali qayta ishlanadi, shuning uchun ketma-ket so'rovninig kompanenti ekanligi uchun qatorli tarmoqlarga nisbatan murakkab ma'lumotlarni aniqlashda yaxshi bo'ladi.

- **Kamchiliklar:**

- Uzun o'zgaruvchi tarqalishi va qayta ishlash sababli uchuvchi tarmoqlardan murakkablik va uzun vaqt davomida aniqlashda chetlanadi.
- Gradient yo'qotish (gradient vanishing) muammolari, uchuvchi tarmoqlarning uzun