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

26.Neyron tarmoqlarining tasvirni qayta ishlashda, timsollarni tanishda, nutq
signalini qayta ishlashda qo'llanilishi.
Neyron tarmoqlarining tasvirni qayta ishlashda (image reconstruction), timsollarni tanishda (feature extraction), va nutq signalini qayta ishlashda (speech signal processing) qo'llanilishi uchun avtoenkoderlar va avtonomlar tarmoqlar ("autoassociative networks" yoki "autoencoders") juda yaxshi yechimlardir. Bu tarmoqlar ma'lumotlar tarkibidagi o'zgaruvchanlarni o'rganishda va ma'lumotlarni asosiy xususiyatlari orqali ifodalashda ishlatiladi.

1. **Tasvirni Qayta Ishlash (Image Reconstruction):**

- Avtoenkoderlar, tasvirlarni o'rgangan vaqt, tasvirni o'rganganing mosligini saqlayib, tasvirlarni qayta ishlashda yaxshi natijalarni ko'rsatadi. Avtoenkoderlar, tasvirlarni kichiklashtirish va keyingi bosqichlarda qayta tiklashda yordam beradi. Ular ko'p o'zgaruvchanlarga ega bo'lishi tufayli tasvirlarning tarkibi va asosiy xususiyatlari ifodalangan kun tartibida saqlanadi.

2. **Timsollar (Feature Extraction):**

- Timsollar, ma'lumotlardagi eng muhim xususiyatlar yoki timsollar orqali ma'lumotlar tarkibi ifodalangan va qisqa bo'lgan vektor ko'rinishida saqlanadi. Bu tarmoqlar ma'lumotlar tarkibidagi shakllantirish muhim timsollarni aniqlashda va ma'lumotlar tarkibidagi o'zgaruvchanlarni o'rganishda yordam beradi.

3. **Nutq Signalini Qayta Ishlash:**

- Nutq signalini qayta ishlashda avtoenkoderlar, nutq signalini tarkibidagi o'zgaruvchanlarni o'rganishda va ularni saqlashda yaxshi natijalarni ko'rsatishda foydalaniladi. Ular nutq signalini tarkibidagi muhim xususiyatlarni aniqlash, timsollar va aksariyat ma'lumotlar tarkibidagi o'zgaruvchanlarni o'rganishda yordam beradi.

Bu tarmoqlar avtoenkoderlar deb nomlanishi, ma'lumotlar tarkibidagi muhim xususiyatlarni aniqlash uchun foydalanilgan va u bilan birga ma'lumotlar o'zgaruvchanlarini o'rganish uchun mo'ljallangan. O'rganilgan ma'lumotlar qayta ishlashda yaxshi natijalarni olish, timsollar va tarkibidagi xususiyatlar tarkibini tushuntirish uchun yordamchi bo'lishadi.