1-variant 1, Fanning maqsad va vazifalari, predmeti va metodlari

3-variant
1 «Intelekt» so’zi lotincha «intellectus» so’zidan kelib chiqqan bolib, u bilish (aniqlash), tushunish yoki faxmlash (aql) ma’nosini beradi. «Intelekt» so’zini aniqlovchi, psixologlar tuzgan uch-ta tushunchani (Katta sovet entsiklopediyasi va Vester-ning amerika lugatidan olingan) keltiramiz. Bu tushun-chalar «intelekt» tushunchasi mazmunini aniqlash uchun yordam beradi. Intelekt — fikrlash qobiliyati, ratsional bilish va shunga oxshash. Umumiy xolda esa fikrlash, shaxsni aqliy rivojlanishi sinonimi bolib xizmat qiladi. Intelekt (aql) — oz xulqini sozlash yoli bilan xar qanday (ayniqsa yangi) xolatga etarli baxo berish qobiliyati. Intelekt — turmushdagi dalillar urtasidagi ozaro bogliqlikni tushunish qobiliyati. Bu qobiliyat belgilan-gan maqsadga erishishga olib boruvchi xarakatlarni ishlab chiqish uchun kerak boladi. Yuqorida aniqlangan «intelekt» tushunchasidan shunday xulosa chiqarish mumkinki, ya’ni intelekt faqat insonlarga tegishli va odam aqliy qobiliyatining uziga xos ulchovidir. Intelektual tizimlaridan foydalaniladigan asosiy atamalarni ko’rib chiqamiz: Algoritm - bu rasmiy tadbir bo’lib, u muvofiq qaror olishini kafolatlaydi. Bilimlar bazasi - bu Intelektualtizimining predmetli bilimlarga ega qismi. Dispetcher - bu chiqarish mexanizmining bir qismiu predmetli bilimlardan qoidalarni qachon va qanday tartibda qo’llashini hal qiladi. Bilim - bu dasturda foydalaniladigan intellektual axbort. Interpertator - bu chiqarish mexanizmining bir qismi, u predmetli bilimlarni qanday tartibda qo’llashni hal qiladi. CHiqarish mexanizmi - bu Intelektualtizimining o’zida vazifani echish jarayonini boshqarish sxemasi haqidagi umumiy ma’lumotlarga ega qismi. Ishonishlik koeffitsienti - bu ehtimollik yoki ishonchlilik darajasini bildiruvchi son, u bilan ushbu dalilllar va qoidalarni ishonchli deb hisoblash mumkin. Qoida - bu bilimlar vazifasining AGAR , UNIM ko’rinishidagi rasmiy usuli. Intelektual tizimi - bu bilimlarga asoslangan usul, unda predmetli bilimlar yaqqol ko’rinishda ko’rib chiqilgan va boshqa bilimlardan ajratilgan. Evristik - bu predmetli sohada echimlarni qidirishni soddalashtiradigan yoki chegaralaydigan qoidalar. Freym - bu bilimlarni katak ko’rinishida taqdim etish usuli, unda ob’ektlar kollar, ularning xossalari yoylar bo’ladi. Slot - bu ob’ekt xususiyatini bayon qilish atributi. Robastlik - echuvchining ma’lumotlarning, berilgan ishonchliligi chegaralariga yaqinlashgani sari ish sifatini asta-sekin pasaytirish qobiliyati. Intelektual tizimlarining atamashunosligi. Intelektual tizimlari bugun bir necha mingdagi har xil dasturiy majmuallarni 4 birlashtiradilar, ularni har xil mezonlar bo’yicha tasniflash mumkin Intelektual tizimlarining tasnifi. Har bir mezon bo’yicha tasnifni ko’rib chiqamiz. Echilayotgan vazifa bo’yicha tasnif. Ma’lumotlarning interpretatsiyasi. Bu Intelektual tizimlar uchun an’anaviy vazifalarning biridir. Interpritatsiya ostida ma’lumotlarning ma’nosini aniqlash tuShuniladi, uning natijalari kelishilgan va aniq bo’lishi kerak. Odatda ma’lumotlarning ko’p variantli tahlili ko’zda tutiladi. Bunday ETda rejalashtirilayotgan faoliyat natijalarini mantiqiy chiqarish uchun haqiqiy ob’ektlar xulqi modelidan foydalaniladi. 7 O’qitish tizimi qandaydir fanni EHM yordamida o’rganishda xatolarni diagnostikalaydi va to’g’ri qarorlarni aytib beradi. U gipotetik “o’quvchi” va uning o’ziga xos xatolari haqidagi bilimlarni jamlaydi, keyin ishlashda o’qiyotganlar bilimlaridagi kuchsiz joylarni diagnostikalash va ularni bartaraf qilish uchun tegishli vositalarni topishga qodir. Intelektual tizimlari tarkibida o’zaro hamkorlik komponenti ajratiladi. Uning belgilanishi quyidagilardan iborat . Foydalanuvchi Intelektualtizimi muloqotini tashkil qilish. Ayrim xabarlarni muloqotning joriy holatini hisobga olish bilan ya’ni Intelektualtizimining ichki Shaklidagi tabiiy tili bilan ishlab chiqishni amalga oshirsh. Hozirgi vaqtda Intelektualtizimi bilan muloqotning umum qabul qilingan modellari mavjud emas. Umumiy holda muloqot quyidagi tarkibiy qismlar bilan ta’riflanishi mumkin. Muloqot va mavzuning ishtirokchilarini belgilovchi parametrlarini ko’pchiligi bilan. Parametrlarning bayoni bilan. Muloqotning makrotuzilmasi bilan. Intelektual tizimlaridan foydalanishning texnologiyalari. Intelektual tizimlarini yaratish va ulardan foydalanish axborot texnologiyalaridan foydalanishning kontseptual bosqichlaridan biridir. Ba’zi bir predmetli sohaning muammolarini intellektual echishning asosida tajribali mutaxassis - ekspertlar bilimlarining qayta tiklash tamoyili etibdi. Intelektualshaxsiy tajribasidan kelib chiqqan holda vaziyatni tahlil qiladi va eng foydali axborotlarni bilib oladi, qarorlar qabul qilishni muvofiqlashtiradi, boshi berk yo’llarni epib qo’yadi. Intelektualtizimi - bu ba’zi bir predmetli sohadagi murakkab vazifalarni echish uchun bilimlarni tashkil qilish, jamlash va qo’llash usullari va vositalarini majmuasidir. Intelektualtizimi mutaxassislar guruhining yuqori malakali tajribasiga suyangan holda qarorlarni tanlab olishda ko’p sonli muqobillarning oshiqchaligi hisobiga yuqoriroq samaradorlikka erishadi, yangi omillarning katta hajmining ta’sirini strategiyalarni qurishda ularni baholab, bashorat imkoniyatlarini qo’shib tahlil qiladi. Intelektualtizimining asosi qarorlar qabul qilish jarayonini shakllantirish maqsadlarida tarkiblashtirilgan bilimlar (bilimlar bazasi)ning majmuasidan iborat. Intelektual tizimlari o’qitishni hisobga olish bilan ishlab chiqiladi va qarorlarni tanlash mantiqini asoslashga qodirlar ya’ni moslashuvchanlik va uni dalillar bilan isbotlash xususiyatlariga egadir. Ko’pgina Intelektual tizimlarida izohlash mexanizmi mavjud. Bu mexanizm tizim qanday qilib ushbu qarorga kelganligini izohlash uchun zarur bilimlardan foydalaniladi. Intelektualtizimini qo’llash sohasini, undan foydalanish va harakat qilish chegaralarini aniqlash juda
3.2
muhimdir. Tajribali mutaxassislardan foydalanishga nisbatan Intelektualtizimining afzalligi quyidagilardan iborat: Erishilgan omilkorlik yo’qotilmaydi, hujjatlantirilishi, uzatilishi, qayta tiklanishi va ko’paytirilishi mumkin. Barqarorroq natijalar mavjud bo’ladi insoniy ishonchsizlikning hissiyotli va boshqa omillari yo’q. Ishlab chiqishning yuqori qiymati, foydalashning past qiymati, nusxa ko’chirish imkoniyatlar bilan tenglashtiriladi, birgalikda ular yuqori malakali mutaxassisdan 11 orzondir. Intelektual tizimlarining zamonaviy holati uchun xos bo’lgan kamchiligi yangi qoidalar va kontseptsiyalarga
2 Data mining tushunchalari Data mining “o’lja” yoki “ma’lumotlar topilmasi” deb tarjima qilinadi. Ko’pincha Data mining yonida “ma’lumotlar bazalarida bilimlarini topish” (knowledge discovery in databases) va “ma’lumotni qazib olish” so’zlari mavjud. Ular Data mining bilan sinonim deb hisoblanishi mumkin. Bu atamalarning barchasining paydo bo’lishi ma’lumotlarni qayta ishlashning vositalari va usullarini ishlab chiqishda yangi tur bilan bog’liq. Data mining-ning maqsadi ma’lumotlar to’plamlaridagi yashirin qoidalar va naqshlarni aniqlashdir Gap shundaki, inson ongining o’zi turli xil ma’lumotlarning katta sohalarini idrok etishga moslashmagan. Inson hatto kichik namunalarda ham ikki uchdan ortiq munosabatlarni tutib olomaydi. Ammo uzoq vaqt davomida ma’lumotlarni tahlil qilishning asosiy vositasi deb da’vo qilgan an’anaviy matematik statistika ham ko’pincha muammolarni haqiqiy murakkab hayotdan hal qilishda muvaffaqiyatsizlikka uchraydi.Data mining zamonaviy texnologiyalari (discovery driven data mining) turli xil ko’p o’lchamlik ma’lumotlar fargmentlari uchun xarakterlik bo’lgan shablonlarni (pattern) avtomatik qidirish maqsadida amalga oshiriladi. Onlayn analitik ishlov berishdan (OLAIB) faqli o’laroq, Data mining gipotezalarni shakllantirish va kutilmagan shablonlarni aniqlash odamdan kompyuterga o’tkazdi
3.Sunʼiy neyron tarmoq — bu miyadagi soddalashtirilishidan ilhomlangan oʻzaro bogʻlangan tugunlar guruhi. Bu erda har bir aylana tugun sunʼiy neyroNTi ifodalaydi va oʻq bir sunʼiy neyroNTing chiqishidan boshqasining kirishiga bogʻlanishni anglatadi.Sunʼiy neyron tarmoqlari (SNT), odatda oddiygina neyron tarmoqlari (NT) deb ataladi, hayvonlar miyasini tashkil etuvchi biologik neyron tarmoqlardan ilhomlangan hisoblash tizimlari.SNT sunʼiy neyronlar deb ataladigan bogʻlangan birliklar yoki tugunlar toʻplamiga asoslanadi, ular biologik miyadagi neyronlarni erkin modellashtiradi. Sunʼiy neyron signallarni oladi, keyin ularni qayta ishlaydi va unga ulangan neyronlarga signal berishi mumkin. Ulanishdagi „signal“ haqiqiy raqam boʻlib, har bir neyroNTing chiqishi uning kirishlari yigʻindisining chiziqli boʻlmagan funksiyasi bilan hisoblanadi. Ulanishlar deyiladi qirralar. Neyronlar va chekkalar odatda oʻrganish davom etayotganda sozlanadigan vaznga ega. Neyronlar shunday chegaraga ega boʻlishi mumkinki, signal faqat yigʻilgan signal ushbu chegarani kesib oʻtgan taqdirdagina yuboriladi. Odatda, neyronlar qatlamlarga yigʻiladi. Signallar birinchi qatlamdan (kirish qatlami), oxirgi qatlamga (chiqish qatlami), ehtimol, qatlamlarni bir necha marta bosib oʻtgandan keyin oʻtadi.
4. To'g'ridan-to'g'ri tarqalish tarmoqlari Qayta aloqa tarmoqlari Takroriy neyron tarmoqlari sun'iy neyron tarmoqlar bo'lib, unda neyronning chiqishi uning kirishiga qaytarilishi mumkin. Umumiy holda, bu chiqishdan kirishlarga signalning tarqalishi imkoniyatini anglatadi. Guruch. 19. Teskari aloqaga ega tarmoqlar Bu tamoyil keng imkoniyatlarni ochib beradi, uning yordamida signallarni tiklaydigan va to'ldiruvchi, ya'ni odam kabi qisqa muddatli xotiraga ega bo'lgan tarmoqlarni yaratish mumkin. Neyron tarmoqlari qanday ishlashini tushunishning eng muhim jihatlaridan biri bu neyronlar to'plami berilgan vazifani to'g'ri bajarish uchun nima kerakligini tushunishdir. Buning uchun tarmoqni o'rganish jarayoni mavjud. ANN odamlar kabi o'rganadi. Neyron tarmoqni o'rgatish (trening) - bu tarmoqdan o'tgandan keyin kirish signali bizga kerak bo'lgan chiqishga aylantiriladigan bunday og'irlik koeffitsientlarini qidirish. "Neyron tarmoqlarni o'qitish" atamasiga bunday yondashuv biologik neyron tarmoqlariga ham mos keladi. Bizning miyamiz juda ko'p sonli o'zaro bog'langan neyron tarmoqlardan iborat. Ularning har biri alohida-alohida bir xil turdagi neyronlardan iborat (faollashtirish funktsiyasi bir xil). Biz sinapslarni, kirish signalini kuchaytiradigan / zaiflashtiradigan elementlarni o'zgartirish orqali o'rganamiz. Agar siz tarmoq kiritishiga faqat bitta signalni bir necha marta qo'llasangiz, u odam uchun oz miqdordagi ma'lumotni eslab qolish osonroq bo'lgani kabi, uni eslab qoladi. Bizga kerak bo'lgan narsa belgilarni tasniflash va umumlashtirish, ya'ni to'g'ri javob berish qobiliyatidir. Trening to'plami aynan shu maqsadda. Trening to'plami - tarmoq o'qitilgan kirish signallarining cheklangan to'plami (ba'zan to'g'ri chiqish signallari bilan birga). Tarmoqni o'qitgandan so'ng, siz uni amalda qo'llashga harakat qilishingiz va trening namunasida bo'lmagan kirishlarga signallarni qo'llashingiz mumkin. Ammo buni amalga oshirishdan oldin, natijalarning to'g'riligi uchun tarmoqni tekshirishingiz kerak, buning uchun sinov namunasi mavjud. Sinov to'plami - tarmoq sifatini baholash uchun ishlatiladigan kirish signallarining cheklangan to'plami (ba'zan to'g'ri chiqish signallari bilan birga). Shunday qilib, ANN treningi har bir sun'iy neyron uchun to'g'ri og'irliklarni tanlashdir. Buning uchun ikkita usuldan foydalanish mumkin: O'qituvchi bilan mashg'ulot. Amaliyotning ma'nosi shundan iboratki, ANN kirishiga signal beriladi, unga to'g'ri javob oldindan ma'lum.
3.3
Agar tarmoq to'g'ri javob bersa, og'irliklar o'zgarmaydi. Agar tarmoq tomonidan berilgan javob noto'g'ri bo'lib chiqsa, chiqishlardan kirishlarga qadar, maxsus algoritmlarga muvofiq, ANN og'irliklari sozlanadi va o'quv namunasi tugaguniga qadar mashg'ulotlar davom etadi. Nazorat ostida o'qitish - tarmoqli o'rganishning bir turi bo'lib, uning vaznlari tarmoqning javoblari allaqachon tayyorlangan to'g'ri javoblardan minimal farq qiladigan tarzda o'zgaradi. Kirish signallari sifatida siz ma'lum kunlarni, bozorning umumiy holatini va boshqa parametrlarni olishingiz mumkin. Va to'g'ri javoblar sifatida - o'sha kunlarda narxning ko'tarilishi va tushishi. O'qituvchisiz o'rganish. Nazoratsiz o'rganish kirish signallariga to'g'ri javob noma'lum bo'lganda qo'llaniladi. Bunday holda, butun o'quv majmuasi faqat kirish signallaridan iborat. Bunday trening bilan tarmoq unga kiritilgan signallardan sinflarni ajratishni boshlaydi, ya'ni klasterlashni amalga oshiradi. Misol uchun, biz avtobus, trolleybus va tramvayga mos keladigan ob'ektlar va ularning xususiyatlarini tarmoqqa kiritamiz. Vaqt o'tishi bilan INS ushbu ob'ektlarga mos keladigan uch xil signalni ishlab chiqaradi. Nazoratsiz o'qitish - tarmoq kirish signallarini mustaqil ravishda tasniflaydigan tarmoq o'rganish turi. To'g'ri (mos yozuvlar) chiqish signallari ko'rsatilmaydi. Ushbu ma'lumot neyron tarmoqlarga asoslangan tasvirlarda ob'ektni aniqlash tizimlarining turli prototiplarini yaratish uchun zarurdir.
5. Katta hajmli ma’lumotlar - “Big data”ga kirish.Big data(katta ma'lumotlar) - juda katta hajmdagi bir jinsli bo'lmagan va teztushadigan raqamli ma'lumotlar bo'lib, ularni odatiy usullar bilan qayta ishlabbo'lmaydi. Ba'zi hollarda, katta ma'lumotlar tushunchasi bilan birga shuma'lumotlarni qayta ishlash ham tushuniladi. Asosan, analiz obyekti kattama'lumotlar deb ataladi.Big data atamasi 2008-yilda dunyoga kelgan. Nature jurnali muharririKlifford Linch dunyo ma'lumotlar hajmining juda tez sur'atda o'sishigabag'ishlangan maxsus sonida big data atamasini qo'llagan. Biroq, katta ma'lumotlaravval ham bo'lgan. Mutaxassislarning fikricha, kuniga 100 gb dan ko'p ma'lumottushadigan oqimlarga big data deb aytilar ekan.Katta ma'lumotlarni analiz qilish, inson his etish imkoniyatidan tashqaridabo'lgan qonuniylatlarni aniqlashda yordam beradi. Bu esa kundalik hayotimizdagibarcha sohalar, hukumatni boshqarish, tibbiyot, telekommunikatsiya, moliya,transport, ishlab chiqarish va boshqa sohalarni yanada yaxshilash, ularningimkoniyatlarini oshirish, muommolarga muqobil yechimlar izlab topish imkoniniyaratadi.Zamonaviy axborot tizimlarida foydalaniladigan axborot (ayniqsa video, audiomultimediali ma’lumotlar) hajmini jadal o‘sishi oldimizga ushbu axborotnima’lumotlar bazasida saqlash va ularni boshqarishning yangi murakkabmasalalarni qo‘yadi. Quyida katta hajmdagi multimedia ma’lumotlarni tashkilqilishga, shuningdek ular bilan ishlash vositalari tahlil qilib chiqamiz. Katta hajmlimultimedia ma’lumotlar to‘rtta asosiy xarakteristikaga ega bo‘ladi: hajm, xilma-xillik, tezlik, narhi.1. Hajm. Insonlar va mashinalar tomonidan xosil qilinayotgan ma’lumotlarningo‘sib borayotgan soni, axborot texnologiyalari infrastrukturalariga ma’lumotlarnisaqlash, ishlov berish va taqdim etishida yangi talablarni qo‘yadi.2. Xilma-xillik. Turli strukturalarda taqdim etilgan ma’lumotlar xilma-xilbo‘ladi. Bular kredit kartalar bo‘yicha operatsiyalar bo‘ladimi, ilmiy tadqiqotnatijalari bo‘ladimi, fotografik suratlar bo‘ladimi, video va audio ma’lumotlarbo‘ladimi barchasi o‘ziga xos ishlov va saqlash shart sharoitlarini talab etadi.3. Tezlik. Tezlik deganda nafaqat ma’lumotlarning ma’lumotlar bazasiga kelibtushish tezligi, balki bu ma’lumotlar bazasidan olinadigan ma’lumotlarni chiqariblish tezligi ham anglanadi.4. Narhi. Katta hajmdagi ma’lumotlar – qimmat resurs hisoblanadi avtomatlar asosida katta hajmli ma’lumotlarni tahlil qilish va qayta ishlash masalalarini shakllantirish, ularda virtuallashtirish texnologiyalarinig qo‘llanilishi, virtual resurslarini yaratish, hisoblash resurs va xizmatlarini taqdim etish usul va modellari o‘rganildi va tavsiflandi, xususan ovozli ma’lumotlarni tahlil qilish va qayta ishlash algoritmi va dasturiy ta’minoti ishlab chiqildi, ma’lumotlarni qayta ishlash markazlarining resurs va xizmatlarini taqdim etishning konseptual modeli ishlab chiqildi, uning samaradorligi hisoblash eksperimenti o‘tkazish yo‘li bilan ko‘rsatib berildi