Bug‘doy navlarini tanlash jarayoniga Multiagent texnologiyalarini qo‘llash

Tadqiqotda qo‘llanilgan metodikaning tavsifi. Tadqiqot usullari sifatida mutiagent texnologiyalarni qo‘llash, berilganlarni intellektual tahlil qilish usullari, dasturlash texnologiyalari qo‘llanilgan.
Tadqiqot natijalarining nazariy va amaliy ahamiyati. Tadqiqotning nazariy ahamiyati mutiagent texnologiyalarini qo‘llab obektlarni sinflarga ajratish, alomatlarni sayqallash, obyektlarning umumlashgan baholarini hisoblash, informativ alomatlarning to‘plamlari, obyektni tavsiflashda latent alomatlarni tanlash, obyektning bahosini hisoblashda umumlashgan baholarni hisoblash usulidan foydalanishdan iborat.
Tadqiqotning amaliy ahamiyati multiagent texnologiyalar yordamida bug‘doy navlarining hosildorligi va don sifati yuqoriligini baholovchi intellektual tizim hamda uning tarkibiy tuzilmasini ishlab chiqish.
Ish tuzilmasining tavsifi: Disertatsiya ishi kirish qismi, 3 bob, xulosa , foydalanilgan adabiyotlar va ilova qismlaridan iborat.

I BOB. MASHINALI O‘ QITISH

1.1 Mashinali o‘qitish haqida

Ko‘pchilik "mashinali o‘qitish" (ML-Machine Learning) iborasini eshitganda, ular robot haqida o‘ylashadi. Ammo ML shunchaki kelajak fantaziyasi emas, balki u allaqachon mavjud bo‘lib aslida, u optik belgilarni aniqlash (OCR-Optical Character Recognition) dasturlari kabi bir qator maxsus dasturlarda o‘nlab yillardan buyon mavjud. Ammo yuz millionlab odamlarning hayotini yaxshilaydigan, haqiqatan ham asosiy oqimga aylangan MLning birinchi ilovasi 1990-yillarda dunyoga kelgan bo‘lib u spam filtri hisoblanadi. U o‘zini hamma joyda mavjud bo‘lgan Skynet deb da'vo qilmaydi, balki u rasmiy ravishda ML ilovasi sifatida tavsiflanadi (aslida, filtr shu qadar yaxshi o‘rganadiki, siz kamdan-kam hollarda xabarni spam deb belgilashingiz kerak bo‘ladi). Bu ilovadan so‘ng yuzlab ML ilovalari paydo bo‘ldi va ular hozirda eng yaxshi tavsiyalar berishdan tortib ovozli qidiruvgacha bo‘lgan yuzlab vositalarni qo‘llab quvvatlaydi.
ML ni o‘rganishga kirishishda ML qayerdan boshlanib qayerda tugaydi? Mashinaning biror narsani o‘rganishi aniq nimani anglatadi? Agar men Vikipediya nusxasini yuklab olgan bo‘lsam, mening kompyuterim haqiqatan ham biror narsani "o‘rgandimi"? U birdan aqlli bo‘lib qoldimi? Kabi savollar miyamizni band qiladi [1].
ML ni o‘rganishni davom ettirishdan oldin, biz asosiy tushunchalarni sanab o‘tamiz:

• 
  o‘qituvchili va o‘qituvchisiz o‘rganish;
  
• 
  dinamik va ommaviy o‘rganish;
  
• 
  namunaga asoslangan va modelga asoslangan o‘rganish.
  

Shuningdek, biz odatiy ML loyihasining ish jarayonini ko‘rib chiqamiz hamda biz duch kelishimiz mumkin bo‘lgan asosiy muammolarni muhokama qilamiz va ML tizimini qanday baholash hamda yig‘ishni o‘rganamiz.
Mashinali o‘qitish - bu ma'lumotlardan o‘rganish uchun kompyuterlarni dasturlash ilmi hisoblanadi. Uning umumiy ta'riflari mavjud va ular quyidagicha:
- “Mashinali o‘qitish” - bu kompyuterlarga aniq dasturlashtirilmagan holda o‘rganish qobiliyatini beradigan ilmiy fan.
Artur Samuel, 1959 yil
- Kompyuter dasturi, agar P bilan o‘lchanadigan T vaqt bo‘yicha ishlovchi E tajribasiga ko‘ra yaxshilansa, ba'zi bir T topshirig‘iga nisbatan E tajribasidan va P samaradorligining bahosini o‘rganishiga aytiladi.
Tom Mitchell, 1997 yil
Aytaylik, bizning spam filtrimiz ML dasturi bo‘lib, berilgan spam xabarlar misollaridan (ehtimol foydalanuvchilar tomonidan teglangan) va oddiy pochta xabarlari misollaridan (spam emas) spamni belgilashni o‘rganishi mumkin. Misollar: tizim o‘qitish uchun foydalanadigan o‘quv majmuasi deb ataladi. Har bir o‘quv misoli o‘quv namunasi deb ataladi. Ko‘rib chiqilayotgan vaziyatda T vazifasi - yangi xabarlar uchun spam belgisi, E tajribasi - o‘quv ma'lumotlari va P ish faoliyatini baholashni aniqlash kerak; masalan, siz to‘g‘ri tasniflangan pochta xabarlarining nisbatini qo‘llashingiz mumkin. Ushbu aniq ishlash ko‘rsatkichi aniqlik deb ataladi va ko‘pincha tasniflash muammolarida qo‘llaniladi[2].
Agar siz faqat Vikipediya nusxasini yuklab olsangiz, kompyuteringiz ko‘proq ma'lumotga ega bo‘ladi, ammo birdaniga uning dasturi yaxshilanmaydi. Demak, bu mashinali o‘rganish emas.