Fakultet Kompyuter injinering

Vaqtli qatorlarni bashoratlashda neyron tarmoq modellari va algaritmlari 
Vaqt qatori – bu o’rganilayotgan ob’yekt biror xususiyatining turli paytda
kuzatilgan qiymatlaridan iborat. Masalan, meditsinada kardiogramma, geologiyada
zilzila yoki er ostida o’tkazilgan portlashlar natijasida vujudga kelgan tebranishlar
grafigi, astronomiyada quyosh aktivligi grafigi yoki biror korxonaning ishlab
chiqarish hajmi va h.k.
Iqtisodiyotda ishsizlik darajasi yoki foiz stavkasining
o’zgarishi, valyuta va aksiyalar kursining o’zgarish dinamikasini misol qilib
ko’rsatish mumkin.
Kuzatiladigan vaqt oralig’i esa uzluksiz davom etishi, bir minut, bir soat, kun,
oy yoki yil bo’lishi mumkin.
Umuman olganda bir ob’yektning bir nechta xususiyati bir paytda kuzatilishi
ham mumkin.
Masalan, valyuta va aksiyalar kursining o’zgarish dinamikasi beshta ko’rsatkich
bilan xarakterlanadi:
Open – vaqt davri boshlanishidagi narx;
High – davrdagi eng yuqori narx;
Low − davrdagi eng past narx;
Close – davr oxiridagi narx;
Volume – davrdagi operatsiyalar miqdori.
Bu ko’rsatkichlar turli birliklarda ifodalanishi mumkin, biroq bundan qat’iy nazar,
bozorning faolligini xarakterlaydi. Ularning har biriga o’z vaqt qatori to’g’ri keladi.
Undan tashqari bu miqdorlar qatnashgan har qanday ifoda yana vaqt qatori bo’ladi.
Neyron tarmoqlar- tizimlarni rivojlantirish yo'nalishlaridan biri sun'iy intellekt...
G'oya inson asab tizimining ishlashini, ya'ni xatolarni o'rganish va tuzatish
qobiliyatini iloji boricha yaqinroq simulyatsiya qilishdir. Bu asosiy xususiyat har
qanday neyron tarmoq - u har safar kamroq va kamroq xatoga yo'l qo'yib, mustaqil
ravishda o'rganish va oldingi tajriba asosida harakat qilish imkoniyatiga ega.

Neyron tarmoq nafaqat faoliyatni, balki inson asab tizimining tuzilishini ham taqlid

qiladi. Bunday tarmoq ko'p sonli individual hisoblash elementlaridan ("neyronlar")
iborat. Ko'pgina hollarda, har bir "neyron" tarmoqning ma'lum bir qatlamiga ishora
qiladi. Kirish ma'lumotlari tarmoqning barcha qatlamlarida ketma-ket qayta
ishlanadi. Har bir "neyron" ning parametrlari kirish ma'lumotlarining oldingi
to'plamlari bo'yicha olingan natijalarga qarab o'zgarishi mumkin, shu bilan butun
tizimning tartibini o'zgartiradi.
Mail.Ru Group’dagi Mail.ru qidiruvi rahbari Andrey Kalinin ta’kidlashicha, neyron
tarmoqlar boshqa mashinani o‘rganish algoritmlari bilan bir xil muammolarni hal
qilishga qodir, farq faqat o‘rganishga yondashuvdadir.
Neyron tarmoqlar hal qila oladigan barcha vazifalar qandaydir tarzda o'rganish bilan
bog'liq. Neyron tarmoqlarni qo'llashning asosiy yo'nalishlari qatoriga prognozlash,
qaror qabul qilish, naqshni aniqlash, optimallashtirish, ma'lumotlarni tahlil qilish
kiradi.
Rossiyadagi Microsoft texnologiyalari hamkorlik dasturlari direktori Vlad
Shershulskiy neyron tarmoqlar hozirda keng qoʻllanilayotganini taʼkidlaydi:
“Masalan, koʻplab yirik internet saytlari ulardan foydalanuvchilarning xatti-
harakatlariga munosabatni tabiiyroq va oʻz auditoriyasi uchun foydali qilish uchun
foydalanadi. Neyron tarmoqlar ko'pchilikning asosini tashkil qiladi zamonaviy
tizimlar nutqni aniqlash va sintez qilish, shuningdek tasvirni aniqlash va qayta
ishlash. Ular sanoat robotlari yoki o'zini o'zi boshqaradigan avtomobillar bo'lsin,
ba'zi navigatsiya tizimlarida qo'llaniladi. Neyron tarmoqlarga asoslangan
algoritmlar himoya qiladi Axborot tizimlari zararli hujumlardan himoya qiladi va
tarmoqdagi noqonuniy tarkibni aniqlashga yordam beradi.
Shershulskiyning fikricha, qisqa muddatda (5-10 yil) neyron tarmoqlar yanada
kengroq qo'llaniladi:
Olimlar 70 yildan ortiq vaqt davomida sun'iy neyron tarmoqlarni ishlab chiqishdi.
Neyrotarmoqni rasmiylashtirishga birinchi urinish 1943-yilda, ikki amerikalik olim

(Uorren Makkallok va Uolter Pits) inson g‘oyalari va neyron faoliyatining mantiqiy

hisobi haqidagi maqolani taqdim etganida boshlangan.
Biroq, yaqin vaqtgacha, deydi Mail.Ru Group kompaniyasidan Andrey Kalinin,
neyron tarmoqlar tezligi keng qo'llanilishi uchun juda past edi va shuning uchun
bunday tizimlar asosan kompyuterni ko'rish bilan bog'liq ishlanmalarda qo'llanilgan
va boshqa algoritmlar boshqa sohalarda qo'llanilgan. mashinani o'rganish.
Neyron tarmog'ini ishlab chiqish jarayonining mashaqqatli va ko'p vaqt talab
qiladigan qismi uni o'qitishdir. Neyron tarmoq o'rnatilgan vazifalarni to'g'ri hal
qilishi uchun o'n millionlab kirish ma'lumotlar to'plamlarida ishlashini "ishlash"
talab qilinadi. Turli tezlashtirilgan ta'lim texnologiyalarining paydo bo'lishi bilan
Andrey Kalinin va Grigoriy Bakunov neyron tarmoqlarning tarqalishini bog'lashadi.
“Birinchidan, oʻrganish uchun yorliqli rasmlarning (ImageNet) katta va ommaga
ochiq toʻplami mavjud. Ikkinchidan, zamonaviy video kartalar neyron tarmoqlarni
yuzlab marta tezroq o'qitish va ulardan foydalanish imkonini beradi. Uchinchidan,
tasvirlarni taniydigan, neyron tarmoqni ishga tayyorlash uchun ko'p vaqt
sarflamasdan, o'z ilovalaringizni yaratishingiz mumkin bo'lgan tayyor, oldindan
o'rgatilgan neyron tarmoqlar paydo bo'ldi. Bularning barchasi naqshni aniqlash
sohasida neyron tarmoqlarning juda kuchli rivojlanishini ta'minlaydi ", - deydi
Kalinin. “Hisoblash juda oson. Siz past malakali ishchi kuchidan foydalanadigan har
qanday sohani olishingiz mumkin, masalan, qo'ng'iroqlar markazi operatorlari - va
shunchaki barcha inson resurslarini olib tashlashingiz mumkin. Aytgan bo'lardimki,
biz bir mamlakat ichida ham ko'p milliard dollarlik bozor haqida ketyapmiz.
Dunyoda qancha odam past malakali ishlar bilan shug'ullanayotganini tushunish
oson. Shunday qilib, hatto juda mavhum ma'noda ham, menimcha, biz butun dunyo
bo'ylab bir yuz milliard dollarlik bozor haqida gapirayapmiz ", - deydi Grigoriy
Bakunov, Yandex kompaniyasining texnologiyalarni tarqatish bo'yicha direktori.
Internet tijorat ahamiyatiga ega bo'ldi va o'sha paytda mavjud bo'lgan oddiy
algoritmlarni aldashga urinayotgan ko'plab firibgarlar bor edi. Ikkinchi yirik yutuq
bo‘ldi – qidiruv tizimlari qaysi sahifalar yaxshi va qaysi biri yomon ekanini

tushunish uchun foydalanuvchilarning xatti-harakatlari haqidagi bilimlaridan

foydalana boshladi.
Qaerdadir, bu bosqichda, inson ongi endi hujjatlarni qanday tartiblashni tushunish
uchun etarli emas edi. sodir bo'ldi keyingi o'tish- Qidiruv tizimlari mashinani
o'rganishdan faol foydalana boshladi.
Mashinani o'rganishning eng yaxshi algoritmlaridan biri Yandex - Matrixnet-da
ixtiro qilingan. Aytish mumkinki, foydalanuvchilarning jamoaviy aqli va
"olomonning donoligi" reytingga yordam beradi. Veb-saytlar va odamlarning xatti-
harakatlari haqidagi ma'lumotlar ko'plab omillarga aylantiriladi, ularning har biri
Matrixnet tomonidan reyting formulasini yaratish uchun ishlatiladi. Aslida, reyting
formulasi mashina tomonidan yozilgan (taxminan 300 megabayt bo'lib chiqdi).
Ammo "klassik" mashinani o'rganishning chegarasi bor: u faqat ma'lumotlar ko'p
bo'lgan joyda ishlaydi. Kichik bir misol. Millionlab foydalanuvchilar xuddi shu
saytni topish uchun [vkontakte] so'roviga kirishadi. Bunday holda, ularning xatti-
harakati shunchalik kuchli signalki, qidiruv odamlarni muammoga qarashga
majburlamaydi, balki so'rovni kiritishda darhol manzilni taklif qiladi.