Муҳаммад ал-хоразмий номидаги тошкент ахборот технологиялари

Фойдаланилган адабиётлар. 
1. 
Bekmuratov D.Q., Axrorov M., Axmedov O. Development of the 
algorithm and the software for recognition of manual letters submitted by in the 
case of the screen. IJARSET. (International Journal of Advanced Research in 
Science, Engineering and Technology). India. A Monthly Peer Reviewed Online 
Journal Vol. 5, Issue 3, march, 2018. ISSN: 2350-0328. (Impact factor 4.36).
2. 
Бекмуратов К.А., Васильев В.И., Бекмуратов Д.К. Нахождение 

---

112 
предельно-допустимых значений размерности признаковых пространств из 
обучающей выборки. //Академия Наук Республики Узбекистан. Институт 
математики и информационных технологий. Современное состояние и 
перспективы развития информационных технологий. Том 2. Ташкент, 
2011. 309-
312 с. 
3. 
Бекмуратов Д.К. Разработка алгоритм формирование системы 
опорных множеств признаков, обеспечивающих качество и надежность 
распознавания. «Проблемы вычислительной и прикладной математики». 
Научный журнал, часть 5, №5, 2017г.ТУИТ, Ташкент. (ISSN: 2181-8460). 74-
79 
стр. 
4. 
Бекмуратов К.А., Ахатов А.Р., Бекмуратов Д.К. Формирование 
сложных признаковых пространств r-го ранга, обеспечивающих качество и 
надежность распознавания. «Проблемы вычислительной и прикладной 
математики». Научный журнал, №1(19), 2019 г.ТУИТ, Ташкент. (ISSN: 2181-
8460). 24-
38 стр. 
5. 
Васильев В.И. Распознающие системы. Киев.: Наукова Думка. 1986. -
415 с. 
6. 
Вапник В.Н., Червоненкис А.Я. Теория распознавания образов 
(статистические проблемы обучения). – М.: Наука, 1974. 412 с. 
 
 
АЛГОРИТМЫ СИНТЕЗА НЕЙРОСЕТЕВЫХ РЕГУЛЯТОРОВ 
УПРАВЛЕНИЯ ДИНАМИЧЕСКИМИ ОБЪЕКТАМИ 
Зарипов О.О
1
., Севинова Д.У
1
., Севинов И.У
1
. 
1
Ташкентский государственный технический университет имени Ислама 
Каримова, 
, 
[e-mail],
Управление сложными динамическими объектами происходит, как 
правило, в условиях неопределенности, обусловленной реальными 
свойствами управляемого объекта. Применительно к нижним уровням 
управления объектами это выражается в неопределенности их динамических 
свойств, в частности, параметров описывающих их динамических 
операторов. Одним из эффективных подходов к построению систем 
управления объектами является реализация их в классе адаптивных систем, в 
частности, в классе беспоисковых самонастраивающихся систем (БСНС) с 
эталонной моделью (ЭМ), основанных на концепции обобщенного 
настраиваемого объекта (ОНО) и прямого метода Ляпунова, которые 
получили в настоящее время большое теоретическое развитие [1,2].
Переход в дискретную область позволяет представить регулятор 
параметрического управления (РПУ) системы в виде многослойной 
динамической нейронной сети (НС), практически реализующей идеальные 
дифференцирующие звенья.
Рассмотрим обобщенный настраиваемый объект, структурная схема 
которого изображена на рис. 1. 

---

113 
Здесь 
)
,
( k
z
B
- 
полином знаменателя передаточной функции объекта 
управления (ОУ); 
)
,
( k
z
D
- 
полином числителя передаточной функции ОУ; 
)
(
0
z
D
- 
полином числителя эталонной модели ОНО. 
Рис. 1. Структурная схема ОНО с НС. 
Заданы интервалы, в которых могут находиться коэффициенты 
полиномов числителя и знаменателя дискретной передаточной функции 
(ДПФ) ОУ: