Farg’ona filiali kompyuter injiniringi fakulteti 716 – 20 guruh talabasi karimov Anvarjoning

x  X
masalaning shartini ko‘rsatuvchi vektor,
d ^S Y
- vektor r uchun

muammoning ma’lum yechimi.
O‘quv jarayonida tarmoq kerakli xaritalash X  Y


ni berish uchun o‘z

parametrlarini shunday o‘zgartiradi. Shuni ta’kidlash kerakki, to‘plamning o‘lchami

{(x^S , d ^S )}
o‘rganish algoritmini shakllantirish imkoniyatiga ega bo‘lishi uchun

kerakli tasvirlash yetarli bo‘lishi kerak.
Garchi nazorat ostida o‘qitish usuli amaliy muammolarni hal qilishda muvaffaqiyatli qo‘llanilgan bo‘lsada, ko‘plab tadqiqotchilar uning sun’iy neyron tarmoqlarini biologik asossizligi uchun o‘qitish usulini tanqid qiladilar. Darhaqiqat, miyada haqiqiy natijalarni kerakli natijalar bilan taqqoslaydigan qandaydir mexanizm mavjudligini tasavvur qilish qiyin. Nazoratsiz o‘rganish algoritmi faqat kirish signallari ma’lum bo‘lganda qo‘llanilishi mumkin. Ularga asoslanib, tarmoq eng yaxshi chiqish qiymatlarini berishni o‘rganadi. "Eng yaxshi qiymat" tushunchasi o‘rganish algoritmi bilan belgilanadi. Odatda, algoritm parametrlarni tarmoq yetarlicha yaqin kirish qiymatlari uchun bir xil natijalarni berishi uchun moslashtiradi.
Habb usuli. Eng qadimgi ta’lim qoidasi Xabbning o‘qitish postulotidir. Fiziologik va psixologik tadqiqotlarga asoslanib, Xabb biologik neyronlar qanday o‘rganishi haqidagi farazni ilgari surdi. U ikkala neyronning ikkalasi ham hayajonlangan bo‘lsa, ikkita neyron o‘rtasidagi aloqaning og‘irligi oshishini taklif qildi. Xabb quyidagi neyrofiziologik kuzatishlarga tayangan: agar o‘zaro bog‘langan neyronlar bir vaqtning o‘zida va muntazam ravishda faollashtirilsa, u holda aloqaning kuchi oshadi. Bu qoidaning muhim xususiyati shundan iboratki, ulanish og‘irligining o‘zgarishi faqat shu bog‘lanish orqali bog‘langan neyronlarning faolligiga bog‘liq. Algoritmning o‘zi shunday ko‘rinadi:

1. 
   Initsializatsiya bosqichida barcha vazn koeffitsientlariga kichik tasodifiy qiymatlar beriladi.