10
Shunday qilib abiturentlarning mavjud ma’lumotlari asosida ularning o‘qishga
kirishda
to‘plashi mumkin bo‘lgan ballni bashoratlash modeli ishlab chiqildi. To‘plagan ballarini
bashoratlash orqali ularning o‘qishga kirish imtihonlaridagi muvaffaqiyatlarini xulasa
qilish mumkin.
Mamdani va Sugeno usullari noravshan mantiq tizimlarida qo‘llaniladigan
ikkita
mashhur yondashuvdir. Mamdani usuli qoidaga asoslangan yondashuvni o‘z ichiga olgan
noravshan xulosalar tizimining bir turi bo‘lib, qoidalar tabiiy tilda ifodalanadi. U to‘rtta
asosiy bosqichni o‘z ichiga oladi: Noravshan to‘plamlarga ajratish,
qoidalarni baholash,
yig‘ish va defuzzifikatsiya. Kirish o‘zgaruvchilariga noravshan tegishlilik funksiyalari bilan
tavsiflangan lingvistik belgilar berish orqali noravshan to‘plamlarga aylantiriladi, so‘ngra
qoidalar noravshan mantiq operatsiyalari yordamida baholanadi. Qoidalarni baholash
natijalari keyin aniq natijalarni olish uchun umumlashtiriladi va defuzzifikatsiya
qilinadi[8], [9].
Boshqa
tomondan, Sugeno usuli - bu ko‘proq matematik yondashuvga asoslangan
noravshan xulosalar tizimining bir turi. U ikkita asosiy bosqichni o‘z ichiga oladi:
noravshan to‘plamlarga ajratish va qoidalarni baholash. Biroq, Mamdani usulida bo‘lgani
kabi qoidalarni baholashni jamlash va defuzzifikatsiya qilish o‘rniga, Sugeno usuli yakuniy
natijani olish uchun qoida natijalarining o‘rtacha og‘irligidan foydalanadi. Bu usul Takagi-
Sugeno-Kang (TSK) noravshan modeli sifatida ham tanilgan[10].
Mamdani va Sugeno loyqa tizimlari o‘rtasidagi asosiy funktsional farq chiqish tegishlilik
funktsiyalarida yotadi. Mamdani chiqish tegishlilik funktsiyalari har qanday funktsional
shaklga ega bo‘lishi mumkin bo‘lsa-da, Sugeno chiqish tegishlilik funktsiyalari chiziqli yoki
doimiy funktsional shakllar bilan cheklangan.
Sugeno noravshan xulosalar tizimi (FIS) turli xil kirish ma'lumotlarini
qayta ishlashda
hisoblash samaradorligi, bashorat qilish aniqligi va mustahkamligi bo‘yicha Mamdani FISga
qaraganda yaxshiroq ishlaydi[1], [11]. Ushbu tadqiqot ishida abiturentlarning oliy ta’lim
muassasalariga kirish imtihonlarida to‘plashi mumkin bo‘lgan ballni bashoratlash uchun
Sugeno FIS modeliga asoslangan ANFIS metodologiyasidan foydalanildi. Natijada, umumiy
ballni bashorat qilish uchun ta’sir etuvchi bir qancha turli omillar asosida chiqish qiymatini
bashoratlash, boshqa LinearRegression, Random Forest, XGBoost, DecisionTreeRegressor,
K-nearest Neighbors kabi bashorat modellaridan samarali bo‘lishi isbotlandi.
1-rasm. Sugeno neyro-noravshan xulosalar tizimi arxitekturasi.
Har bir kirish uchun uchta tegishlilik funksiyasi bilan birinchi tartibli Sugeno noravshan
modeliga mos keladigan ANFIS strukturasi 1-rasmda ko‘rsatilgan. Tarmoqda kirish qatlami
11
ko‘k rangda berilgan bo‘lib
n
tani tashkil qilishi mumkin. Bizning misolimizda kirish
qiymatlari 5 tani tashkil qiladi. Yashil rangda esa kirish qiymatlariga
mos tegishlilik
funksiyalari qatlami keltirilgan. Bunda tegishlilik funksiyalari soni kirish qiymatlarining
xususiyatlaridan kelib chiqib, har xil bo‘lishi mumkin. Qoidalar
qatlami sariq rangda
berilgan. Jami qoidalar soni
1
