CC BY
18INTERNATIONAL SCIENTIFIC AND TECHNICAL CONFERENCE "DIGITAL TECHNOLOGIES: PROBLEMS AND SOLUTIONS OF PRACTICAL IMPLEMENTATION IN THE SPHERES" APRIL 27-28, 2023
МАШИНАЛИ У^ИТИШ МУАММОЛАРИНИ ЕЧИШДА НОКАТЪИЙ УСУЛЛАРДАН ФОЙДАЛАНИШ Хамракулов Умиджон Шарабидинович1, Ашуралиев Алишержон Абдумаликович2
!Ислом Каримов номидаги Тошкент давлат техника университети, техника фанлари доктори, "Ахборотларга ишлов бериш ва бошкариш тизимлари" кафедраси доценти.
2Ислом Каримов номидаги Тошкент давлат техника университети, "Ахборотларга ишлов бериш ва бошкариш тизимлари" кафедраси докторанти https://doi.org/10.5281/zenodo.7856081
Abstract. The article deals with the problems of using fuzzy methods for solving machine learning problems. The article also deals with the problem of developing a model of the neuro-fuzzy network system ANFIS based on fuzzy logic. A general system architecture has been developed for performing time series forecasting based on numerical indicators and checking its results through the ANFIS neural network.
Keywords: Fuzzy logic, neural network, forecasting system, deep learning, cognitive mapping, consensus forecasting.
Сунгги йилларда барча сохаларда ракамлаштиришнинг кенг куламли кенгайиши кузатилмокда. Ушбу жараёнларда машинали укитиш технологияларидан фойдаланиш оммалашиб бормокда. Инсон аклини симуляция килувчи, олдиндан маълум ёки башорат килинган вазиятлар билан олдиндан белгиланган вокеликни яратадиган дастурлар, иловалар ва интерфейслар машинали укитишнинг асосий хусусиятларидан бири хисобланади. Машинали укитиш сунъий интеллектнинг бир кисми булиб, маълумотлар базаси билан якин хамкорликда ишлайди [1, 2]. Машинали укитиш муаммоларини ечишда катъий усуллар асосида олинган натижалар хар доим хам самарали булмаслиги сабабли бугунги кунда нокатъий усуллардан фойдаланиб келинмокда. Нокатъий усуллардан фойдаланиш, айникса, маълумотлар бир хил булмаган ёки шовкинни уз ичига олган холларда, машинали укитиш муаммоларини хал килишнинг аниклиги ва самарадорлигини оширади. Нокатьий усуллардан модел параметрларини оптималлаштириш, энг мос алгоритмларни танлаш, хусусиятларни ажратиб олиш ва хоказоларда фойдаланиш мумкин.
Машинали укитишда нокатъий усуллардан фойдаланишнинг энг кенг кулланиладиган усулларидан бири маълумотларни синфлаш, таснифлаш имконини берувчи нокатъий кластерлаш (Fuzzy C-Means) алгоритми хисобланади. Бундан ташкари, нокатъий карорлар дарахти, нокатъий Байес тармоклари, нокатъий генетик алгоритмлари ва бошка куплаб нокатъий усуллар мавжуд.
Бирок, нокатъий усуллардан фойдаланишда баъзи чекловлар ва муаммолар юзага келиши мумкин. Мазкур усуллар маълумотлар гетероген ёки катта хажмли булган холларда етарлича самарали булмаслиги мумкин. Бундан ташкари, бошка машинали укитиш усуллари сингари, нокатъий усуллар хам хаддан ташкари мослашишга мойил булиши мумкин, бу эса моделни умумлаштириш кобилиятининг пастлигига олиб келиш эхтимолини яратади.
Юкорида келтирилган холатларни инобатга олган холда, нокатъий мантик асосида машинали укитиш муаммоларини ечишнинг нокатъий усулларини ечиш муаммоларини куриб чикамиз. Нокатъий мантик параметрлари ва хусусиятларининг ноаниклиги билан
INTERNATIONAL SCIENTIFIC AND TECHNICAL CONFERENCE "DIGITAL TECHNOLOGIES: PROBLEMS AND SOLUTIONS OF PRACTICAL IMPLEMENTATION IN THE SPHERES" APRIL 27-28, 2023
a^panuö TypaguraH Typnu gapa^aganu MypaKKaönuKgaru oöteKTnap Ba TH3HMnapHH MogennamTupum, TaBcu^nam Ba öax,onam ynyH umnaTHnaguraH h^mhh cox,anapgaH öupu xucoönaHagu [4]. ÄMangaru MaHTHKuM Kouganap apaTHnraH GunuMnap öa3acu GunaH GupranuKga y eKH öy chhmhh KypcaTHmu MyMKHH GynraH HoaHHK eKH aHHK xynocara onuö Kenagu. HoaHHK MaHTHK Kynurna mapTnap Ba Myx,HT napaMeTpnapuHHHr gHHaMHK y3rapumHHH xucoöra onraH x,onga TH3HMnap Ba «apaeHnapHH MogennamTupum Ba TaKoMHnnamTupum ynyH umnaTHnagu. Ma3Kyp unMHH-TagKHKoT HmHga HoKaTtHH MaHTHK acocHga Mogynnu th3hm caMapanu enuMnapgaH öupu cu^aTuga TaKnu$ KunuHagu. YMyMaH onraHga Mogynnu th3hm öup HenTa Maxcyc MogynnapgaH uöopaT. Ymöy Mogynnap KyMugaru xycycuaTnapra эгa [5]:
1. YMyMHH Ba3H$aHHHr MyaMaH cyö Ba3H$anapuHH TaHHÖ oaum Ba ynapra «aBoö öepum ynyH Maxcyc xucoönam apxmeKTypanapura эrнnнrн.
2. X,ap öup Mogyn y3 ^aonuaraga GomKa MogynnapgaH MycTaKun Ba GomKa MogynnapHHHr umnamura Tatcup KunMaMgu.
3. Mogynnap GyTyH TH3HMra HucöaTaH ogguMpoK apxHTeKTypara эra.
4. X,ap öup MogynHHHr HaTH^anapu anoxuga ннтerpaцнanamraн Maxcyc Mogyn epgaMuga GupnamTupunagu.
О
Маълумотларн и юклаш
1
с n
Нокатъий
когнитив
хяритяляр
v
АНФИС параметр-ларини
с АНФИС \
ёрдамида у
Башоратн и
1-расм. АНФИС нейро-нокатъий тармоги тизимининг модели Юкоридаги хусусиялар асосида АНФИС нейро-нокатъий тармоги тизими ишлаб чикилди. АНФИС нейро-нокатъий тармоги ракамли курсаткичлар асосида вакт каторларини башоратини амалга оширади ва микдорий башоратни беради, унинг натижалари текширув тизимидан утади. Агар башорат керакли аникликда тегишли натижага мос келса, кейинги модулга узатилади. Нейро-нокатъий тармокка параллел равишда нокатъий когнитив харитага эга модул ишлайди, когнитив харита тузади, унда барча омиллар аник башорат килинган курсаткичга таъсир килади. Натижада когнитив харита башоратни бажарилиш эх,тимоли билан, яъни башоратнинг бажарилиши ёки бажарилмаслигини билдирувчи омилнинг уйгунлигини аниклайди. Ушбу модуллардан олинган барча маълумотлар АНФИС тармоги асосида ишлайдиган учинчи модулга юборилади, у олдинги модуллардан олинган маълумотларни жамлайди ва якуний консенсус башоратини беради. 1-расмда АНФИС нейро-нокатъий тармоги тизимининг модели келтирилган.
INTERNATIONAL SCIENTIFIC AND TECHNICAL CONFERENCE "DIGITAL TECHNOLOGIES: PROBLEMS AND SOLUTIONS OF PRACTICAL IMPLEMENTATION IN THE SPHERES" APRIL 27-28, 2023
Махфий катлам Махфий патлам 2
кириш сигналларининг фаоллаштириш -чизшуш бирикмаси чик;ишни хисоблаш
2-расм. Чукур нейрон тармок архитектураси АНФИС нейро-нокатъий тармоги тизими чукур нейрон тармок архитектурасидан иборат. Нейрон тармокнинг хар бир катламидаги нейронлар сони хар хил булиши мумкин, лекин бир улчовдан иккинчисига утиш изчил булиши лозим. Х,ар бир нейрон кириш сигналининг чизикли булмаган узгаришини амалга оширувчи функцияга эга [5, 6]. Чикишда у фаоллаштириш функциясининг натижасини беради, унинг аргументи маълум масофага силжиган кириш ва огирлик векторининг скаляр хосиласидан иборат. Фаоллаштириш функцияси нейроннинг чикиш кийматини киришлар ва чегара кийматининг вазнли йигиндиси натижасига караб белгилайди. Чукур нейрон тармогининг умумий архитектураси 2-расмда келтирилган.
Тизим нейрон тармогини укитиш жараёни нейронлар учун оптимал параметрларни танлашдан иборат. Бу жараён "укитувчи" иштирокида хам амалга оширилиши мумкин. Бу укитиш усули тармокни тугри жавоблар ва укув маълумотлари туплами билан таъминлашни уз ичига олади. Нейрон тармогини укитишнинг асосий максади укув маълумотлар туплами учун хам, укув мажмуасига ухшаш булмаган маълумотлар учун хам тугри таснифлаш натижаларини ишлаб чикиш кобилияти уртасидаги мувозанатга эришишдан иборат [7, 8]. Нейрон тармок тасодифий огирликлар билан ишга туширилганда, баъзи чикиш кийматлари олинади.
Юкоридаги ишлаб чикилган АНФИС нейро-нокатъий тармоги тизими ракамли курсаткичлар асосида вакт каторларини башоратини самарали амалга оширади хамда микдорий башоратни башоратлаш ва унинг натижаларини текшириш имконини беради. Нейро-нокатъий тармокка нокатъий когнитив харитага эга модул ишлаши асосида, когнитив харита тузади.
INTERNATIONAL SCIENTIFIC AND TECHNICAL CONFERENCE "DIGITAL TECHNOLOGIES: PROBLEMS AND SOLUTIONS OF PRACTICAL IMPLEMENTATION IN THE SPHERES" APRIL 27-28, 2023
REFERENCES
1. N.R. Yusupbekov, A.R. Marakhimov, H.Z. Igamberdiev, Sh.X. Umarov, An adaptive fuzzy-logic traffic control system in conditions of saturated transport stream, The Scientific World Journal, Volume 2016 | Article ID 6719459 | https://doi.org/10.1155/2016/6719459, 10 pages, 2016.
2. N. R. Yusupbekov, S. M. Gulyamov, M. Y. Doshchanova, Neural identification of a dynamic model of a technological process, in: International Conference on Information Science and Communications Technologies (ICISCT), Tashkent, Uzbekistan, 2019, 1-5, doi: 10.1109/ICISCT47635.2019.9011912.
3. Siddikov I.X., Iskandarov Z. (2018) Synthesis of adaptive-fuzzy control system of dynamic in conditions of uncertainty of information // International Journal of Advanced Research in Science, Engineering and Technology, 5(1): 5089-5093.
4. Zaripov, Orifjon Olimovich; Hamrakulov, Umidjon Sharabidinovich; and Isxakova, Fatima Faxritdinovna (2021) "PRINCIPLES OF ELIMINATING THE IMPACT OF DISTURBANCES ON INTEGRATED INFORMATION AND ANALYTICAL SYSTEMS," Chemical Technology, Control and Management: Vol. 2021 : Iss. 2 , Article 13. DOI: https://doi.org/10.51346/tstu-02.21.1-77-0013, Available at: https://uzj ournal s.edu.uz/ij ctcm/vol2021/iss2/13.
5. Умиджон Шарабидинович ХАМРАКУЛОВ, Алишержон Абдумаликович АШУРАЛИЕВ, "Нейрон тармоклари ахборотни кайта ишлаш воситаси сифатида", UZA ILM-FAN Elektron jurnal 2022 йил июнь ойи сони №6 (32) https://uza.uz/posts/385584
6. Y. Ge, "A two-stage fuzzy logic control method of traffic signal based on traffic urgency degree," Modelling and Simulation in Engineering, vol. 2014, Article ID 694185, 6 pages, 2014
7. Zaripov Oripjon Olimovich , Khamrakulov Umidjon Sharabidinovich , "THE MODELS OF CHANGING AND GIVING INFORMATION IN INTEGRATED INFORMATIONAL-ANALYTICAL SYSTEMS", IJIERT - International Journal of Innovations in Engineering Research and Technology, ISTC-2K20, ISSN : 2394-3696, Page No. 63-66.
8. Siddikov Isomiddin Khakimovich, Khamrakulov Umidjon Sharabidinovich, Sadikov Saidkamol Babevich. THE PROBLEMS OF INTEGRATION OF THE SYSTEMS OF DISTRUSTED HETEROGENEOUS DATA IN THE BASIS OF LAYERED RADIAL BASIS ADAPTIVE NEURON NETWORKS. JCR. 2020; 7(14): 220-224. https://doi:10.31838/jcr.07.14.38.
