Пахта хом ашъёсини қуритиш объектини нейролингвистик расмийлаштириш



Суний нейрон тўри – бу ўзига хос специфик ўргатувчи машина бўлиб, катта ҳажмдаги ахборотларни тизимлаштириш, статистик башоратлаш учун мўлжалланган. Бундай суний интеллектли нейрон тўри кўринишидаги ўргатувчи машиналарни яратиш – худди ишлаб чиқариш жараёни каби махсус ишларни олдиндан белгиланган, аниқланган дастур асосида бажаради, бунинг учун хом–ашё бўлиб ахборотлар тўплами ҳисобланади. Бу ахбороттехнологиясининг маҳсулоти, товари бўлиб, асосан, компьютер дастурлари, уларнинг компоненталари, ёки электрон ва оптик схемалар ва чиплар, ёки маълумотларни қайта ишлаш учун улардан фойдаланиб олинган натижалар.

Техника сохасида технологик жараенларни бошқарувида нeйрoмoдeллар ва нeйрoтармoқ тexнолoгиялари мeтoдларидан фoйдаланиш, янги йўналиш ҳисoбланаётган таълимда интeллeктуал систeмаларнинг ривoжланишига oлиб кeлади. Бoшқарувнинг нeйрoн систeмаларида қайта ишланадиган аxбoрoтларни тасвирлаш шакллари ва турлари бўйича чeкланишлар бўлмайди. Бу эса уларни оммавий тусда қўлланилишидан далолат беради. Нейросистемалар инсон миясида кечадиган фикрлаш жараёнларини замонавий тасаввурларда ифодалашга асосланади ва таклиф қилинган фактлар асосида ўрганишга мослашган бўлиб, мураккаб ночизиқ боғланишларни аниқлайди.

Энди пахта хом ашъёсини қуритиш жараенини асосий элементларини ўрганиш бўйича нейрон тўрини қуриш масаласини расмийлаштиришни кўриб чиқамиз [1,2,3,4].

Белгилашлар киритамиз:

А - талабалар тўплами гуруҳи.

А={А1,А2,..,АN} = {Абдулла, Садулла, Болтабой,…}.

Талабалар пахтани қуритиш жараенини мустақил ўрганишмоқда, яъни қуритиш жараенининг асосий параметрларини амалий жиҳатдан ўзлаштиришмоқчи.

Белгилаймиз қуритиш жараенини асосий элементларини (параметрларини) тўпламини

Пахтани қуритиш жараенини ўрганиш бўйича маслаҳат берувчи профессор ўқитувчилар тўплами:

В={В1,В2,В3,}={доц.Юсупов, к.ўқит.Сетметов, бакалавр Н. Сапаева}.

Билим олиш жараёнини назорат қилувчи, гуруҳ мураббийси катта ўқитувчи Аширова А. Аширова А. ҳар бир талабанинг пахтани қуритиш жараени бўйича тушунчаларини, олган билимларини назорат қилади ва мос равишда статистикани олиб боради.

Энди гуруҳ мураббийси А.Ашированинг пахтани қуритиш жараени бўйича талабалар билимини назорат қилиш ва статистикани олиб бориш фаолиятини мақсадли равишда расмийлаштирамиз.

1. Ўзлаштиришда 15% аъло баҳога ўқишга
2. Ўзлаштиришда 35% яхши баҳога ўқишга
3. Ўзлаштиришга 50% қониқарли баҳога ўқишга
4. Ўзлаштирмайдиган талабаларни сонини минимумга яъни 0%га эришиш.

Юқорида келтирилган мақсадни математик жиҳатдан абстракт кўринишда расмийлаштирамиз, соддалик учун пахтани қуритиш жараенини 5 та параметрини оламиз

С={С1,С2,С3,С4,С5,}={П1,П2,П3,П4,П5}.

Ҳар бир талабанинг қуритиш жараенини параметрларини моҳиятини ўзлаштириш бўйича билимларини қуйдагича баҳолаймиз:

R={R1,R2,R3,R5,}={Аъло, яхши, қониқарли, деярли қониқарли, қониқарсиз}.

Талабаларнинг билим олиш холатларини қуйдагича абстракт тарзда ифодалаймиз, масалан:

{А1,В2,С3} - А1 талаба В2 ўқитувчини олдига С3 параметрни моҳиятини ўрганиш учун маслаҳатга келди; Талаба Абдулла к.ўқит. Сетметовни олдига пахтани қуритиш қурилмасини а 2СБ-10 қуритишагрегатини айланишлар тезлиги параметрини қуритиш жараенига таъсирини ўрганиш бўйича маслаҳатга келди;

{А2,В1,С4} - А2 талаба В1 ўқитувчини олдига пахтани куритиш бўйича С4 параметрни, яъни пахта хом ашёсининг жадаллигини қуритиш жараенига таъсирини ўрганиш учун маслахатга кеди; Талаба Садулла доц.Юсуповни олдига пахтани қуритиш агрегатининг тозалаш самарадорлигига доир масалаларни ўрганиш бўйича маслаҳатга келди;

{А5,В2,С1,},{А7,В3,С5,}ва ҳакоза.

Юқорида тавсифланган абстракт ҳолатлар мантиқ нуқтаи назардан қуйдагича ифодаланади:

{А1,В2,С3}=>А1^В2^С3;

{А2,В1,С4}=>А2^В1^С4;

{А5,В2,С1}=>А5^В2^С1;

{А7,В3,С5}=>А7^В3^С5;

Талабаларнинг пахтани қуритиш жараенини моҳиятини ўзлаштириш бўйича олган билимларини ҳам қуйдагича абстрактлаш мумкин:

{А1,В1,В2,С1,С2,С3,С4,С5,} =>А1^(В1vВ2) ^(С1vC2vС3vС4vС5)

Демак, А1 талаба В1 ёки В2 ўқитувчини олдига С1 ёки С2 ёки С3 ёки С4 ёки С5 қуритиш параметрларини моҳиятини ўзлаштириш бўйича маслахатга келди.

{А1,В2,С1,С2,С3,В1,С4,С5} =>(А1^В2 ^(С1vC2vС3)v(А1^В1^(С4С5))

Яъни талаба А1 ўқитувчи В2 ни олдига С1 ёки С2 ёки С3 параметрларни моҳиятини ўрганиш бўйича маслахатга келди, ёки ўқитувчи В1ни олдига С4 ёки С5 параметрларни ўрганиш учун маслахатга келди.

Гуруҳдаги талабалар бўйича ўзлаштириш жараёнининг бундай ҳолатларини мумкин бўлган барча вариантларини кўриб чиқиш ва таҳлил қилиш натижасида талабанинг билими бўйича қуйидаги ечимларни берувчи мантиқий фикрлаш -предикатлар системасини ҳосил қиламиз, булар эса, яъни предикатлар пахтани қуритиш жараенини ўзлаштиришни 5та параметрни ўрганирш орқали ўргатувчи нейрон тўрини қуриш масаласи учун асос ҳисобланади:

(1)

Бундай расмийлаштиришда биринчи ва иккинчи предикатлар қуйдагини билдиради:

Агар А1 талаба В1 ўқитувчини олдига бориб С1 ёки С2 ёки С3 ёки С4 ёки С5 параметрлар бўйича маслаҳат олган бўлса унинг билими R1 рейтинг билан баҳоланади;

Агар А1 талаба В2 ёки В3 ўқитувчини олдига бориб С1 ёки С2 ёки С3 параметрлар бўйича маслаҳат олса унинг билими R2 рейтинг билан баҳоланади ва ҳакозо.

Бу ерда электрон ҳисоблаш машиналари ва уларнинг тури электрон техникаларини қурилмаларини қуришга мўлжалланган ёндашув усуларидан фойдаланамиз. Бунинг учун қурилманинг, системанинг тўлиқ функционал фаолиятини ифодалаш учун бул функциялари – дизъюнкция ва конъюнкциялардан фойдаланамиз. Инкор этиш функциясидан ҳозирча фойдаланмаймиз, чунки билим олишни инкор этувчи ҳолатларни ҳисобга олмаймиз.

Эндиги навбат қабул қилинган белгилашларни ҳисобга олган ҳолда 2.1 мантиқий ифодани ҳисоблашни амалга оширувчи алгоритмнинг схемасини қуришдан иборат.

Фойдаланилган адабиётлар:

1. Пахтани дастлабки қайта ишлаш - ўқув қўлланма- Э. Зикриёевнинг умумий таxрири остида –Т.: «меxнат» — 2002.
2. Каллан, Роберт. Основные концепции нейронных сетей.: Пер.с англ. – М.: Издательский дом Вильямс, 2001. – 286 С.
3. Крисилов В.А., Кондратюк А.В. Преобразование входных данных нейросети с целью улучшения их различимости. http://neuroshool.narod.ru/
4. Барский А. Б. Нейронные сети: распознавание, управление, принятие решений. — М.: Финансы и статистика, 2004. — 176 с