Образларни атоматик тарзда англаш, синфларга ажратиш ва гуруҳлаш – компьютер технологиялари, сунъий интеллект, медицина маркетинг ва биология каби илмий ва инженерли соҳаларда муҳим масала ҳисобланади. Образ тушунчасини киритамиз. Образ – борлиқнинг акси. Образларни англашнинг иккита усули мавжуд:
- Ўқитувчи ёрдамида англаш. Бунда кириш образи маълум синф аъзоси ҳисобланади;
- Ўқитувчисиз англаш (масалан синфларга ажратиш). Бунда образ ноъмалум синф аъзоси ҳисобланади [5, 23].
Образларни англаш масаласи синфларги ажратиш масаласи ҳисобланади. Бунда: синфлар тизим дизайнери томонидан берилади (ўқитувчи ёрдамида образларни англаш) ёки образларнинг ўхшашлигига асосланади (ўқитувчисиз образларни англаш).
Образларни англаш масалаларидан энг мураккаби бу тасвирларни англаш (синфларга ажратиш) масаласидир. Бу масала қўлёзма матнини, йўл белгиларини ва автомобиллар рақамларини англашда пайдо бўлади. Бу масаланинг мураккаблиги шундаки, образларни ўрганиш жараёнида жуда катта хажмдаги ҳисоблаш жараёнларини талаб қилади. Кўпчилик усулларда, кирувчи маълумотларга фильтр ўрнатадилар, сўнгра эса стандарт англовчилар томонидан синфларга ажратадилар.
Бундай усуллардан бири, бирлик элементи нейрон деб аталувчи биологик нейрон ишини такрорлайдиган нейрон тармоқлардир (1 - расм).
Расм. 1. Нейрон тармоқ.
Классик усулдаги нейрон тармоқлар ўқитуви ёрдамида англаш масаласини ечими ҳисобланади.
Нейротармоқли тизимдаги билимларни ажратиб олишнинг мураккаблигига қарамасдан, кўпгина улар синфларга ажратиш, бошқарув ва прогноз қилиш масалаларида муваффақиятли қўлланилади.
Тасвирларни англашнинг замонавий усулларидан бири – бу ҳатоларни тўғриловчи нейрон тармоқлардир. Уларда классик кўринишдаги кўп қатламли персептрон нейрон тармоққа қараганда кўпроқ миқдорда қатламлар тўплвмиган эга. Ҳар бир қатламда бир нечта нейронларни қўллаш ҳисобига ўқитиш параметрларининг умумий миқдорини камайтириш мумкин ва шунинг ҳисобига ўқитишни тезлаштириш мумкин.
Нейрон тармоқда энг оддий ва кенг қўлланиладиган қатлам – бу тўлиқ боғланган қатламдир. Бу қатламдаги ҳар бир нейрон ночизиқли активлаштириш функциясига эга персептрондир. Активлаштириш функцияси сифатида 
мантиқий функцияни ёки 
гиперболик тангенсни қўллаш қабул қилинган. Иккита усул ҳам тизимда ўз ечимини топган. Тўлиқ қопланган нейронларнинг ҳар бирига олдинги қатламдаги барча нейронлардан чиқиш сигналлари узатилади. Натижада ҳосил бўлган қиймат чиқиш нейронга узатилади [5, 140].
бу ерда хi – нейронга кириш сигнал,
wi– шу киришга мос бўлган оҳирлик,
bias – аддатив ўргатувчи қисм.
Тармоқнинг ишлаш тартиби “ўнгдан чапга” йўналишида, кириш қатламидан чиқиш қатлами томон ҳаракат қилади.
Тўлиқ боғланган қатламни ўргатиш учун хатоларни тескари тартибда узатиш алгоритми қўлланилади. Бизга керакли бўлган барча формулаларни келтириб ўтирмаймиз, кўриб чиқаётган формуламизда тўхтаймиз.
Хатолар тескари тартибда, яъни, чиқиш сигналидан кириш сигнали томон ҳаракат қилади. Дастлаб, ҳар бир қатламда олдинги қатлам учун ҳатолар аниқланади, сўнгра олдинги қатламдан жорий қатлам нейронларига элтувчи тарозиларнинг ўртачаси олинади.
Айнан бир тарозининг ўртача қийматини олиш учун қуйидаги формуладан фойдаланамиз [5, 152]:
бу ерда, 
– алоқа тарозиси,
– ўқитиш тезлиги, 
– жорий қатлам нейрони учун ҳисобланган хатолар йиғиндиси, 
– жорий қатлам нейрони билан боғланган нейрондан чиқиш сигнали.
Хатоларни тўғрилаш қатлами – нейрон тармоқдаги қатламда текшириладиган параметрларнинг миқдорини камайтириш усули. Қатлам олдинги қатлам билан боғланган нейронлар матрицасини ўз ичига олган бир неча қарталардан иборат. Хар бир нейрон берилган тўғритўртбурчак билан боғланган. Қатламни яратишда тўғритўртбурчак соҳас ўлчамини, карталар ўлчамини, шунингдек, карталар алоқалари матрицасини бериш лозим.
Тўлиқ боғланган қатламдан фарқи шундаки, ҳар бир картанинг нейронларларида битта умумий тарози мавжуд. Бундан келиб чиқадики, агар ҳар бир нейрон олдинги қатламдаги 5х5 соҳа билан боғланган бўлса, у ҳолда барча карталарда 26 та ўқитиладиган тарозилар мавжуд. Бунда 25 таси бу соҳа, ва 1 таси кириш қисми. Ҳар хил карталарда ҳргатиладиган тарозилар тўплами хҳар хил ва бир – бири билан боғлиқ эмас. Ортиқча ахборотни ўзида сақламаслик учун, тизим тарози ўрнига тарозининг индексини сақлайди.
Ўқитиш жараёнида хатоларни тескари узатиш алгоритми мидификацияси қўлланилади. Тарозилар умумий бўлганлиги учун, у ҳолда тўғрилаш амалини ҳам амалга ошириш лозим. Бунинг учун барча нейронлардаги хатолар йиғиндисини ҳисоблаймиз, сўнгра, сўнгра бу йиғиндини деб ҳисоблаб, тарози қийматини янгилаймиз. сифатида тескари тартибда хатоларни аниқлаш алгоритми тарозиси модификацияси формуласида нейронлар.
Адабиётлар:
- LeCun, Y.Efficient BackProp in Neural Networks: Tricks of the trade / Y. LeCun, L. Bottou, G. Orr, K. Muller – Springer, 1998. – 44 p.
- LeCun, Y. Scaling learning algorithms towards AI / Y. LeCun, Y. Bengio – MIT Press, 2007.
- Bishop, C.M. Neural Networks for Pattern Recognition – OxfordUniversity Press, 1995. – 498 p.
- Yoshua Bengio, Y. Le Cun, and D. Henderson. Globally trained handwritten word recognizer using spatial representation, space displacement neural networks and hidden Markov models. In Advances in Neural Information Processing Systems 6, San MateoCA, 1994. Morgan Kaufmann.
- Хайкин, С. Нейронные сети: полный курс / С. Хайкин. – М.:Вильямс, 2006. – 1104 с.
