86

Мазкур мақола сунъий нейрон тармоқлар (СНТ) интеграциясини билимлар сифатини мониторинг қилиш ва баҳолаш тизимларини ривожлантиришда фойдаланишга бағишланган бўлиб, у СНТни мослашувчан таълим имкониятларидан фойдаланган ҳолда таклиф қилинган тизим таркибни тасдиқлаш ва долзарбликни баҳолаш каби вазифаларни автоматлаштиш имконини беради. Бундан ташқари мазкур ишда назарий асослар ва мавжуд муаммолар муҳокама қилинган. Шунингдек, СНТни турли соҳалар билимлари ишончлилиги ва долзарблигини ошириш имкониятлари ўрганилган.

  • Read count 86
  • Date of publication 01-03-2024
  • Main LanguageO'zbek
  • Pages125-133
Ўзбек

Мазкур мақола сунъий нейрон тармоқлар (СНТ) интеграциясини билимлар сифатини мониторинг қилиш ва баҳолаш тизимларини ривожлантиришда фойдаланишга бағишланган бўлиб, у СНТни мослашувчан таълим имкониятларидан фойдаланган ҳолда таклиф қилинган тизим таркибни тасдиқлаш ва долзарбликни баҳолаш каби вазифаларни автоматлаштиш имконини беради. Бундан ташқари мазкур ишда назарий асослар ва мавжуд муаммолар муҳокама қилинган. Шунингдек, СНТни турли соҳалар билимлари ишончлилиги ва долзарблигини ошириш имкониятлари ўрганилган.

№ Name of reference
1 Solidjonovich, M. N., O‘G‘Li, I. S. R., O’Gli, F. V. O., & O‘G‘Li, S. A. N. (2023). SUN’IY INTELLEKT VOSITALARINI TA’LIMNI NAZORAT QILISH VA BAHOLASHDA QO ‘LLASH. Al-Farg’oniy avlodlari, 1(4), 291-297. Mamatov, N., & Ibroximov S. (2023). Artificial intelligence in education: paving the way for a more effective learning experience. Информатика и инженерные технологии, 1(2), 107-109. Stephen, O., Maduh, U. J., Ibrokhimov, S., Hui, K. L., Al-Absi, A. A., & Sain, M. (2019, February). A multiple-loss dual-output convolutional neural network for fashion class classification. In 2019 21st International Conference on Advanced Communication Technology (ICACT) (pp. 408-412). IEEE. Горбан 1991, Уоссерман 1992, Кроесе 1996 Mamatov, N. S., & Nuritdinov, N. D. (2023). NEYRON TO ‘RLARI NEGIZI VA ULARNING TURLARINI TAHLILI. Educational Research in Universal Sciences, 2(8), 76-83. Mamatov, N. S., & Nuritdinov, N. D. (2023). NEYRON TO ‘RLARI NEGIZI VA ULARNING TURLARINI TAHLILI. Educational Research in Universal Sciences, 2(8), 76-83. GeekBrains, Р. С. (2023, August 29). Алгоритмы обучения нейронной сети: наиболее распространенные варианти. GeekBrains. https://gb.ru/blog/algoritmy-obucheniya-nejronnoj-seti/ Ralhan, A. (2020, August 8). Self Organizing Maps - Abhinav Ralhan - Medium. Medium. https://medium.com/@abhinavr8/self-organizing-maps-ff5853a118d4 Kohonen T. Self-organizing Maps, ~ Heidelberg: Springer Verlag, 1995. Homik K., Stinchcomb M., White H. Multilayer feedforward networks are universal approximators // Neural Networks.— 1989. — V. 2, N. 5.— P. 359-366. Paluzo-Hidalgo, E., González-Dı́Az, R., & Gutiérrez–Naranjo, M. A. (2020). Two-hidden-layer feed-forward networks are universal approximators: A constructive approach. Neural Networks, 131, 29–36. https://doi.org/10.1016/j.neunet.2020.07.021 Logovskiy A.S. Многопросессорные и нейрокомпютерные технологии фирмы Сунденcе Мултипроcессор Течнологий, Ltd.— Neyrokompyuter, №1,1999. Stephen, O., Maduh, U. J., Ibrokhimov, S., Hui, K. L., Al-Absi, A. A., & Sain, M. (2019, February). A multiple-loss dual-output convolutional neural network for fashion class classification. In 2019 21st International Conference on Advanced Communication Technology (ICACT) (pp. 408-412). IEEE. Арнолд В.И. О представлении непрерывных функций несколких переменных в виде суперпозиции функсий меншего числа переменных // Mat. просвещение.— 1957.— № 4.— S. 41-61. Contributors to Wikimedia projects. (2023, December 11). Teorema Kolmogorova — Арнольда. https://ru.wikipedia.org/wiki/ Xext-Nilsen R. Нейрокомпютинг: история, состояние, перспективы // Открытые системы, 1998. № 4. Kruglov V.V., Borisov V.V. Исскусственные нейронные сети. Теория и практика.— М.: Горячая линия — Telekom, 2001.— 382 s. Гаврилов А.В. Системи искуственного интеллекта: Учеб. пособие: в 2-х ч.— Новосибирск: Изд-во НГТУ, 2001.— 4.1.— 67 с.
Waiting