124
tashlashni hal qiladi.. Ushbu arxitektura ularga uzoq muddatli bog'liqliklarni o'rganish
imkonini beradi
Modulli neyron tarmog'i mustaqil ishlaydigan va kichik vazifalarni bajaradigan
bir qancha turli tarmoqlarga ega. Hisoblash jarayonida turli tarmoqlar haqiqatan ham
bir-biri bilan o'zaro ta'sir qilmaydi yoki signal bermaydi. Ular natijaga erishish uchun
mustaqil ravishda ishlaydi.
Foydalanilgan adabiyotlar roʻyxati:
1.
Sak, Hasim; Senior, Andrew; Beaufays, Francoise (2014). "Long Short-Term
Memory recurrent neural network architectures for large scale acoustic modeling"
(PDF). Archived from the original (PDF) on 2018-04-24.
2.
Li, Xiangang; Wu, Xihong (2014-10-15). "Constructing Long Short-Term
Memory based Deep Recurrent Neural Networks for Large Vocabulary Speech
Recognition". arXiv:1410.4281 [cs.CL].
3.
Wu, Yonghui; Schuster, Mike; Chen, Zhifeng; Le, Quoc V.; Norouzi,
Mohammad; Macherey, Wolfgang; Krikun, Maxim; Cao, Yuan; Gao, Qin (2016-09-
26). "Google's Neural Machine Translation System: Bridging the Gap between Human
and Machine Translation". arXiv:1609.08144 [cs.CL].
4.
Ong, Thuy (4 August 2017). "Facebook's translations are now powered
completely by AI". www.allthingsdistributed.com. Retrieved 2019-02-15.
5.
Sahidullah, Md; Patino, Jose; Cornell, Samuele; Yin, Ruiking; Sivasankaran,
Sunit; Bredin, Herve; Korshunov, Pavel; Brutti, Alessio; Serizel, Romain; Vincent,
Emmanuel; Evans, Nicholas; Marcel, Sebastien; Squartini, Stefano; Barras, Claude
(2019-11-06). "The Speed Submission to DIHARD II: Contributions & Lessons
Learned.
BASHORATLASH USUL VA ALGORITMLARI
Kabildjanov Aleksandr Sabitovich,
Pulatov G‘iyos Guforjonovich
“TIQXMMI” Milliy tadqiqot universiteti
Pulatova Gulxayo Azamjon qizi
Toshkent axborot texnologiyalari universiteti Fargʻona filiali
Annotatsiya:
Bashoratlash algoritmlari bir narsani kategoriyalash, tahlil qilish
yoki bashorat berish uchun ishlatiladi. Ular masalan, ta’lim, marketing, tadbirkorlik,
va boshqa sohalar bo‘yicha amal qiladi. Bashoratlash algoritmlarning qay birini tanlash
sizning maqsadingiz va masalangizga bog‘liq.
Kalit so‘zlar:
Haar Cascade Classifier, You Only Look Once, Single Shot
MultiBox Detector, Faster R-CNN, Mask R-CNN, Hough Transform, ORB, Canny
Edge Detection.
125
Bashoratlash algoritmlari, bir obyektni yoki narsani nazarda tutish, o‘rganish va
u boshqa obyektlar bilan solishtirishni o’rganish uchun ishlatiladigan ma’lumotlarni
olish yoki obyektlar va holatlar haqida amalga oshirilgan ma’lumotlar asosida
natijalarni chiqarish uchun ishlatiladigan dasturlash algoritmlaridir. Bu algoritmlar
kompyuter kutilgan holat va obyektlarni avtomatik tarzda aniqlashda va qavatlar
arasidagi mavqelarni aniqlashda juda muhimdir. Quyidagi bir necha mashhur
bashoratlash algoritmlarini keltirib o’tiladi:
Haar Cascade Classifier:
Bu algoritm obyektlarni aniqlash uchun tayyorlangan
mavzular, ranglar va shakllar bo’yicha tuzilgan "Haar-like" haqiqiy qavatlar ishlatadi.
U, yuzni aniqlash, avtomobillarni aniqlash va boshqa obyektlarni aniqlash uchun
ishlatiladi.
YOLO (You Only Look Once):
YOLO algoritmi obyektlarni biron bir ta’sir
etmasdan barchasini birgalikda aniqlaydi. Bu algoritm yuz, avtomobil, hayvonlar,
mevalar va boshqa obyektlarni aniqlashda foydalaniladi.
SSD (Single Shot MultiBox Detector):
SSD, YOLO kabi, bir nechta
obyektlarni yana bir ta’sir etmasdan birgalikda aniqlaydi. Uning asosiy maqsadi
avtomobil, odam yuzi va boshqa obyektlarni aniqlash.
Faster R-CNN:
Bu algoritm bir nechta obyektlarni aniqlash va joylashish uchun
ishlatiladi. U, CNN (Convolutional Neural Network) va region proposal network
(RPN) tuzilmalari orqali ishlaydi.
Mask R-CNN:
Mask R-CNN obyektlarni aniqlashning yanada keng
qo’llaniluvchisi hisoblanadi. U, obyektlarni aniqlash va ularning sochini yaratish
uchun ishlatiladi.
Hough Transform:
Bu algoritm chizmalar va shakllar qabul qilishni tizimga
solishtiradi. U radiatsion yorqinlik ma’lumotlaridan harakatlar va obyektlarni aniqlash
uchun ishlatiladi.
ORB (Oriented FAST and Rotated BRIEF):
ORB, rasmlardagi kechirilgan
obyektlarni aniqlash uchun ishlatiladi. U tez aniqlash va o’rganish uchun ishlatiladi.
Canny Edge Detection:
Canny algoritmi rasmning chegaralarini aniqlaydi. Bu,
obyektlarni aniqlashda yordam beruvchi asosiy qavatdir.
Bu algoritmlar qaysi birini ishlatish uchun sizning maqsadingiz va masalangizga
bog’liq. Obyektlarni aniqlash, yuzni aniqlash, avtomobillarni aniqlash yoki boshqa
turdagi vazifalarni bajarish uchun mos algoritmni tanlash va uni konfiguratsiyalash
zarur bo’ladi.
Quyi
Haar Cascade Classifier
algoritmlar bilan tanishib chiqamiz.
Haar Cascade Classifier
, obyektlarni taniqli shaklda (masalan, yuzlar) aniqlash
uchun ishlatiladigan bir masofavi rivojlanish algoritmi. Bu algoritm, asosan tiniqliklar,
ranglar va shakllar bo’yicha tuzilgan haqiqiy qavatlarni ishlatadi. U yuz, avtomobillar,
mevalar, hayvonlar va boshqa obyektlarni aniqlashda qo’llaniladi.
Haar Cascade Classifier
algoritmi quyidagi asosiy qadamlardan iborat:
1.
Tayyorlov jarayoni: Algoritmda tiniqlik tanlash uchun kerakli bo’lgan haqiqiy
qavatlar tuziladi. Masalan, yuzlarni aniqlash uchun yuzning oddiy haqiqiy qavati
ishlatiladi. Ushbu qavatlar sizning tanlayotgan obyektning xususiyatlarini tashkil etadi.
126
2.
Negative va Positive Ma’lumotlar to’plami: Obyektning aniq tiniqliklari
(masalan, yuzlar) bilan yaratilgan ma’lumotlar (positive samples) va obyektning
tiniqlik emas ma’lumotlari (negative samples) to’plami tayyorlanadi.
3.
Haar-like Feature Extraction: Positive va negative ma’lumotlar uchun Haar-
like xususiyatlari ajratiladi. Bu qavatlar obyektni yuzaga solishtirish uchun muhimdir.
Har bir Haar-like xususiyati obyektni yuzaga solish uchun yordam bera olishi kerak
bo’lgan haqiqiy qavatlardan olinadi.
4.
Klassifikatsiya tuzish: Obyektlarni aniqlash uchun adabiy qoidalarni yaratish
jarayoni boshlanadi. Bu qoidalar algoritmning obyektlarni yuzaga solishini va ya
aniqlamagan narsalarni aniqlamaganini bilish uchun ishlatiladi. Adabiy qoidalar
tayyorlangan ma’lumotlar bazasini o’rganib chiqadi va obyektlarni tushunadi.
5.
Cascade Classifier: Algoritmda obyektlarni aniqlash uchun bir nechta ko’plab
Cascade Classifierlar ishlatiladi. Har bir Cascade Classifier obyektni aniqlash
qadamlari sonini o’z ichiga oladi. Dastlabki classifierlar tezroq narsalarni aniqlaydi va
keyingilari ayrim bir qatordan o’tkazadi. Bu shaklda algoritm yengilaydi va aniqlash
tezlashtiriladi.
Haar Cascade Classifier algoritmi, o’zining aniqlashni amalga oshirishda
muvaffaqiyatli bo’lishi uchun tiniqliklar va algoritmlar bo’yicha qo’shimcha
konfiguratsiyalarni talab qilishi mumkin. Shuningdek, bu algoritm tizimni yukda o’qi
olish va boshqarishda qulayliklar ko’rsatadi. Yuzlarni aniqlash, avtomobillarni
aniqlash va boshqa oddiy obyektlarni aniqlash uchun mashhurdir.
Foydalanilgan adabiyotlar ro‘yxati:
1.
Mamatov, N., Dusanov, X., & Pulatov, G. (2023). Shaxsni ovozi asosida tanib
olish usullari.
Digital transformation and artificial intelligence
,
1
(2), 90–95.
2.
Muhamediyeva, D., & Pulatov, G. (2023). Bozorning dori vositalariga bo’lgan
ehtiyojlarini bashoratlashda sun’iy intеllеkt tеxnologiyalarini qo’llash.
Digital
transformation and artificial intelligence
,
1
(2), 7–11.
3.
Otaqulov, O. X., & Pulatova, G. A. Q. (2021). Sun’iy intellekt va uning insoniyat
faoliyatida tutgan o’rni.
Scientific progress
,
2
(8), 929-935.
QAYTA TIKLANUVCHI ENERGIYA MANBALARI MASOFALI
MONITORINGI
Abdumalikov Akmaljon Abduxoliq o‘g‘li
O‘zbekiston Milliy uiversitetining Jizzax filiali
Qarshibaev Sharof Abduraupovich
Jizzax Politexnika instituti
Alimov Fayzulla Maxametovich
Jizzax viloyati pedagoglarni yangi metodikalarga o‘rgatish milliy markazi
Elektr energiyasi boshqa turdagi energiyalardan bevosita yoki oraliq o‘zgartirish
yo‘li orqali olinadi. Buning uchun tabiiy organik energetik resurslardan va yadroviy
