O’ZBEKISTON RESPUBLIKASI AXBOROT TEXNOLOGIYALARI VA
KOMMUNIKATSIYALARINI RIVOJLANTIRISH VAZIRLIGI
MUHAMMAD MUSO AL-XORAZMIY NOMIDAGI TOSHKENT AXBOROT
TEXNOLOGIYALARI UNIVERSITETI FARG’ONA FILIALI
Dasturiy injiniringi kafedrasi katta o’qituvchisi
SOLIYEV BAHROMJON NABIJONOVICHNING
“MATLABda dasturlash” fanidan
“Mathcad muxitida grafiklar yaratish va
yechish”
11-amaliyot
Farg’ona – 2024 yil
MATLAB DA
DASTURLASH
ПРОГРАММИРОВАНИЕ В
MATLAB
Fan/modul turi
Fan/modul kodi
Yil:
Semestr:
Ta’lim shakli:
Mashg’ulotlar shakli va semestrga
ajratilgan soatlar:
Ma’ruza
Amaliy mashg’ulotlar
Seminar
Mustaqil ta’lim
Kredit miqdori:
Tanlov
TEE
2023-2024
8
Kunduzgi
180
30
60
90
6
Reyting baholash turlari
Joriy nazorat:
- Joriy nazorat shakllarida
berilgan vazifa va
topshiriqlarni bajarish
- Mustaqil ish topshiriqlarni o‘z
vaqtida va sifatli bajarilishi
Maks.Ball
25
Oraliq nazorat
- Oraliq nazorat shakllarida berilgan vazifa
va topshiriqlarni bajarish
Yakuniy nazorat
- Talabalarning yakuniy bilimlarini aniqlash
maqsadida (test, yozma, suhbat shaklida)
25
8 semestr o‘rtasida
25
7-8- hafta
50
8 semestr oxirida
50
100
16-hafta
Jami
15
10
O‘tkazish vaqti
8 semestr
Semestr davomida
Semestr davomida
Reja:
1. Mathcad muxitida grafiklar yaratish va yechish,
2. Turli misollarni ko’rib chiqish va taxlil qilish
Neyron tarmoq texnologiyalari.
Neyron to’rlarini tashkil qilish to’g’risida ma’lumot.
Odam miyasi juda murakkab tuzulishga ega. Uning qanday
ishlashini o’rganish maqsadida juda ko’p ilmiy izlanishlar olib
borilgan va borilmoqda. Ma’lumki inson miyasi katta xajmdagi
axborotni tez qayta ishlay oladi. Bunga sabab millionlab miya
nerv xujayralari-neyronlarning parallel ishlashidir.
Sun’iy neyronlarning g’oyaviy asosi xam biologik neyron xujayralari
xisoblanadi. Bugungi kunda miyaning ishlashini o’rganish yo’lida fan
erishgan yutuqlardan kelib chiqib biologik neyron quyidagicha ishlashini
aytish mumkin. Nerv xujayrasi-neyron bo’lib, u ma’lumotlarni qayta ishlovchi
eng kichik birlikdir. O’z o’rnida xar bir neyronda ko’plab o’simtalar bo’ladi.
Bu o’simtalarning bittasidan boshqa barchalari akson deb nomlanadi va
aksonlar orqali neyronga tashqi signallar keladi. Bitta o’simta dendrid deb
nomlanadi va u orqali neyron tashqariga signal beradi. Ko’plab neyronlar bir
birlari bilan ma’lum arxitekturada bog’langan bo’ladi. Bir neyronning aksoni
boshqa bir neyronning dendridiga bog’langan nuqtalari sinaps deyiladi.
Shu tariqa millionlab neyronlar bir-birlari bilan bog’lanib ma’lum
bir arxitekturadagi neyron to’rlarini tashkil qiladi. Bitta oldingi
qatlamdagi neyron chiqish o’simtasi-dendrid orqali signalni keyingi
qatlamdagi neyronlarga ularning aksonlari orqali beradi. Eng
birinchi qatlamdagi neyronlar signallarni ma’lum organlarning
retseptorlari orqali oladi. Masalan ko’z, burun, teri va xokazolar.
Eng
oxirgi
qatlamdagi
neyronlar
esa
signallarni
ma’lum
organlarning muskullariga uzatadi. Masalan qo’l, oyoq, yuz, tovush
pardalari va xokazolar.
Ana shu kabi miya tuzulishini o’rganishlardan kelib chiqib biologic
neyronlarning
funktsional
analogi
sun’iy
neyronlarni
yaratishga
xarakatlar qilinmoqda. Albatta, bugun erishilgan natijalar inson miyasiga
nisbatan juda primitiv, lekin shilliqurt, chuvalchang miyasi darajasida
deyish mumkin. Sun’iy neyron tabiiy neyronning funktsiyasini bajara
oladigan matematik model, apparat yoki kompyuter dasturidir. Bunda
signallarning qiymati (ya’ni amplitudasi)gina xisobga olinadi. Tabiiy
neyronda esa nafaqat signalning qiymati, balki chastotasi xam xal
qiluvchi axamiyatga ega bo’lishi mumkin.
Ammo
organizmlar
miyasini
bugungi o’rganilganlik darajasi juda
past bo’lib, xozirgacha bu borada
ilmiy
natijalarga
erishilmagan.
Neyron deyilganda sun’iy neyron
aniqrog’i,
kompyuter
dasturini
nazarda tutiladi.
Oddiy neyronni ko’rib chiqaylik:
1-chizma.
Bu erda:
p-kirish vektori (input vector);
R-kirish elementlari soni (number of input
elements);
w-og’irliklar vektori (weight vector);
b-surilish (bias);
n-kirishning
og’irliklarga
ko’paytirilgan
va
surilgan qiymati (wp+b);
f-transfer funktsiya (transfer function);
a-chiqish (output).
1-chizma.
Neyronga kirish vetori p beriladi. Kirishlarning barchasi bir xil ta’sir
kuchiga ega bo’lmaydi. Shuning uchun ma’lum kirishning ta’sir kuchini
boshqarish maqsadida og’irlik w tushunchasi kiritilgan. Xar bir kirish qiymati
p og’irliklar vetori w ning mos elementiga ko’paytirilib natijalar jamlanadi
(ya’ni
wp+p1w1,1+p2w1,2+…pRw1,R).
Summaga
surilish
qiymati
b
qo’shiladi. b xam og’irlik w ga juda o’xshash, ammo uning «kirish» qiymati
o’zgarmas 1 (bir) konstantadir (ya’ni b kirish qiymati emas). Natijada transfer
funktsiyaning kirish qiymati n xosil bo’ladi (ya’ni n+wp+b). Bu qiymat
transfer funktsiya (uzatish funktsiyasi)ga parametr sifatida berilib neyronning
chiqishi a topiladi. w va b neyronning sozlanadigan parametrlaridir.
Ana shu parametrlar o’zgartirilib
neyron
ma’lum
bir
funktsiyani
bajaradigan xolga keltiriladi. Shu jarayon
neyronni o’rgatish deb yuritiladi. Neyron
to’rlarning markaziy g’oyasi xam ana
shunda:
neyronlarning
w
va
b
qiymatlarini o’zgartirib, ya’ni o’rgatib
ixtiyoriy
vazifani
bajaradigan
xolga
keltirish mumkin. Neyronni sxematik
ravishda quyidagicha ifodalash mumkin:
Neyron
kirish
qiymatlarini
og’irliklarga
ko’paytmasini
jamlabgina qolmasdan ma’lum bir funktsiya-transfer funktsiyada
xam qayta ishlaydi. Transfer funktsiya sifatida chiziqli, zinali,
logarifmik-sigmoida, tangensoida funktsiyalaridan foydalaniladi.
qanday funktsiyadan foydalanish aniq masalaga bog’liq.
Neyron to’rlarini ishlab chiqarishning turli sohalariga tadbiqi. Bugun
neyron to’rlar o’ta chuqur o’rganilmagan bo’lishiga qaramasdan quyidagi
sohalarga qo’llanilib ijobiy natijalarga erishilmoqda:
 biznes-neyron to’rlarning bu sohaga tadbiqi 1984 yilda adaptiv kanal
ekvalayzeri yaratilishi bilan boshlandi. Bu qurilma juda sodda bo’lib, bitta
neyrondan tashkil topgan. U uzoq masofadagi telefon liniyalarida ovozni
stabillashtirib sifatini oshirganligi sababli katta iqtisodiy muvafaqiyat
qozongan;
 bank moliya-ko’chmas mulkni baxolashda, kredit berishda risklarni
xisoblab mijoz tanlashda, qarzlarni baxolashda, kreditlarning ishlatilishini
analiz qilishda, savdo portfeli programmalarida, moliyaviy analiz qilishda,
valyuta qiymatini prognozlashda;
 birja-valyuta va aktsiya kurslarini prognozlashda, bozorni prognozlashda,
korxonalar kelajagini baxolashda;
 ishlab chiqarish-jarayonlarni boshqarishda, maxsulotlar dizayni va
analizida;
 meditsina-o’pka raki xujayralarini analiz qilishda, DNK analizida, protez
loyilashda, transplantatsiya vaqtlarini optimizatsiyalashda, shifoxona
xarajatlarini kamaytirishda va sifatini oshirishda, shoshilinch yordam
xonalarini tekshirishda;
 robototexnika-traektoriya
qurishda,
xarakatni
boshqarishda,
manipulyatorlarni boshqarishda, tasvir analizi va ko’rishda, shakllar va
figuralarni tanishda, ovoz analizi va sintezida;
 transport-marshrutlarni
optimal
loyixalashda,
vaqt
jadvallarini
rejalashtirishda, yuk mashinalari tormoz sistemalarining analizida;
 avtomobil-avtomatik boshqarish tizimlarida, avtomatik xarita tizimlarida,
kafolat bilan bog’liq ishlar tekshiruvida;
 kosmos-yuqori samarali avtopilotlar yaratishda, uchish traektoriyasi
immitatsiyasi tizimlarida, uchar jismlarni boshqarish tizimlarida, uchar
jismlarining kamchilik va buzuqliklarini topish va bartaraf qilishda;
 mudofaa-tovush, radar, infraqizil signallarni taxlil qilishda, axborotlarni
umumlashtirishda, avtomatik qurilmalarni boshqarishda;
 telekommunikatsiya-tasvir va ovozni zichlash, shifrlash va boshqacha
qayta ishlash jarayonlarida, avtomatlashtirilgan axboratlashtirishda, turli
tillarga sinxron tarjima tizimlarida va xokazolarda.
Neyron to’rlarning afzalliklarini va mavjud kompyuter dastur
paketlarining qulaylik va samaradorligini xisobga olib uni innovatsiya
jarayonlarida qo’llash istiqbolli ekanligini xulosa qilish qiyin emas.
Neyron to’rlarini kompyuter dasturi sifatida namoyon bo’lishi.
Neyron to’rlarni loyixalash va yaratish borasida ko’plab kompyuter
dasturlari ishlab chiqarilgan. Ular orasida MathWorks firmasi tomonidan
yaratilgan MatLab kompyuter dasturi paketi ustunliklari bilan aloxida
ajralib turadi.
Chunki aynan shu dastur matematik yadroga va neyron to’rlar qism
paketiga ega. Unda eng soda neyron modelidan tortib, ixtiyoriy transfer
funktsiyali ixtiyoriy arxitekturadagi murakkab neyron to’rlarni oson va tez
yaratish mumkin. Bundan tashqari paket tarkibiga teskari aloqali chiziqli
boshqaruvchi,
zavod
kelajagini
prognozlovchi
va
baxolovchi,
funktsiyalarni approksimatsiyalovchi vositalar xam kiradi. Neyron
to’rlarni o’rgatishning bir qancha algoritmlari xam paketda amalga
oshirilgan.
Mathcad dasturida neyron to’r modeli tuzilgach bu model ustida virtual
laboratoriya sifatida foydalanib, jarayonni immitatsiya qilish mumkin.
MATLAB dasturi matritsaviy amallarni qo’llashga asoslangan. Bu tizimni
nomi MATrix LABoratory matritsaviy laboratoriyada o’z aksini topgan.
Mathcad-kengayuvchi tizim, uni xar xil turdagi masalalarni echishga oson
moslashtirish
mumkin.
Simulink-dinamik
tizimlarni
modellashtirish,
imitatsiya va taxlil qilish uchun interaktiv vositadir. U grafik blokdiagrammalarni qurish, dinamik tizimlarning ishlashini tekshirish va
loyixalarni mukammalashtirish imkoniyatlarini beradi.
Simulink yuzdan ortiq biriktirilgan
bloklarga ega. Bloklar vazifalariga mos
xolda guruxlarga bo’lib chiqilgan.
Bular: signallar manbalari, qabul
qilgichlar,
bo’lmagan,
diskret,
uzluksiz,
matematik
chiziqli
funktsiyalar,
signallar va tizimlar. Simulink MATLAB
bilan to’la integrallashgan.
Amaliy qism
Mathcad dasturida grafiklar. Matlab dasturida grafiklar orqali
ma’lumotlarni vizuallashtirish mumkin. Bu bilan ma’lumotlarni
anglash darajasini oshirish mumkin. Misol: sin(x) funksiyasining 1
dan 10 gacha 0.1 oraliqdagi grafigini yarataylik. Bunda plot( )
funksiyasidan foydalaniladi.
Ushbu grafik 100 ta nuqtadan tashkil topgan holatda qurildi, shuning uchun
ham garfik chizig’i notekis chizilgan. Bundan tashqari yaratilgan grafik
yangi Figure-1 oynasida hosil bo’lgan. Agar bu ish yana takrorlansa, garfik
Figure 2 oynasida hosil bo’ladi. Garfiklarni bir oynada hosil qilish uchun
hold on buyrug’idan foydalanish mumkin. Bunda grafiklar yagona oynada
hosil qilinadi. hold off buyrug’i esa hold on buyrug’ini bekor qiladi. hold
buyrug’i ketma-ket chiqish va uni bekor qilish uchun kerak.
Bir vaqtning o’zida
bir necha grafiklarni
bir
oynada
yaratishning boshqa
bir
shakli
bo’lib,
ham
bunda
plot(a1,f1,a2,f2,…)
kabi
beriladi.
ko’rinishida
Yaratilayotgan
funksiya
grafigini chiziq
rangini ham
o’zgartirgan
holda yaratish
imkoniyati bor.
Masalan: >>
plot(x, y, ‘g’) –
yashil rangli
sinx grafigi.
Yaratilayotgan
funksiya grafiklarini
nuqtalari
turli
belgilar asosida ham
yaratish
mumkin.
Masalan:
plot(x, y, ‘*’)
Yaratilayotgan
grafiklarni
chiziq
turlarini belgilar asosida
ham
shakllantirish
mumkin.
plot(x, y, ‘s--’)
Masalan:
Grafikni ko’rinishi va uning izohlanishini boyitish uchun:
- title – funksiya grafigiga sarlovha berish;
- xlabel – funksiya grafigining x o’qi;
- ylabel – funksiya grafigining y o’qi;
- zlabel – funksiya grafigining z o’qi;
- grid on – funksiya grafik oynasiga setka yotqizish;
- grid off – funksiya grafik oynasidagi setkani olib tashlash;
- grid – ketma-ket setka kiritish va olib tashlash;
- legend – oynaga izoh joylashtirish (legend(‘izoh’, <izoh manzili>) –
agar <izoh manzili>)):
Natijada
Figure
1
oynasida hosil
bo’lgan
funksiyalar
grafigi.
Agarda ikki
funksiya
grafigini
biriktirish
zarur hollarda
plotyy()
funksiyasidan
foydalaniladi.
Nazorat savollari
1. Neyron tarmoqlarini to’rtligini aytib bering.
2. Matlabda grafik chizish kodini ayting.
3. Grafikni ko’rinishi va uning izohlanishini boyitish
funksiyalarini sanab bering.
4. hold on va hold off funksiyalarini matlabda qanday vazifa
bajaradi.
Foydalanish uchun manbalar:
Asosiy adabiyotlar
1
Дьяконов В.П. MATLAB. Полный самоучитель. / Дьяконов
В.П.— М.: ДМК Пресс, 2014.— 768 c.
2
MATLAB R2007/2008/2009 для радиоинженеров
[Электронный ресурс] / Дьяконов В.П. - М. : ДМК Пресс, 2010.
3
Зализняк, В. Е. Теория и практика по вычислительной
математике.: учеб. пособие / В. Е. Зализняк, Г. И. Щепановская. Красноярск : Сиб. федер. ун-т, 2012. - 174 с. - ISBN 978-5-76382498-8.
Foydalanish uchun manbalar:
Internet saytlari
1.
2.
3.
4.
5.
www.intuit.ru
https://yiiframework.com
MiniSAT home page (http://minisat.se/)
Yices home page (http://yices.csl.sri.com/)
https://intercert.com.ua/articles/posts/78-a-verification-andvalidation
Foydalanish uchun manbalar:
Video manbaalar
1.
EngineerSpock
-
IT
программирование
&
-
https://www.youtube.com/@EngineerSpock
2.
Школа
itProger
/
Программирование
-
https://www.youtube.com/@itproger
3.
Python
Hub
Studio
https://www.youtube.com/@PythonHubStudio
4.
Selfedu - https://www.youtube.com/@selfedu_rus
-