5-3 Enkoder·dekoder — harakatni buklab, qayta yoyamiz

1Missiya

Uchinchi topshiriq — «Dastalarni ma’lumotlardan toping»

5-2 dagi D generatori uchta dastani (tezlik·joylashuv·koʻlam) oldindan bilgani uchun gʻolib chiqdi. Haqiqiy ma’lumotlarga dastalar birga kelmaydi. Bu safargi missiya — faqat 600 ta sahnaga qarab dastalarni mustaqil topish.

[SYSTEM] 04:55 · 5-2 boʻyicha hisobot qabul qilindi. Keyingi topshiriq: harakatni siqish. Ilova: olti turdagi 600 ta sahna, bitta voronka chizmasi.

Doktor1,196 ta sonning hammasi haqiqatan alohida-alohida harakatlanadimi? Yoʻq. Tirsak qimirlasa, bilak ham ergashadi, joriy kadr esa oldingi kadrga deyarli oʻxshaydi. Shuning uchun ularni ancha kam songa buklash mumkin.

YordamchiBuklaydigani enkoder, yoyadigani dekoder! Buklab, qayta yoyganda asl harakat chiqsa, demak, oʻrtadagi sonlarda butun harakat bor ekan-da?

Drozofila tadqiqotchisiAna shu oʻrtadagi sonlar 5-2 da qidirgan dastalarimiz boʻladi. Yana qoʻshimcha foydasi ham bor: titrash yoʻqoladi, toʻsilgan tirsak toʻldiriladi, chiqindi tashlashni aniqlash ham yaxshilanadi.

Laboratoriya robotiVoronka oʻlchamini 1 tadan 16 tagacha tayyorladim. 1-kod hisoblagan 16 ta yoʻnalishni shu sahifaga joylashtirdim.

Yuqoridagi ekranda toʻrtta chiziqcha odam bitta kichik kapsulaga yigʻilib, soʻng uch qator boʻlib yurayotgan chiziqcha odamlar safiga yoyiladi; pastda xira chiziqcha odam aniqlashib, ustunli diagramma koʻtariladi. Yordamchi mushtini tugib quvonadi, robot esa oʻsish grafigi tasvirlangan lavhani koʻtarib turadi — Buklab, qayta yoyish. Xira kirish aniq chiqishga aylanadigan sahnani 4-boʻlimda oʻzingiz yaratasiz.

2Voronka

Voronka — 1,196 tani k taga buklab, yana yoyadi

Chapdagi asl nusxani enkoder k ta songa (oʻrtadagi binafsharang ustunlar) buklaydi, dekoder esa yana 1,196 taga yoyadi (oʻngda). Tor boʻgʻiz oʻlchami k ni kamaytirib, qanchagacha buklash mumkinligini koʻraylik.

Tor boʻgʻiz k

Sahna

1-kod natijasi — 300 ta test sahnasini buklab yoygandagi xato

Tor boʻgʻiz k	Siqish nisbati	Tushuntirilgan dispersiya	Tiklash xatosi (RMSE)	Suyak uzunligi xatosi
1	1,196 marta	85.72%	0.1021	6.16%
2	598 marta	95.07%	0.0598	7.65%
3	398.7 marta	97.84%	0.0395	2.78%
5	239.2 marta	99.02%	0.0266	1.95%
8	149.5 marta	99.46%	0.0195	1.86%
16	74.8 marta	99.80%	0.0123	1.50%
32	37.4 marta	99.90%	0.0088	1.43%

Test sahnalariga pozani baholashdagi titrash (σ = 0.008) qoʻshilgan. k = 32 dagi 0.0088 xato shu titrash kattaligiga deyarli teng. Bundan pastda model harakatni emas, titrashni yodlay boshlaydi.

Boshlovchilar uchun izoh — bu voronka qanday yasalgan

600 ta sahnani yigʻib, «harakat eng koʻp oʻzgaradigan yoʻnalishlar»ni ketma-ket topdik (bosh komponentlar tahlili, PCA). Enkoder sahnadan oʻrtacha sahnani ayiradi va natijani shu k ta yoʻnalishga proyeksiyalab, k ta son oladi. Dekoder esa oʻrtacha sahnaga k ta yoʻnalishni shu sonlarga koʻpaytirib qoʻshadi. Bu faqat qoʻshish va koʻpaytirishdan iborat eng oddiy avtoenkoder. Neyron tarmoq bilan yasalgan avtoenkoder qatlamlar va aktivatsiya funksiyalari yordamida egri munosabatlarni ham qamrab oladi (3-7). Bu sahifadagi 16 ta yoʻnalish — 1-kod hisoblagan qiymatlarning oʻzi.

3Yashirin xarita

Yashirin xarita va dastalar — ma’lumotlarning oʻzi topgan dastalar

Bu 600 ta sahnani 1- va 2-dastalar boʻyicha joylashtirgan xarita. Nuqtani bosib sahnani tanlang va pastdagi toʻrtta dastani burab koʻring. Dastalarning nomi yoʻq. Nima oʻzgarayotganiga qarab, ularga oʻzingiz nom bering.

1-dasta 2-dasta 3-dasta 4-dasta

Bir xil turdagi sahnalar xaritada bir-biriga yaqin toʻplanadi. Hech kim «bu otish» deb aytmagan boʻlsa ham, faqat buklashning oʻzi shunga olib keldi. Dasta qiymatlari oʻquv sahnalarining standart ogʻishi (σ) birligida. ±2σ dan tashqarisi oʻquv ma’lumotlarida deyarli boʻlmagan hudud, shuning uchun yoyilgan shakl gʻalati chiqadi.

Dasta	Eng koʻp harakatlanadigan joy	Kuzatib qoʻyilgan laqab	Sahnalar boʻyicha oʻrtacha (1-kod)
1 (harakatning 85.7%)	Barcha boʻgʻimlarning x koordinatasi, sahna oxiri	«Oxirida qayerda turadi» — quti oldida qoladimi yoki oʻngga yurib ketadimi	solish −15.3 · otish +8.3 · oʻtib ketish +6.4 · tushirish +6.7
2 (9.4%)	Oʻng bilak·tirsak va toʻpiqlarning x koordinatasi, sahna boshi	«Boshida qayerda va oʻng qoʻlini qaysi tomonda tutib boshlaydi»	oʻtib ketish −4.4 · qoʻl silkitish +4.1
3 (2.8%)	Oʻng bilak·tirsak va boshning y koordinatasi	«Qoʻlni koʻtaradimi yoki belni egadimi»	qoʻl silkitish +2.6 · terib olish −2.1
4 (1.2%)	Oʻng bilak va toʻpiqlarning x koordinatasi, sahna oʻrtasi	«Oʻrta vaqtdagi qoʻl va oyoqlarning chapga-oʻngga tebranishi»	terib olish +1.3 · otish −0.9

5-2 dagi dastalardan nimasi bilan farq qiladi

5-2 dagi dastalarni (tezlik·joylashuv·koʻlam) sahnalarni yaratayotganda odam belgilagan edi. Bu yerdagi dastalar esa ma’lumotlar eng koʻp oʻzgaradigan yoʻnalishlarni ketma-ket ajratib olish orqali topilgan. Shuning uchun ularning nomi yoʻq va bitta dastada bir nechta ma’no aralashgan (1-dasta ham joylashuv, ham «yurib ketdimi?» degani). Buning evaziga odam hech narsa aytmasa ham ularni topish mumkin. Mana shu yashirin fazo.

4Titrash·toʻsilish

Samaradorlikni oshirish ① — titrashni yoʻqotish, toʻsilgan tirsakni toʻldirish

Haqiqiy poza baholashda boʻgʻim nuqtalari titraydi, qoʻl tana bilan toʻsilsa, nuqta yoʻqoladi. Voronka faqat «odam harakatiga oʻxshagan narsalar»ni oʻtkazgani uchun buklab yoyilganda titrash filtrlanadi, boʻsh kataklar esa ishonarli tarzda toʻldiriladi.

Titrash σ

Sahna

Titrashni yoʻqotish (1-kod, 120 ta sahna)

Titrash σ = 0.01 boʻlsa, xato 0.0100 → 0.0082, σ = 0.03 boʻlsa, 0.0300 → 0.0090, σ = 0.05 boʻlsa, 0.0501 → 0.0104. Titrash qanchalik katta boʻlsa, samara shunchalik katta. Chunki titrashning yoʻnalishi tartibsiz boʻlib, voronkaning 16 ta yoʻnalishiga deyarli tushmaydi.

Toʻsilgan tirsakni toʻldirish (1-kod, 120 ta sahna)

Faqat koʻrinadigan kataklar boʻyicha 16 ta yashirin sonni eng kichik kvadratlar usulida moslab, dekoder bilan yoysak, boʻsh kataklar ham toʻldiriladi. Joylashuv xatosi: «yelka va bilakning oʻrta nuqtasi bilan yamash» 0.0230, «dekoder bilan toʻldirish» 0.0108 — taxminan 2.1 marta aniqroq. 5-1 da aytilgan «qoʻl tana bilan toʻsilsa, boʻgʻim topilmaydi» muammosini shu tarzda hal qilamiz.

5Tashlashni aniqlash

Samaradorlikni oshirish ② — buklangan sonlar bilan chiqindi tashlashni aniqlasak

5-1 da «koordinatalarni toʻgʻridan-toʻgʻri oʻrgansak, ancha koʻp ma’lumot kerak boʻladi» degan edik. Bu safar boʻgʻimlar va banka koordinatalarini (1,288 ta) avval enkoder bilan buklaymiz, soʻng buklangan k ta son asosida eng oddiy logistik regressiyani oʻqitamiz.

Oʻquv sahnalari (har bir tur uchun)	1,288 ta oʻzgarishsiz + MLP	k = 8 ga buklab + logistik regressiya	k = 16 ga buklab + logistik regressiya
25 (jami 150)	96.7%	95.0%	99.7%
50 (jami 300)	97.0%	95.3%	100.0%
100 (jami 600)	98.0%	98.0%	100.0%

k = 16 + logistik regressiya: har bir tur uchun atigi 25 ta (jami 150 ta) sahna bilan 300 ta testdan 299 tasini toʻgʻri topdi. 16 ta son ichiga «banka oxirida qayerda» va «odam qayerga ketdi» birga buklangani uchun ularni bitta toʻgʻri chiziq bilan ham ajratish mumkin boʻldi.

k = 8 yetarli emas: bankaning oxirgi joylashuvi kabi kichik harakatlar 9-yoʻnalishdan keyingi yoʻnalishlarda joylashgan, shuning uchun 8 taga buklasak, ularning bir qismi tushib qoladi. Imkon qadar kuchli buklash har doim ham yechim emas.

5-1 dagi 92.3% dan farqi sababi: 5-1 da «buyum yoʻq» holati −9 koordinata bilan belgilangan edi, bu yerda esa (0, 0) bilan belgilandi. Kirishni belgilash usulini oʻzgartirishning oʻzi MLP ni 98% gacha koʻtaradi. Bu jadvaldagi uchta ustun bir xil kirish bilan solishtirilgan.

Nega buklasak yaxshilanadi

Enkoder yorliqlarsiz, faqat sahnalarga qarab yasalgan (600 tasining hammasi ishlatilgan, lekin tashlash/normal javoblariga qaralmagan). Shunday olingan «harakat xulosasi»da shovqin filtrlangan va sonlar kam, shuning uchun toʻgʻri javobi bor sahnalar kam boʻlsa ham klassifikator adashmaydi. Avval yorliqsiz ma’lumotlardan ifodalashni oʻrganib, soʻng oz sonli toʻgʻri javoblar bilan yakunlash — bugungi katta modellarni oʻqitishning asosiy yoʻli bilan bir xil. Biroq bu raqamlar sintetik ma’lumotlar natijasi. Haqiqiy videoda ular bundan pastroq boʻladi.

6Generatsiya

Samaradorlikni oshirish ③ — dastalarsiz harakat yaratish (E generatori)

5-2 dagi Nazoratchi yana keldi. Bu safargi E generatori odam belgilagan dastalarni bilmaydi. U yashirin xaritada otishlar toʻplangan joyga (oʻrtacha va standart ogʻish) qarab, 16 ta yangi yashirin son tanlaydi va ularni dekoder bilan yoyadi.

5-2 dagi toʻrtta generator bilan yonma-yon qoʻyib koʻrsak (2-kod · 5-2 ning 2-kodi, har biridan 20 tadan generatsiya)

Generator	Dastalarni oldindan biladimi	Suyak uzunligi xatosi	Titrash	Bilakning maksimal tezligi	Xilma-xillik	Yangilik
A Bitta oʻrtacha	—	1.7%	0.0045	1.36	0.000	0.033
B Har koordinataga zar	—	44.2%	0.2659	10.00	0.149	0.109
C Bittasini tanlab nusxalash	—	4.7%	0.0300	2.75	0.125	0.000
D 3 ta dastani tanlash	Biladi (odam belgilagan)	0.0%	0.0125	2.71	0.123	0.022
E — 16 ta yashirin sondan tanlash	Bilmaydi (ma’lumotlar topgan)	3.7%	0.0122	1.76	0.114	0.047

E nimaga erishdi: dastalarni bilmasa ham B kabi buzilmaydi (suyak xatosi 44.2% → 3.7%, titrash 0.27 → 0.012). Xilma-xil (0.114) va koʻchirmagan ham (0.047).

E nimani uddalay olmadi: bilakning maksimal tezligi 1.76 — otish kuchi yoʻqoldi. Yashirin fazoda oʻrtacha atrofidan tanlab, toʻgʻri chiziqli yoʻnalishlarni qoʻshish bilan cheklangani uchun tez siltashning qisqa lahzasi xiralashib ketadi. Suyak uzunligi ham haqiqiy ma’lumotdagidek (0%) aniq emas.

Yaxshiroq dekoder

Chiziqli dekoder yoʻnalishlarni nisbatga koʻra qoʻshadi, xolos, shuning uchun «qoʻl aylana chizib aylanadi» kabi egri munosabatlarni qamrab ololmaydi. Shu sababli haqiqiy harakat generatsiyasi tadqiqotlarida qatlamlar qoʻyilgan nochiziqli enkoder·dekoderlar ishlatiladi [R2], yashirin fazo esa normal taqsimot shakliga kelishi uchun birga oʻqitilib, «tanlansa, ishonarli yoyiladigan» fazo yaratiladi (VAE [R1]). Vaqt oʻqini ham birga hisobga oladigan harakat uchun VAE lar ham bor [R4].

7Cheklovlar

Buklashning cheklovlari va keyingi missiya

Enkoder·dekoder aniqlashni ham, generatsiyani ham yaxshiladi. Shunday boʻlsa-da, hal qilinmagan masalalar qoldi.

Bu qismda bilib olganlarimiz

1,196 ta son 16 taga buklanadi: harakatning 99.8% saqlanadi. Harakat ma’lumotlari koʻrinishidan ancha soddaroq.
Buklasa, filtrlanadi: titrash yoʻqoladi (0.030 → 0.009), boʻsh kataklar toʻldiriladi (2.1 marta aniqroq).
Buklasa, oz sonli toʻgʻri javob bilan oʻrganadi: har bir tur uchun 25 ta sahna bilan 99.7%.
Buklangan joydan tanlasa, yaratiladi: odam belgilagan dastalarsiz ham generatsiya ishlaydi.

Qolgan muammolar

Chiziqlilik cheklovi: kuchli otish xiralashib ketadi. Nochiziqli dekoder va VAE kerak.
Koʻrilmagan harakat: voronka faqat oʻrganilgan olti turdagi shakllarni biladi. Birinchi marta koʻrilgan harakat (masalan, yiqilish) buklab yoyilganda tanish harakatlar tomon tortiladi. Aksincha, bunday «tiklash xatosi katta sahna»dan gʻayrioddiy harakat signali sifatida foydalanish mumkin.
Kerakli harakatni tanlash usuli: hozircha «otishlar toʻplangan joy»ni biz oʻzimiz tanlab berdik. Odam «qoʻl silkitish» deb soʻz bilan tanlay olmaydimi? Buning uchun soʻzlarni ham shu xaritaga joylashtirish kifoya.

Chapdagi yurak·yulduz·nota·undov belgisi·oy belgili kartochkalar oʻngdagi chiziqcha odam harakati kartochkalari bilan nurli chiziqlar orqali bogʻlangan; Yordamchi eng yuqoridagi kartochkani bosmoqda, Doktor esa iyagini tirab kuzatib turibdi — Keyingi missiya e’loni · soʻz va harakatni bitta xaritada juftlash

DoktorHarakatni xaritadagi nuqtaga aylantirdik. Endi «qoʻl silkitish» degan soʻzni ham shu xaritadagi nuqtaga aylantirsak-chi? Soʻzni kiritsak, uning yaqinidagi harakat chiqadi-da!

YordamchiDemak, soʻzlarni ham enkoder bilan buklaymiz! Soʻz voronkasi bilan harakat voronkasini bitta xaritaga moslasak…

Drozofila tadqiqotchisiAna shu 5-4. Chalkash chiziqlar oʻqitish davomida oʻz juftini topib borishini koʻrasan.

Colab kodi — bu sahifani oʻzingiz ishga tushirib koʻring

Ikkala kod ham faqat Colab’da standart oʻrnatilgan kutubxonalardan foydalanadi. "Notebook (.ipynb) yuklab olish" tugmasini bosgach, Colab’da Fayl → Notebookni yuklash orqali oching yoki kodni nusxalab, yangi notebook katagiga joylashtiring.

1-kod · Harakatni k ta songa buklab, qayta yoyish (chiziqli avtoenkoder)2–4-boʻlimlar bilan bogʻliq · numpy, matplotlib · CPU da taxminan 3 soniya

600 ta sahna asosida encode·decode yasaydi, soʻng k ga qarab tiklash xatosini, titrashni yoʻqotishni va toʻsilgan tirsakni toʻldirishni (fill) oʻlchaydi. Bu sahifadagi 16 ta yoʻnalish shu yerdan olingan. Oʻz ma’lumotlaringizga almashtirish uchun S oʻrniga (sahnalar soni, sonlar soni) shaklidagi oʻz ma’lumotlaringizni qoʻying. Sensor va log ma’lumotlarini ham xuddi shu usulda buklash mumkin.

Natija (2026-10-05 da ishga tushirilgan, numpy 2.4 · matplotlib 3.10 · CPU). Seed qayd etilgani uchun qachon ishga tushirsangiz ham natija bir xil. Ikkita grafik (k boʻyicha tushuntirilgan dispersiya, yashirin xarita) ham chiqadi.

2-kod · Buklangan sonlar bilan chiqindi tashlashni aniqlash va harakat generatsiyasini yaxshilash5·6-boʻlimlar bilan bogʻliq · numpy, scikit-learn · CPU da taxminan 40 soniya

5-1 dagi chiqindi tashlashni aniqlashni «oʻzgarishsiz MLP» va «buklab logistik regressiya» usullarida oʻquv sahnalari sonini oʻzgartirib solishtiradi hamda E generatorini 5-2 dagi Nazoratchi baholashi bilan oʻlchaydi. 5·6-boʻlimlardagi jadvallar bevosita shu natijadan tuziladi.

Natija (2026-10-05 da ishga tushirilgan, numpy 2.4 · scikit-learn 1.8 · CPU). Ma’lumotlar seedi qayd etilgan, lekin kutubxona versiyasiga qarab MLP raqamlari biroz oʻzgarishi mumkin.

AI uchun amaliy promptlar — bu kodni boshlangʻich nuqta sifatida ishlatish

ChatGPT, Qwen, Claude kabi AI yordamchilarga joylashtiriladigan promptlar. "Nusxalash" tugmasini bossangiz, prompt ortidan tanlangan kod ham qoʻshiladi. 〔〕 ichidagini oʻz vaziyatingizga moslab yozing.

Birga qoʻshiladigan kod

AI javobi faqat boshlangʻich nuqta. Taklif qilingan maqolalar, raqamlar va kutubxona funksiyalarini albatta asl manba va rasmiy hujjatlar orqali tekshiring. Haqiqiy odamlarning harakat ma’lumotlaridan foydalanganda avval suratga olishga rozilik va ma’lumotlar toʻplamidan foydalanish shartlarini tekshiring.

Atamalar lugʻati

Matndagi sariq punktir tagchiziqlar bilan bir xil lugʻat. Boʻlim nomini bossangiz, atama birinchi uchragan joyga oʻtasiz.

Oʻxshatishlar toʻplami — va oʻxshatish notoʻgʻri boʻladigan joylar

Oʻxshatish — tushunishning birinchi qadami, lekin notoʻgʻri tushunchaning urugʻi ham boʻlishi mumkin. Inson idroki bilan qiyoslangan oʻxshatishlarga kuchlilik darajasi belgilangan. Bevosita haqiqatan bir xil ish bajarilishiga dalil bor · Qisman faqat ayrim xususiyatlari oʻxshaydi · Yoʻq mos keladigan narsa ma’lum emas

Tushuncha	Kundalik oʻxshatish	Inson idroki bilan oʻxshatish	Oʻxshatish notoʻgʻri boʻladigan joy
Enkoder·dekoder	Kiyimlarni chamadonga taxlab solib, mehmonxonada yoyish	Qisman Uzun raqs harakatini «chap oyoq, qarsak, aylanish» kabi bir necha soʻz bilan eslab qolib, keyin qayta ijro etish	Kiyim taxlansa ham oʻzgarmaydi, voronka esa mayda burmalarni (titrashni) tashlab yuboradi. Tashlab yuborilgan narsa qayta yoyilganda ham qaytmaydi
Tor boʻgʻiz oʻlchami k	Qisqacha mazmundagi belgilar soni chegarasi	Yoʻq	Qisqacha mazmunda muhim narsani odam tanlaydi, bu voronka esa «koʻp oʻzgaradigan narsa»ni tanlaydi. Kichik, lekin muhim farqni (bankaning oxirgi joylashuvi) oʻtkazib yuborishi mumkin
Yashirin fazo	Restoranlarni «narx · achchiqlik darajasi» degan ikki oʻqli xaritaga joylashtirish	Yoʻq	Restoran xaritasining oʻqlarini odam belgilaydi, yashirin fazoning oʻqlarini esa ma’lumotlar belgilaydi va ularning nomi yoʻq
Toʻsilishni tiklash	Oʻchib ketgan harflarni oldingi va keyingi matnga qarab taxmin qilib oʻqish	Qisman Toʻsilgan qoʻlni ham butun tana holatiga qarab taxmin qiladigan inson idroki	Taxmin faqat oʻrganilgan harakatlar doirasida toʻgʻri chiqadi. Birinchi marta koʻrilgan holatni tanish holat tomon notoʻgʻri toʻldiradi
Yashirin fazodan tanlash	Xaritada «shu mahalla atrofi»ni belgilab, borib koʻrish	Yoʻq	Xaritaning boʻsh yerini (oʻquv ma’lumotlari boʻlmagan joyni) belgilasangiz, gʻalati joyga borib qolasiz

Muallif haqida va manbalar

E-1 Muallif haqida · E-2 Ilmiy manbalar · E-3 Rasm va raqamlar manbalari

E-1 Muallif haqida

Ahn Sangsun (M-Robo kompaniyasi rahbari)

Koreya elektr xavfsizligi korporatsiyasi va Maeil Business Newspaper gazetasida ishlagan, hozirda Maeil Business Newspaper’ning tashqi venchur kompaniyasi M-Robo’ga asos solib, uning rahbari sifatida faoliyat yuritmoqda. M-Robo — ommaviy axborot vositasi ichidagi venchur sifatida boshlangan media-venchur boʻlib, Kukmin Ilbo gazetasiga robot-jurnalist (StockBot) xizmatini koʻrsatgan, shuningdek Koreya Internet va xavfsizlik agentligi, Koreya matbuot fondi, Koreya radioeshittirish, telekommunikatsiya va radiochastotalarni rivojlantirish agentligi va boshqa tashkilotlar bilan koʻplab loyihalarni amalga oshirgan. Hozirda oʻzining AI yangiliklar nashri Money-Robo’ni yuritmoqda. Rahbarlik davrida Osiyo ochiq ma’lumotlar xakatonida gʻolib chiqqan, ma’lumotlarga asoslangan tadbirkorlik sohasidagi xizmatlari uchun Koreya Ichki ishlar va xavfsizlik vazirining mukofotini 2 marta olgan, sun’iy intellekt va blokcheyn sohalarida 5 ta patentning muallifi va egasi. “AI jinoyatlari va oʻzini himoya qilish” kitobining muallifi; Koreya texnologiya va ta’lim universiteti onlayn uzluksiz ta’lim instituti uchun fintex, statistika va sun’iy intellekt sohalarida elektron ta’lim kontentini ishlab chiqqan. Iqtisodiyot fanlari doktori (Dongguk universiteti, mikro-matematik iqtisodiyot). Kukmin universiteti, Hoseo universiteti va boshqa koʻplab universitetlarda ma’lumotlar va sun’iy intellektga oid fanlardan dars beradi. Batafsil profil

Kurslar

Ahn Sangsun (2025). «Biznes uchun ma’lumotlar fani» ma’ruza materiallari. Koreya ochiq kiberuniversiteti, Sun’iy intellekt integratsiyasi kafedrasi.
Ahn Sangsun (2025). [K-Digital] Sun’iy intellekt yordamida tabiiy tilni qayta ishlash. STEP (Aqlli kasbiy ta’lim platformasi), Koreya texnologiya va ta’lim universiteti onlayn uzluksiz ta’lim instituti.
Ahn Sangsun (2024). [K-Digital] Fintex ma’lumotlarini tahlil qilish asoslari. STEP (Aqlli kasbiy ta’lim platformasi), Koreya texnologiya va ta’lim universiteti onlayn uzluksiz ta’lim instituti.

STEP kurslariga havolalar: link.step.or.kr/1qyVoJ · link.step.or.kr/M9na9N · link.step.or.kr/brqEyc
Sayt yangilanishi sababli kirishda muammo boʻlsa, www.step.or.kr orqali kiring.

Maqolalar va chiqishlar

Ahn Sangsun (2025). Milliy keksalik ta’minoti panel ma’lumotlari asosida uy xoʻjaligi xarajatlarini bashorat qilish modeli tadqiqoti: sun’iy intellekt modellariga asoslangan yondashuv. «Mirae Sahoe» (Kelajak jamiyati), 16(2). Toʻliq matn
Ahn Sangsun (2025). Milliy keksalik ta’minoti panel ma’lumotlari asosida uy xoʻjaligi xarajatlarini bashorat qilish modeli tadqiqoti: sun’iy intellekt yondashuvi. Milliy keksalik ta’minoti paneli ilmiy konferensiyasi taqdimoti (2025.05.13), Milliy pensiya xizmati qoshidagi Milliy pensiya tadqiqot instituti. Taqdimot
Ahn Sangsun (2025). SNS matnlari asosida shubhali giyohvand moddalar savdosini aniqlash algoritmi tadqiqoti: naqsh va kontekst tahlili asosida. «Mirae Sahoe» (Kelajak jamiyati), 16(1). Toʻliq matn
Ahn Sangsun (2024). Moliya sohasidagi anomaliyalarni aniqlash modellari xavfsizligi uchun statistikaga asoslangan adversarial ma’lumotlarga qarshi choralar: empirik tahlil va simulyatsiya natijalari. «Mirae Sahoe» (Kelajak jamiyati), 15(3). Toʻliq matn
Ahn Sangsun (2024). Sun’iy intellekt yordamida virtual personaj xususiyatlariga asoslangan SNS postlarini aniqlash yechimi. 2024 Summer Newmedia Party poster taqdimoti (2024.06.19), Seul media magistratura universiteti.
Ahn Sangsun (2024). Ishlab chiqarishdagi baxtsiz hodisalar panel ma’lumotlaridan foydalangan holda mashinaviy oʻrganish modeli. Ishlab chiqarishdagi baxtsiz hodisalar sugʻurtasi paneli 10-ilmiy konferensiyasi poster taqdimoti (2024.05.17), Koreya mehnat farovonligi xizmati qoshidagi Mehnat farovonligi tadqiqot instituti.
Ahn Sangsun (2024). Virtual aktivlar vaqt qatorlari ma’lumotlarini tahlil qilish va bashorat qilish: vaqt qatori modellari va sun’iy intellekt modellarini solishtirish, takomillashtirish yoʻllarini taklif etish. «Mirae Sahoe» (Kelajak jamiyati), 15(1). Toʻliq matn

E-2 Ilmiy manbalar

[R1] Kingma, D. P., & Welling, M. (2014). Auto-encoding variational Bayes. ICLR 2014. arXiv:1312.6114 — 6·7-boʻlimlar
[R2] Holden, D., Saito, J., & Komura, T. (2016). A deep learning framework for character motion synthesis and editing. ACM Transactions on Graphics, 35(4), Article 138. doi:10.1145/2897824.2925975 — 6-boʻlim (harakat uchun avtoenkoder)
[R3] Hinton, G. E., & Salakhutdinov, R. R. (2006). Reducing the dimensionality of data with neural networks. Science, 313(5786), 504–507. doi:10.1126/science.1127647 — 2-boʻlim (neyron tarmoqli avtoenkoder va PCA solishtiruvi)
[R4] Petrovich, M., Black, M. J., & Varol, G. (2021). Action-conditioned 3D human motion synthesis with Transformer VAE. ICCV 2021. arXiv:2104.05670 — 6-boʻlim
[R5] Pearson, K. (1901). On lines and planes of closest fit to systems of points in space. Philosophical Magazine, 2(11), 559–572. — 2-boʻlim (bosh komponentlar tahlilining boshlanishi)

E-3 Rasmlar va raqamlarning manbasi

Sahna rasmlari (kodlash voronkasi, dekodlash va samaradorlikni oshirish, matn–harakat moslashuvi) muallif oʻzi chizgan piksel-art
2–4·6-boʻlimlardagi enkoder·dekoder 1-kod hisoblagan oʻrtacha sahna va 16 ta yoʻnalishdan oʻzgarishsiz foydalanadi (32 bitli haqiqiy sonlar)
2·4·5·6-boʻlimlar ostidagi jadvallar 1- va 2-kodlarni haqiqatan ishga tushirish natijalari. Ekrandagi titrash va generatsiya natijalari brauzerda xuddi shu usulda qayta tanlangani uchun raqamlar biroz farq qiladi
3-boʻlimdagi dastalar laqablarini muallif har bir yoʻnalish eng koʻp harakatlantiradigan boʻgʻimlar va vaqtga qarab qoʻygan

E-4 Izohlar

[izoh] Dasta (yashirin oʻzgaruvchi) — bu turkumda yashirin oʻzgaruvchi (latent variable)ni sodda qilib atash uchun ishlatilgan oʻxshatish. Burasangiz butun ma’lumot birgalikda oʻzgaradigan oz sonli raqamlar degani. Ingliz tilidagi tushuntirishlarda ham yashirin fazoning har bir oʻlchamini majoziy ma’noda "knob (dasta)", "dial (disk)", "slider (surgich)" deb atashadi. Maqolalardagi rasmiy atama — yashirin oʻzgaruvchi; 5-3 da ma’lumotlar topgan har bir dasta esa bosh komponent (principal component) boʻladi. Haqiqiy dastadan farqli oʻlaroq, bittasida bir nechta ma’no aralashib ketishi mumkin.

Oʻqituvchilar uchun maslahatlar

Oʻqituvchilar, ish joyida oʻqitish (OJT) mas’ullari va tyutorlar uchun dars tashkil etish boʻyicha qoʻllanma. Vaqtlar taxminiy, shuning uchun ularni haqiqiy darsga moslashtiring.

Kimlar uchun	5-1 va 5-2 ni tugatgan talabalar va xodimlar. Sensor, video, log kabi katta va shovqinli ma’lumotlar bilan ishlaydigan amaliyotchilar
Oldindan kerakli bilimlar	5-2 dagi «harakat — bu jadval» va generatorlarni baholash, vektorlarning skalyar koʻpaytmasi (bir xil oʻrindagilarni koʻpaytirib qoʻshish)
Oʻquv maqsadlari	① Enkoder·dekoder va tor boʻgʻiz k ma’nosini voronka rasmi orqali tushuntiradi ② Buklab yoyish titrashni yoʻqotish, toʻsilishni tiklash, kam ma’lumot bilan oʻrganish va generatsiyada qanday ishlatilishiga misol keltiradi ③ Chiziqli enkoderning cheklovi va VAE nega kerakligini aytib beradi
Taxminiy vaqt	Oʻqish 35–45 daqiqa · animatsiya namoyishi 25 daqiqa · Colab amaliyoti 30 daqiqa (1-kod 10 daqiqa, 2-kodni ishga tushirish 1 daqiqa + tahlil 19 daqiqa)

Uch xil dars rejasi

Ma’ruza shaklida, 50 daqiqa

Tushunchalarga e’tibor

Kirish 5 daqiqa (1-boʻlim, 5-2 ning uy vazifasi) → 2-boʻlim: voronka k ni kamaytirish 12 daqiqa → 3-boʻlim: dastalarni burash 10 daqiqa → 4-boʻlim: titrash·toʻsilish 8 daqiqa → 5·6-boʻlimlar: jadvallarni oʻqish 10 daqiqa → nazorat savollari 5 daqiqa.

Ish joyida oʻqitish (OJT), 90 daqiqa

Ma’lumotlarni siqishni qoʻllashga yoʻnaltirilgan

2-boʻlim 15 daqiqa → bizning ma’lumotlarimizdagi (sensor, log) «sonlar soni» va «haqiqatan mustaqil sonlar soni» haqida muhokama 15 daqiqa → 4·5-boʻlimlar orqali shovqinni yoʻqotish va oz sonli toʻgʻri javob bilan oʻrganish misollari 20 daqiqa → 1-kodga oʻz ma’lumotlarimizni kiritish 30 daqiqa → 7-boʻlim: cheklovlarni xulosalash 10 daqiqa.

Yakkama-yakka tyutorlik

Darajaga qarab sur’at

Boshlovchilar uchun faqat 2·4-boʻlimlar. Oʻrta darajadagilarga avval 1-koddagi encode·decode ni qoʻlda kuzatib chiqishni, soʻng 3-boʻlimdagi 1-dasta nega «tugash paytidagi joylashuv» ekanini Vt[0] ni chizib tekshirishni topshiring.

Boʻlimlar boʻyicha asosiy nuqtalar

Boʻlim	Toʻxtab beriladigan savol	Boshqaruv boʻyicha maslahat
2 Voronka	«Nechta son boʻlsa, otish otishga oʻxshab koʻrinadi?»	k = 1 → 3 → 8 ga oshirib, oʻngdagi natijani kuzating
3 Yashirin xarita	«Hech kim aytmagan boʻlsa ham, nega bir xil turdagilar bir joyga toʻplandi?»	Bitta qizil nuqtani (otish) tanlab, 1-dastani −2σ ga burang
4 Titrash·toʻsilish	«Voronka titrash bilan harakatni qanday farqlaydi?»	σ = 0.05 va tirsakni toʻsishni birga yoqing
5 Tashlashni aniqlash	«Nega k = 8 natijasi k = 16 nikidan yomonroq?»	Avval jadvaldagi «25» qatorini oʻqing
6 Generatsiya	«E D ga qaraganda nimani kamroq biladi va nimani yomonroq bajaradi?»	«Qayta yaratish» tugmasini bosib, bilakning maksimal tezligi katagiga qarang

Eng koʻp uchraydigan 5 ta notoʻgʻri tushuncha

Notoʻgʻri tushuncha	Toʻgʻri izoh	Koʻrsatiladigan sahna
Siqilsa, axborot kamayadi va samaradorlik pasayadi	Agar tashlab yuboriladigan narsa asosan shovqin boʻlsa, aksincha yaxshilanadi. Titrashni yoʻqotish va kam ma’lumot bilan oʻrganish bunga misol	4-boʻlim, 5-boʻlim
k qancha katta boʻlsa, shuncha yaxshi	k katta boʻlsa, titrashni ham qamrab oladi. Kichik boʻlsa, muhim mayda harakatlarni oʻtkazib yuboradi. Maqsadga qarab tanlanadi	2-boʻlim jadvalidagi k = 32, 5-boʻlimdagi k = 8
Har bir yashirin sonning odam tushunadigan ma’nosi bor	Yoʻnalishlarni ma’lumotlar belgilaydi va ularning nomi yoʻq. Laqab — odam keyinroq bergan talqin	3-boʻlim jadvali
Avtoenkoder neyron tarmoq boʻlishi shart	Eng oddiy chiziqli avtoenkoder PCA bilan bir xil ishni bajaradi. Neyron tarmoq esa egri munosabatlarni ham qamrab oladi	2-boʻlim ostidagi izoh
Yashirin fazodan istalgan nuqtani tanlasangiz, ishonarli harakat chiqadi	Bu faqat oʻquv ma’lumotlari boʻlgan joy atrofida toʻgʻri. Shu fazoni bir tekis qilish — VAE ning vazifasi	3-boʻlimdagi ±2σ dan tashqarisi, 6-boʻlim

Nazorat savollari (izohni koʻrish uchun bosing)

Q1. 1,196 ta sonni k = 16 ga buklasak, siqish nisbati qancha? Bunda harakatning qancha qismi qamrab olinadi?

1,196 ÷ 16 = 74.75, taxminan 74.8 marta. 1-kodda tushuntirilgan dispersiya 99.80%.

Q2. Ikki yoʻnalish v₁ = (1, 0, 0), v₂ = (0, 1, 0) va oʻrtacha 0 boʻlsa, x = (3, −2, 0.4) ni k = 2 ga buklab yoysak, nima chiqadi?

Enkoder: z = (x·v₁, x·v₂) = (3, −2). Dekoder: 3v₁ − 2v₂ = (3, −2, 0). Uchinchi qiymat 0.4 ikkala yoʻnalishga ham tushmagani uchun yoʻqoladi. «Titrash yoʻqolishi»ning mohiyati shu.

Q3. Toʻsilgan tirsakni «yelka va bilakning oʻrta nuqtasi» bilan yamasak, nega xato chiqadi? Dekoder qoʻshimcha nimani biladi?

Tirsak bukilgan boʻladi, shuning uchun oʻrta nuqtadan tashqarida joylashadi. Dekoder 600 ta sahnadan oʻrgangan «bunday holatda tirsak odatda shu yerda boʻladi» degan munosabatdan (16 ta yoʻnalish) foydalanib, uni koʻrinib turgan boshqa boʻgʻimlar bilan birga moslaydi. 1-kodda xato 0.0230 → 0.0108 gacha kamaydi.

Q4. Enkoderni yasashda tashlash·normal javoblariga qaralmagan boʻlsa ham, nega chiqindi tashlashni aniqlash yaxshilandi?

Enkoder faqat harakatning tuzilishini (nimalar birga harakatlanishini) oʻrganib, 1,288 ta sonni 16 ta sonli xulosaga aylantirdi. Xulosada shovqin kam va sonlar oz, shuning uchun toʻgʻri javobli sahnalar atigi 150 ta boʻlsa ham oddiy klassifikator adashmaydi.

Q5. Nega E generatorining bilak maksimal tezligi 1.76 boʻlib, oʻquv ma’lumotlaridagidan (2.55) past?

Chunki u yashirin fazoda otishlarning oʻrtachasi atrofidan tanlaydi, dekoder esa yoʻnalishlarni toʻgʻri chiziqli qoʻshadi, xolos. Vaqti biroz farq qiladigan tez siltashlarni bir necha toʻgʻri chiziqli yoʻnalish bilan ifodalab boʻlmaydi, shuning uchun ular xiralashadi. Nochiziqli dekoder yoki vaqt oʻqini hisobga oladigan model kerak.

Colab topshiriqlari

Asosiy

1-kodda toʻsiladigan boʻgʻimni oʻng tirsakdan chap tizzaga (9-boʻgʻim → 10-boʻgʻim) almashtiring va toʻsilish oraligʻini 21 kadrdan 40 kadrga uzaytiring. Dekoder bilan toʻldirish xatosi qanday oʻzgarishini jadval qilib hisobot bering.

Murakkab

Oʻqitishda boʻlmagan «yiqilish» harakatini (pose funksiyasida lean ni 1.4 gacha oshirgan sahna) yaratib, uning tiklash xatosi olti turdagi sahnalarnikidan qanchalik katta ekanini oʻlchang. Tiklash xatosi yordamida «birinchi marta koʻrilgan harakat» signalini yaratish mumkinmi — chegara qiymati bilan birga taklif qiling.

Qiyinlikni sozlash va qoʻshimcha oʻrganish

Boshlovchilar	2-boʻlimdagi k tugmalari va 4-boʻlimdagi uchta rasmning oʻzi bilan ham «buklab yoyilsa, filtrlanadi» degan xulosaga kelish mumkin
Chuqurlashtirilgan	1-koddagi chiziqli enkoderni Keras avtoenkoderiga (1,196 → 64 → 16 → 64 → 1,196) almashtirib, tiklash xatosi va E generatorining bilak tezligini solishtirishni topshiring
Keyingi qism	5-4 Soʻzdan harakatga — soʻzlarni ham bitta xaritadagi nuqtaga aylantiramiz