AI Lab

Open Artificial Intelligence Laboratory

Проблема индукции, универсальность нейронных сетей, базис нелинейной динамики

Рейтинг:

/ 0

Подробности: Создано 26 Апрель 2011; Обновлено 07 Ноябрь 2012; Автор: Administrator; Просмотров: 4884

19-й Семинар

Докладчик: д.т.н. А.С. Потапов

Презентация Страница вебинара (Смотреть запись с 38:11)

Краткое содержание доклада:
1. Проблема индукции
1.1 Рассмотрение на примере задачи функциональной аппроксимации
1.2 Проблема критерия и пространства моделей
1.3 Алгоритмически полные пространства моделей и критерий их качества
1.4 Проблема поиска и представления моделей
2 Искусственные нейронные сети в индукции
2.1 ИНС – универсальные аппроксиматоры?
2.2 Эквивалентность ИНС и универсальной машины Тьюринга
2.3 ИНС как частное алгоритмическое представление моделей
2.4 Расширения ИНС
3 Разработка представления моделей на основе динамических ИНС
3.1 Динамические ИНС как генеративные модели
3.2 Функциональный базис линейных динамических ИНС
3.3 Оптимизация архитектуры ИНС по критерию минимальной длины описания
3.4 Введение нелинейности как расширение множества представимых закономерностей: оптимизация по критерию репрезентационной МДО
4 Примеры приложений динамических ИНС
4.1 Предсказание временных рядов
4.2 Обучение системы управления роботом
4.3 Заключение: проблема реконструкции фазового портрета

Обучаемая модель кратковременной памяти человека на основе нейронной сети

Рейтинг:

/ 0

Подробности: Создано 26 Апрель 2011; Обновлено 07 Ноябрь 2012; Автор: Administrator; Просмотров: 6684

18-й Семинар

Докладчик: к.т.н., м.н.с. лаб. Физиологии движений ИФ РАН им. И.П. Павлова Ляховецкий В.А.

Презентация Страница вебинара

Содержание доклада:

1. Кратковременная моторная память человека
1.1 Методика исследования.
1.2 Динамика ошибок кратковременной моторной памяти человека при долговременном обучении и заучивании.
1.2.1 Ошибки положения и направления.
1.2.2 Повторные ошибки.
2. Нейронные сети класса гетероассоциативная память.
2.1 Общие принципы функционирования.
2.2 Варианты обучения нейросетей.
3. Нейросетевая модель кратковременной памяти человека.
3.1 Схема модели.
3.2 Обучение модели с помощью алгоритма QLBAM.
3.3 Результаты модельных экспериментов.

Самоорганизация – мифы и реальность; возможность моделирования

Рейтинг:

/ 0

Подробности: Создано 05 Апрель 2011; Обновлено 07 Ноябрь 2012; Автор: Inex; Просмотров: 7478

17-й Семинар

Ведущий: Потапов А.С.

Докладчик: Хмур

Презентация Страница вебинара Аудиозапись

Основные вопросы для обсуждения.
- Феноменология самоорганизации в функционировании интеллекта и его эволюционном возникновении.
- Что такое самоорганизация? Существует ли приемлемое определение?
- Достаточно ли «порядка из хаоса» для самоорганизации? Природа хаоса. Физичность понятия информации.
- Нелинейные динамические системы: может ли быть самоорганизация в системе с детерминированным фазовым портретом?
- Математическое описание и моделирование самоорганизации на примерах систем нелинейных дифференциальных уравнений, искусственных нейронных сетей, клеточных автоматов, эволюционных «стаканов»…
- Чего не хватает современным теориям самоорганизации?

Эволюция биологических систем и проблема построения

Рейтинг:

/ 0

Подробности: Создано 16 Февраль 2011; Обновлено 07 Ноябрь 2012; Автор: Inex; Просмотров: 6795

16-й Семинар

Докладчик: Валерий Анисимов.

Презентация

Рассмотрены следующие вопросы:

Как представляло себе «сильный» ИИ первое поколение кибернетиков и программистов (50-е, 60-е годы прошлого века)?
Основные типы систем ИИ, реализованные на сегодняшний день
Основные причины, препятствующие появлению «сильного» ИИ
Факторы, способствующие эволюции земной биоты в сторону усложнения и её «поумнению»
Основные принципы построения оптимального «сильного» ИИ
Интеллект эволюции – аппаратная база
Минимальная сложность реально функционирующих биологических систем обработки информации
Общие принципы функционирования генных и нейронных сетей
Схематический пример простой системы ИИ, построенной на дискретных элементах
Логические игры как удобный пример для тестирования концепции обучения иерархической эволюционирующей системы ИИ «с нуля».
Чувства и эмоции как средства оптимизации управления