AI Lab

Open Artificial Intelligence Laboratory

Формализация алгоритма сравнения образов в рамках Теории разумных систем.

Данный доклад я представил на

Международной научно-практической конференции-конкурса научных докладов студентов, аспирантов и молодых исследователей.

Подробнее...

Обсудить на форуме (комментариев 15).

Ограниченные возможности разбиений позиционных систем счисления и моделирование нейроподобных сетей

Автор Легков Георгий Алексеевич.

Моделирование нейроподобных сетей связано с использованием больших массивов данных, представленных в числовом виде. Способ разбиения множества значений, используемый в позиционных системах счисления, является удобным для представления числовых значений. Для представления числовых последовательностей его возможности крайне ограниченны. Это ограничение снижает эффективность алгоритмов нейроподобных сетей. Например, приводит к экспоненциальному росту ёмкостных и временных затрат таких алгоритмов.

Ключевые слова: позиционные системы счисления, базис, основание, числовая последовательность.

Подробнее...

Обсудить на форуме (комментариев 16).

HTM и алгоритмы ее обучения (перевод)

Представляю вашему вниманию мой перевод документа компании Numenta "Иерархическая темпоральная память (НТМ) и ее кортикальные алгоритмы  обучения" (Hierarchical Temporal Memory including HTM Cortical Learning Algorithms). В нем подробно описана теория НТМ и "второе" пколение алгоритмов ее (само)обучения, которые моделируют процессы обучения происходящие в коре мозга человека (по мнению авторов).

Данный перевод сделан мной специально для публикации и обсуждения на сайте ailab.ru, поскольку многие его разделы перекликаются с темами, которые активно обсуждаются на данном сайте (модели работы нейронов, распознавание образов и т.д.).

25.09.2011 Добавилось интересное приложение Б, версия документа приведена в соответствие с опубликованной на сайте numenta.com и весь текст документа был отредактирован с целью повышения его удобочитаемости. 

Автор перевода будет благодарен за все замечания и предложения по улучшению данного документа.

С уважением,

mihnet

doc HTM_and_learning_algs_v021_tr12.doc 1001.00 Kb 25/09/2011, 11:30

Обсудить на форуме (комментариев 39).

Перспективы систем образной обработки информации для решения задач распознавания сложных объектов

icon Скачать (215.74 Кбайт) 

А.В.Бахшиев

Санкт-Петербургский государственный политехнический университет

Центральный научно-исследовательский институт робототехники и технической кибернетики

 

Современные интеллектуальные системы успешно решают широкий спектр задач связанных с управлением робототехническими системами и распознаванием образов. Как правило такие системы узкоспециализированы и разрабатываются под конкретную задачу. Кроме того, хотя на этапах восприятия информации и ее первичной обработки технические системы во многом превосходят возможности живых организмов, на дальнейших стадиях они существенно уступают биологическим [1]. Наиболее остро эта проблема стоит для систем призванных работать в слабодетерминированной среде, таких как интеллектуальные мобильные роботы.

Можно полагать, что наличие образного представления информации у живых организмов имеет основополагающее значение для эффективности и универсальности в решаемом спектре задач.  

Подробнее...

Обсудить на форуме (комментариев 3).

Pattern processing of information systems using prospects for compound objects recognition

 Modern intellectual systems successfully solve robotic systems control and pattern recognition problems. In general these systems are highly tailored and concrete problem developed. Moreover in the image sensing and primary processing of visual information stage these systems are exceeds the human vision. However in the next stages of  visual information  processing they are inferior to human vision [1].
One might pattern processing of information presence in living organisms is fundamental feature for solving problems effectiveness and universality.

Подробнее...

Обсудить на форуме (комментариев 0).
Исследования Распознавание