logo
calendar3 Yanvar 2024
view31
Основной язык:Узбекский

МАШИНА ТЬЮРИНГА И ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ

Область науки:
pdf

file.pdf

PDF

Наука инновационое развитие

Наука инновационое развитие

Опубликовать статьюsee more

АННОТАЦИЯ СТАТЬИ

quote
Одной из основных целей искусственного интеллекта является разработка алгоритмов обучения, которые можно выполнять на компьютерах, на основе имитации человеческого мозга. В этой статье мы рассматриваем методы решения задач машины Тьюринга с использованием алгоритмов искусственного интеллекта, основанных на экспериментах. В статье также представлены критические концепции метода НТМ по результатам всестороннего обзора исследований в этом направлении. Представлены экспериментальные результаты применения метода НТМ для работы с данными памяти и решения задач. В статье представлены научные дискуссии в этой области и решения будущих проблем.

АВТОРЫ

R.Yusupov

Abdulla Qodiriy nomidagi Jizzax davlat pedagogika universiteti

S.Ergashev

Mirzo Ulug‘bek nomidagi O‘zbekiston Milliy universiteti Jizzax filiali

Теги

# искусственный интеллект# simulation# Машинное обучение# Machine Learning# sun’iy intellekt# artificial intelligence# глубокое обучение# simulyatsiya# Tyuring mashinasi# takrorlanuvchi neyron tarmoq# chuqur o‘qitish# mashinali o‘qitish# kuchaytirilgan o‘qitish# orqaga tarqalish# симуляция# машина Тьюринга# рекуррентная нейронная сеть# усиленное обучение# обратное распространение# Tyuringmachine# Recurrent neural network# Deep learning# reinforced learning# backpropagation

ДРУГИЕ СТАТЬИ ЭТОГО ЖУРНАЛА

Оценить статью

0
оценок: 0
5
4
3
2
1

Идентификаторы статьи

ROI:

https://eroi.uz/11.0094/A0124-0011

DOI:

Недоступно

Список литературы

Ergashev, S. (2023). Simulyatorlarda oqitish imkoniyatlarining samaradorligini baholash [Evaluating the effectiveness of teaching opportunities in simulators].

Graves, A., Wayne, G., & Danihelka, I. (2014). Neural Tyuringmachines. Retrieved from https:// arxiv.org/abs/1410.5401

Heaton, J. (2015). Artificial intelligence for humans: deep learning and neural networks (3 ed.). (S. Valley, Ed.) Createspace Independent Publishing Platform.

Sak, H., Senior, A., & Beaufays, F. (2014). Long short-term memory recurrent neural network architectures for large scale acoustic modeling. (H. Sak, A. Senior, & F. Beaufays, Eds.) Singapore: INTERSPEECH - International Speech Communication Association.

Scheutz, M. (n.d.). Computationalism: New Directions. (M. Scheutz, Ed.) Cambridge, MA: MIT Press.

Siegelmann, H., & Sontag, E. (1991). Tyuringcomputability with neural nets. Appl Math Lett., 4(6), 77-80. doi:10.1016/0893-9659(91)90080-F

Zaremba, W., & Sutskever, I. (2015). Reinforcement learning neural Tyuringmachines.