Лекция профессора Александра Горбаня, директора Центра искусственного интеллекта, анализа данных и моделирования Университета Лестера, «Медленные переходные процессы и бифуркация аттракторов» |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2024-06-27 14:23 Асимптотическое поведение динамических систем (когда время стремится к бесконечности) хорошо изучено и широко описано в литературе. Однако переходные процессы и связанные с ними сингулярности остаются менее понятными. «В данном докладе мы систематически анализируем, как времена релаксации, зависящие от начальных условий, параметров системы и точности, демонстрируют сингулярности и как эти сингулярности связаны с бифуркациями предельных множеств", - объясняет Александр Николаевич. На лекции представлена всеобъемлющая качественная теория сингулярностей в переходных процессах динамических систем, с акцентом на критические задержки. Исследование имеет практические применения в различных областях, включая химию и физику, где понимание медленных процессов релаксации имеет решающее значение. Например, в каталитических реакциях интерпретация аномально долгих переходных времен важна как для теоретического понимания, так и для практических применений. Также обсуждаются возможные применения в области машинного обучения. Источник: vk.com Комментарии: |
|