Поиск :
Личный кабинет :
Электронный каталог: Капков, Р.Ю. - Модели квантового "сильного" вычислительного интеллекта и квантовых нейронных сетей глубокого обу...
Капков, Р.Ю. - Модели квантового "сильного" вычислительного интеллекта и квантовых нейронных сетей глубокого обу...

Статья
Автор: Капков, Р.Ю.
Системный анализ в науке и образовании [Электронный ресурс]: Модели квантового "сильного" вычислительного интеллекта и квантовых нейронных сетей глубокого обу...
б.г.
ISBN отсутствует
Автор: Капков, Р.Ю.
Системный анализ в науке и образовании [Электронный ресурс]: Модели квантового "сильного" вычислительного интеллекта и квантовых нейронных сетей глубокого обу...
б.г.
ISBN отсутствует
Статья
Капков, Р.Ю.
Модели квантового "сильного" вычислительного интеллекта и квантовых нейронных сетей глубокого обучения: платформа интеллектуального управления промышленными роботизированными социотехническими системами / Р.Ю.Капков, О.Ю.Тятюшкина, С.В.Ульянов // Системный анализ в науке и образовании [Электронный ресурс]. – 2024. – № 3. – С. 54-96. – URL: https://sanse.ru/index.php/sanse/article/view/627. – Библиогр.: 19.
Рассмотрены принципы и методы построения моделей квантового «сильного» вычислительного интеллекта на основе инструментария квантового глубокого обучения с применением квантовых нейронных сетей и квантового генетического алгоритма. Обсуждаются дополнительные особенности моделей квантового перцептрона и модели инженерии квантового глубокого обучения при применении инструментария оптимизации баз знаний интеллектуальных регуляторов на основе QCOptKB&sup(TM) в задачах квантового интеллектуального управления роботизированными социотехническими системами в проектах «Индустрия 4.0 / 5.0 /6.0». Описание особенностей квантового глубокого обучения позволяет точнее и глубже освоить возможности инструментария QCOptKB&sup(TM), который включает в себя этапы обучения и извлечения (из исходных данных) сигнала обучения за счет инструментария SCOptKB&sup(TM) на технологии мягких вычислений, и далее рассматривается как классические данные. За счет операторов квантовых вычислений классические данные кодируются кубитами, осуществляется оптимальный выбор квантовой корреляции между искомыми решениями и применением конструктивной интерференции извлекается искомый результат путем измерения. Таким образом, разработанный интеллектуальный инструментарий SCOptKB&sup(TM) и QCOptKB&sup(TM) включает принципы квантового глубокого обучения, и также как в случае технологии мягких вычислений, формирует оптимальную структуру теперь квантовой нейронной сети, а за счет применения квантового генетического алгоритма ускоряет поиск искомого решения
ОИЯИ = ОИЯИ (JINR)2024
Спец.(статьи,препринты) = Ц 849 - Искусственный интеллект. Теория и практика
Спец.(статьи,препринты) = С 325.1а - Нейронные сети и клеточные автоматы
Капков, Р.Ю.
Модели квантового "сильного" вычислительного интеллекта и квантовых нейронных сетей глубокого обучения: платформа интеллектуального управления промышленными роботизированными социотехническими системами / Р.Ю.Капков, О.Ю.Тятюшкина, С.В.Ульянов // Системный анализ в науке и образовании [Электронный ресурс]. – 2024. – № 3. – С. 54-96. – URL: https://sanse.ru/index.php/sanse/article/view/627. – Библиогр.: 19.
Рассмотрены принципы и методы построения моделей квантового «сильного» вычислительного интеллекта на основе инструментария квантового глубокого обучения с применением квантовых нейронных сетей и квантового генетического алгоритма. Обсуждаются дополнительные особенности моделей квантового перцептрона и модели инженерии квантового глубокого обучения при применении инструментария оптимизации баз знаний интеллектуальных регуляторов на основе QCOptKB&sup(TM) в задачах квантового интеллектуального управления роботизированными социотехническими системами в проектах «Индустрия 4.0 / 5.0 /6.0». Описание особенностей квантового глубокого обучения позволяет точнее и глубже освоить возможности инструментария QCOptKB&sup(TM), который включает в себя этапы обучения и извлечения (из исходных данных) сигнала обучения за счет инструментария SCOptKB&sup(TM) на технологии мягких вычислений, и далее рассматривается как классические данные. За счет операторов квантовых вычислений классические данные кодируются кубитами, осуществляется оптимальный выбор квантовой корреляции между искомыми решениями и применением конструктивной интерференции извлекается искомый результат путем измерения. Таким образом, разработанный интеллектуальный инструментарий SCOptKB&sup(TM) и QCOptKB&sup(TM) включает принципы квантового глубокого обучения, и также как в случае технологии мягких вычислений, формирует оптимальную структуру теперь квантовой нейронной сети, а за счет применения квантового генетического алгоритма ускоряет поиск искомого решения
ОИЯИ = ОИЯИ (JINR)2024
Спец.(статьи,препринты) = Ц 849 - Искусственный интеллект. Теория и практика
Спец.(статьи,препринты) = С 325.1а - Нейронные сети и клеточные автоматы