Модель зарождения языка

3)Подготовка решений на основе открытых источников данных ‎и неструктурированной информации, в том числе для использования ‎в интеллектуальных системах поддержки принятия решений для решения стратегических вопросов и (или) адаптивного динамического управления сложными объектами;

20)Анализ мультимедийных материалов с целью выявления признаков внесения изменений и фальсификаций, а также установления даты, времени ‎и места съемки, диагностики и идентификации аудио-, фото- ‎и видеорегистрирующей аппаратуры и программно-аппаратных средств обработки мультимедийной информации;

Принцип работы нейрона Мак-Каллока — Питтса в обычных нейросетях другой. Нейрон является пороговым сумматором, и задачу распознавания решает не один нейрон, а вся сеть. Обучение выглядит так: на вход сети подается сигнал, соответствующий объекту из обучающей выборки. Для всех нейронов подобраны определенные веса на их входы. Дальше каждый нейрон суммирует каждый сигнал, умноженный на вес для данного входа. Эта сумма сравнивается с некоторой активационной функцией, и сразу выдается какой-то выходной сигнал. Затем, зная, что нужно получить на выходе всей сети, и видя, что на самом деле эта сеть выдала, по определенному алгоритму начинают меняться веса у всех нейронов в этой сети, чтобы сеть выдала нужный результат. И так происходит, пока все объекты из обучающей выборки не будут показаны помногу раз, и все веса не будут изменены, — пока сеть не начнет выдавать то, что от нее требуется.

6)Синтез (генерация) трехмерных, двухмерных изображений и видео-объектов с сохранением узнаваемости, в том числе для воссоздания трехмерных сцен и их стилей на основе двухмерных изображений и видео, создания реалистичных цифровых аватаров, включая использование ‎в производстве видео-продукции, в интерфейсах устройств и обучении;

2)Поиск новых методов и подходов к решению задач, в том числе способных обучаться в условиях искажения, отсутствия или утраты актуальности исторических данных или превышать возможности существующих методов машинного обучения и математического моделирования;

«Мы поняли, описали и смоделировали момент зарождения языка. Дальше нам нужно снабдить идентификаторами образы, действия и эмоциональные оценки. И нужно это вот для чего. Есть два важнейших процесса использования языка, которые, в природе сильно отличают человека от других животных. Первый — это диалог человека посредством языка со своей или чужой базой знаний для многошагового принятия решений, моделирования будущего. Для этого нужен индивидуальный и коллективный язык. Второй процесс — передача знаний от одного индивида к другому. В процессе своего развития и адаптации система управления накопила данные, которые записаны в базе знаний в форме обученных нейронов. Обученные биологические нейроны — это нейроны с выращенными определенными синапсами. Пусть вам нужно передать эти знания от одного индивида к другому. У человека и живых организмов нет USB-разъемов, и считать базу знаний или записать ее никакой возможности нет. Ее можно только постепенно заполнить в процессе целенаправленного обучения с помощью учителя, который будет действовать через ваши штатные входы: глаза и уши. Поэтому язык, будь то русский, английский или язык жестов — единственный способ в природе передать знания», — заключает Александр Жданов.

16)Системы визуализации производственных процессов, помогающие анализировать производственные процессы и искать пути повышения производственной эффективности (системы должны быть основаны ‎на алгоритмах математического моделирования, машинного обучения ‎и исторических данных);

6)Задачи интеллектуального информационного поиска, в том числе: поиск текстовых документов по аналогии или по смыслу, поиск трендов ‎и фронтиров научно-технического развития, поиск скрытого содержания ‎и смыслов; поиск, выявление и классификация фейков, спама, обмана ‎и противоречий, запрещённого, идеологизированного, автоматически сгенерированного и иного потенциально опасного дискурса.

Голосовые помощники уже разработаны каждым уважающим себя IT-гигантом. И кажется, что они даже становятся полезными, а не только залихватски шутят. Однако можно все чаще услышать, что алгоритмы, по которым работают такие системы, далеки от того, как воспринимает речь или другие смысловые идентификаторы человек. Группа Александра Жданова представила новый подход к распознаванию речи на основе биоморфных нейроподобных сетей. Задача этой научной группы — построить нейроноподобную систему распознавания речи, в перспективе — без программной составляющей. Если эта попытка будет успешной, станет возможно имитировать естественный принцип распознавания речи. Работа опубликована в журнале Programming and Computer Software.

Однако главное отличие нейроноподобной системы «автономного адаптивного управления» от нейросетей в том, она решает задачу адаптивного управления, а искусственные нейросети — только задачу распознавания (или аппроксимации). Задача адаптивного управления требует не только распознавания, но и решения задач поиска и накопления знаний, моделирования эмоций, принятия решений и некоторых других.

17)Системы управления персоналом, осуществляющие контроль производительности, психофизического состояния и поиск возможностей оптимизации загрузки персонала (системы должны быть основаны ‎на алгоритмах математического моделирования, машинного обучения ‎и исторических данных).

11) или способов выпуска новой продукции путем моделирования производственного процесса для удовлетворения заданных функционально качественных параметров с помощью мат. моделей, в том числе моделей машинного обучения, основанных на исторических данных, а также не основанных на исторических данных, а полученных в результате экспериментов с цифровыми двойниками производственных процессов
‎и оборудования;