Вхід Реєстрація
Реклама
Ваше рекламне місце
Забронюйте цей слот без конкуренції на обраний період.
Купити рекламу →
Логотип телеграм спільноти - Dream Machines Ukraine 💻
Додано 28 лис 2021

Dream Machines Ukraine 💻

@DMUkraine
Кількість підписників: 13 449
Фото: 4,710
Відео: 68
Посилання: 2,920
Опис:
Офіційний канал Dream Machines в Україні Кастомні ігрові ноутбуки та периферія: www.dreammachines.com.ua Пишемо про новини IT-індустрії, передові технології та інші цікаві речі Для підписників каналу діють спеціальні пропозиції, знижки та розіграші!
Джерело

Dream Machines Ukraine 💻 | Вручено Нобелівську премію з фізики. Її отримали "батьки" нейромереж.В...

Логотип телеграм спільноти - Dream Machines Ukraine 💻 Dream Machines Ukraine 💻 @DMUkraine
1 800 Охват/переглядів 2024-10-08 13:29 Повідомлення №2235
Вручено Нобелівську премію з фізики. Її отримали "батьки" нейромереж.В основі низки нейронних мереж, алгоритмів машинного навчання та штучного інтелекту лежать глибокі відкриття у галузі фізики, про що сьогодні заявили представники Нобелівського комітету Каролінського інституту Стокгольма. Премію 2024 року за ці заслуги присуджено фізику Джону Хопфілду та математику Джеффрі Хінтону.Обидва почали щільно працювати над нейронними мережами з початку 80-х років минулого століття. Джон Хопфілд став відомий у 1982 році як винахідник асоціативної нейронної мережі, що отримала його ім'я. Хінтон винайшов метод, який дозволяв автоматизувати процес отримання даних для ідентифікації елементів зображень. Де у всьому цьому фізика, запитаєте ви?Для створення нейромережі Хопфілд скористався відомою властивістю атомів прагнути найменшого значення їх енергії. Мережа Хопфілда описується способом, еквівалентним поведінці енергії у системі атомних спинів.Хінтон використовував мережу Хопфілда як основу нової мережі, що використовує інший метод: машину Больцмана. З її допомогою можна навчитися розпізнавати характерні елементи даних конкретного типу. Для цього Хінтон використовував інструменти статистичної фізики, науки про системи, побудовані з багатьох схожих компонентів. Машина Больцмана може використовуватися для класифікації зображень або створення нових прикладів (рисунків), на яких вона була навчена.https://www.nobelprize.org/