SymbolTemporalMachineT (STMT): ЭФФЕКТИВНОЕ ПРОГНОЗИРОВАНИЕ ВРЕМЕННЫХ РЯДОВ
Опубликовано: 2025-07-14Современные подходы к прогнозированию временных рядов, особенно основанные на нейронных сетях, сталкиваются с существенными проблемами, такими как переобучение на шумах и катастрофическое забывание. В данной работе мы представляем новый алгоритм, SymbolTemporalMachineT (STMT), разработанный для решения этих проблем. STMT использует символьный подход и механизм контекстной памяти для достижения устойчивости и способности к долгосрочному прогнозированию.
СкачатьОЦЕНКА ИНТЕЛЛЕКТА У МАШИН
Опубликовано: 2025-04-16Широко известный тест Тьюринга считается стандартом для оценки интеллекта
машин, однако он не всегда позволяет полноценно измерить их когнитивные
способности. В данной статье мы предлагаем альтернативный подход, основанный на
использовании T-образного лабиринта, и обсуждаем, как этот метод может эффективно
оценивать интеллектуальные возможности машин.
СкачатьMachineT: НОВАЯ АРХИТЕКТУРА ДЛЯ ЭНЕРГОЭФФЕКТИВНОГО МАШИННОГО ОБУЧЕНИЯ
Опубликовано: 2025-04-15Современные алгоритмы машинного обучения, особенно нейронные сети, обеспечивают высокую точность, но требуют значительных вычислительных ресурсов и энергии, а также больших объемов данных для обучения. Это ограничивает их применение на устройствах с низкой производительностью и вызывает экологические вопросы. В данной статье представлена новая архитектура MachineT, основанная на логических правилах, которая обеспечивает высокую точность и интерпретируемость при существенно меньшем энергопотреблении. Мы описываем структуру алгоритма, процесс обучения и предсказания, а также демонстрируем его эффективность на стандартных наборах данных.
Скачать