НЕЙРОННАЯ СЕТЬ Текст научной статьи по специальности «Компьютерные и информационные науки»

4. Иванова, Т. Н. Правовое регулирование отношений по морской перевозке грузов в линейном сообщении в Российской Федерации. Монография / Т.Н. Иванова. - М.: Юстицинформ, 2020. - 160 с.

© Батырова А., 2023

УДК 338.48

Бекназаров С.Б., преподаватель Туркменского государственного университета имени Махтумкули

НЕЙРОННАЯ СЕТЬ Аннотация

В статье рассматривается нейронная сеть и анализируются ее особенности.

Ключевые слова: нейронная сеть, компьютер.

Нейронная сеть — это метод в искусственном интеллекте, который учит компьютеры обрабатывать данные таким же способом, как и человеческий мозг. Это тип процесса машинного обучения, называемый глубоким обучением, который использует взаимосвязанные узлы или нейроны в слоистой структуре, напоминающей человеческий мозг. Он создает адаптивную систему, с помощью которой компьютеры учатся на своих ошибках и постоянно совершенствуются. Таким образом, искусственные нейронные сети пытаются решать сложные задачи, такие как резюмирование документов или распознавание лиц, с более высокой точностью.

Нейронные сети помогают компьютерам принимать разумные решения с ограниченным участием человека. Они могут изучать и моделировать отношения между нелинейными и сложными входными и выходными данными. Например, нейронные сети могут выполнять следующие задачи.

Нейронные сети могут понимать неструктурированные данные и делать общие наблюдения без специального обучения. Например, они могут распознать, что два разных входных предложения имеют одинаковое значение:

Не подскажете как произвести оплату?

Как мне перевести деньги?

Нейронная сеть поймет, что оба предложения означают одно и то же. Также она может определить, что Бакстер-роуд — это место, а Бакстер Смит — это имя человека.

Нейронные сети распространены во множестве отраслей. В их числе:

Диагностика с помощью классификации медицинских изображений

Целевой маркетинг с помощью фильтрации социальных сетей и анализа поведенческих данных

Финансовые прогнозы с помощью обработки исторических данных финансовых инструментов

Прогнозирование электрической нагрузки и потребности в энергии

Контроль соответствия требованиям и качества

Определение химических соединений

Ниже представлены четыре важнейших задачи, которые помогают решить нейронные сети.

Машинное зрение — это способность компьютеров извлекать информацию и смысл из изображений и видео. С помощью нейронных сетей компьютеры могут различать и распознавать изображения так, как это делают люди. Машинное зрение применяется в нескольких областях, например:

Визуальное распознавание в беспилотных автомобилях, чтобы они могли реагировать на дорожные знаки и других участников движения

Модерация контента для автоматического удаления небезопасного или неприемлемого контента из архивов изображений и видео

Распознавание лиц для идентификации людей и распознавания таких атрибутов, как открытые глаза, очки и растительность на лице

Маркировка изображения для идентификации логотипов бренда, одежды, защитного снаряжения и других деталей изображения

Нейронные сети могут анализировать человеческую речь независимо от ее речевых моделей, высоты, тона, языка и акцента. Виртуальные помощники, такие как Amazon Alexa и программное обеспечение для автоматической транскрипции, используют распознавание речи для выполнения следующих задач:

Помощь операторам колл-центра и автоматическая классификация звонков Преобразование клинических рекомендаций в документацию в режиме реального времени Точные субтитры к видео и записям совещаний для более широкого охвата контента Обработка естественного языка (NLP) — это способность обрабатывать естественный, созданный человеком текст. Нейронные сети помогают компьютерам извлекать информацию и смысл из текстовых данных и документов. NLP имеет несколько сфер применения, в том числе: Автоматизированные виртуальные агенты и чат-боты Автоматическая организация и классификация записанных данных Бизнес-аналитика длинных документов: например, электронных писем и форм Индексация ключевых фраз, указывающих на настроение: например, положительных и отрицательных комментариев в социальных сетях. Список использованной литературы:

1. Васильев, А.Н. Тархов Д.А. Принципы и техника нейросетевого моделирования / А.Н. Васильев. -Москва: Наука, 2017. - 999 с.

2. Галушкин, А. И. Нейрокомпьютеры. Учебное пособие / А.И. Галушкин. - М.: Альянс, 2018. - 528 с.

3. Гелиг, А. Х. Введение в математическую теорию обучаемых распознающих систем и нейронных сетей. Учебное пособие / А.Х. Гелиг, А.С. Матвеев. - М.: Издательство СПбГУ, 2018. - 224 с.

© Бекназаров С.Б., 2023

УДК 338.48

Бердигылыджов М.

преподаватель

Туркменского государственного института экономики и управления.

Дурдыева Д. преподаватель

Туркменского государственного института экономики и управления

Туркменистан, город Ашгабад

МЕЖДУНАРОДНОЕ ЭКОНОМИЧЕСКОЕ ПРАВО

Аннотация

В статье рассматривается международное экономическое право и анализируются ее особенности.