МАШИННОЕ ОБУЧЕНИЕ КАК ОСНОВА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Abstract
В данной статье рассматривается машинное обучение как одно из ключевых направлений современной науки и технологий, лежащее в основе развития систем искусственного интеллекта. Описываются принципы работы алгоритмов машинного обучения, их отличия от человеческого обучения и возможности применения в реальных задачах. Особое внимание уделено проблеме потери пространственных характеристик изображения при его преобразовании для обработки, а также рассмотрены подходы к сохранению этих особенностей в рамках интеллектуального анализа визуальных данных. Анализируются современные методы, позволяющие повысить точность и эффективность систем обработки изображений на базе машинного обучения.
References
Виган Т. Ложные корреляции: как графики вводят нас в заблуждение. — М.: Манн, Иванов и Фербер, 2021.
Goodfellow I., Bengio Y., Courville A. Deep Learning. — MIT Press, 2016.
Bishop C. M. Pattern Recognition and Machine Learning. — Springer, 2006.
Хейкин С. Нейронные сети: полный курс. — М.: Вильямс, 2006.
Муртазин Р.Р., Сурков И.А. «Проблемы интерпретируемости в системах машинного обучения», // Вестник искусственного интеллекта, 2021, №3.
LeCun Y., Bengio Y., Hinton G. “Deep learning”, // Nature, 2015, vol. 521, pp. 436–444.
Ахунова, Т. З., & Абдуллаев, А. Х. (2024). РАЗРАБОТКИ МОБИЛЬНЫХ ПРИЛОЖЕНИЙ ПЛАТФОРМА FLUTTER. Miasto Przyszłości, 48, 1379-1385.
Абдуллаев, А. Х., & Ахунова, Т. З. (2024). Важность Применения Искусственного Интеллекта В Образовании. Miasto Przyszłości, 49, 989-992.
