Yapay ağlar üzerinden prime numarası testinde erken başarı, Asal Sayı Testine İlişkin Bir Kompozisyonel Sinir Ağı Çözümü , László Egri, Thomas R. Shultz, 2006'da sunulmuştur . Bilgi tabanlı kaskadlı korelasyon (KBCC) ağ yaklaşımı, bu yaklaşımın pratikliği genellikle en az önemli bitin kontrol edilmesi, aramanın hemen yarı yarıya azaltılması ve ardından araştırmanın başlatılmasıyla başlayan diğer asal algılama algoritmaları tarafından tutulmasına rağmen, en fazla sözü gösterdi. göre diğer teoremi ve sezgisel kadar floor(x−−√)
02n−1n
- Astarları tamsayı aralığındaki basitçe ezberleyerek mi?
- Asal bir tanımı tanımlamayı ve uygulamayı öğrenerek yapabilir mi?
- Bilinen bir algoritmayı öğrenerek yapabilir mi?
- Eğitim sırasında kendine ait yeni bir algoritma geliştirebilir mi?
Doğrudan cevap evet ve zaten yukarıdaki 1'e göre yapıldı, ancak asal sayı tespit yöntemini öğrenerek fazla uydurma yapılmadı. İnsan beyninin 2., 3. ve 4.'ü başarabilecek bir sinir ağı içerdiğini biliyoruz, bu nedenle yapay ağlar olabilecekleri en fazla düşündükleri ölçüde geliştirilirse, bunun cevabı evet. Bunlardan hiçbirini bu cevap yazarken olduğu gibi bir olasılıktan çıkarmak için hiçbir karşı kanıt yoktur.
Asal sayı testinde yapay ağların ayrık matematikteki asıl önemi, kriptografiye uygulanması ve daha özel olarak kriptanalize uygulanması nedeniyle yetiştirilmesi şaşırtıcı değildir. Akıllı dijital güvenliğin araştırılması ve geliştirilmesinde asal sayıların dijital ağ algılanmasının önemini , RSA Şifreleme Sisteminde Bir İlk Sinir Ağı Yaklaşımı Çalışması , Gc Meletius vd. al., 2002 . Kriptografinin ilgili ülkelerimizin güvenliğine bağlanması da bu alandaki mevcut araştırmaların tamamının kamuya açıklanmamasının nedenidir. Açıklığa ve maruz kalmaya sahip olan bizler sadece sınıflandırılmayan şeylerden bahseder.
Sivil kesimde yenilik tespiti adı verilen çalışmalar devam etmekte olan önemli bir araştırma konusudur. Markos Markou ve Sameer Singh gibi olanlar , sinyal işleme tarafından yenilik algılamasına yaklaşıyorlar ve yapay ağların, çok noktadan kendi kendine ayarlama yeteneklerine sahip olan dijital sinyal işlemcileri olduğunu anlayanların, işlerinin doğrudan bunun için nasıl geçerli olduğunu görebilecekleri açık. soru. Markou ve Singh, “Yenilik algılamanın sinyal işleme, bilgisayarla görme, örüntü tanıma, veri madenciliği ve robotik çalışma gibi son derece önemli olduğu çok sayıda uygulama var” diyor.
Bilişsel matematik tarafında, sürpriz bir matematiğin geliştirilmesi, örneğin Sürprizle Öğrenme: Teori ve Uygulamalar (tez), Mohammadjavad Faraji, 2016Ergi ve Shultz'un başlayabildiği gibi olabilir.