Машинное обучение агентов искусственного интеллекта на ассоциативно-гетерархической памяти

Обработка естественного языка является крайне важной задачей для всей области искусственного интеллекта. Авторами для решения этой задачи был предложен новый математический формализм - ассоциативно-гетерархическая память, основанная на понятии гиперграфа. Машинное обучение - повсеместно используемый метод искусственного интеллекта, особенно если человек при просмотре данных не может определить закономерности и периодичность выводимых значений. Именно для таких задач лучше всего применимо машинное обучение. Кассоциативно-гетерархической памяти также применимо машинное обучение, которое позволяет посредством нескольких методов (обучение с учителем, обучение без учителя, обучение с подкреплением) оптимизировать работу агентов искусственного интеллекта, основанных на ассоциативно-гетерархической памяти, и выполнять необходимые задачи. Выход же таких программ является семантическим или логическим. Таким образом, машинное обучение является важной частью всей структуры ассоциативно-гетерархической памяти. Эта статья посвящена взаимодействию ассоциативно-гетерархической памяти с методами машинного обучения. В дальнейшем авторский коллектив планирует написать дополнительную статью, рассматривающую метод вывода с помощью фокуса активации. Статья будет интересна специалистам в сфере искусственного интеллекта и математикам.