Ezen a héten is folytattam a közelmúltban elkezdett tudományos cikkek fordítását, alul a a címek mutatják, hogy melyikeket. Azt döntse el az angolul jól tudó olvasó, hogy milyen minőségben, de talán jól. A fordításhoz szótárnak most a https://translate.google.hu/?hl=hu#en/hu/awareness oldalt használtam, ahol a szavak angol és magyar megfelelőinek belinkelt hangfájljait is mindig többször meghallgattam gyakorolva a kiejtést. Továbbá a lefordított mondatokat egészben is visszahallgattam és visszamondtam most is a http://www.ivona.com/ oldalon. Továbbá a múlt héttől újabb internetes nyelvtanulási lehetőségeket is bevontam az önálló angol tanulásba. Tableten regisztráltam a Duolingo nevű online nyelvtanuló App alkalmazásra, ahol szintről szintre lehet haladni az angol tanulásban különféle tesztek kitöltésével, és az így elért eredményeimet ezentúl a Facebook oldalamon fogom megosztani. Továbbá regisztráltam a Szótanító nevű online App alkalmazásra is, ahol minden nap 5 angol szót lehet megtanulni, illetve a Quizlet nevű App alkalmazásra is, ahol idegennyelvű szavak és azok magyar megfelelőiből, vagy éppen magyar szakszavak magyar nyelvű magyarázataiból lehet magyarázókártyákat összeállítani, és ezeket memorizálni, és gyakorolni, illetve a magyarázókártyákat megosztani. Az itt elkészített magyarázókártyáimat is a Facebook oldalamon tervezem majd megosztani.
Toward a ’chaotic’ cognitive architecture:
With little differences on the exact role of chaos, these results show a dynamic link between perception and memory built within a nonlinear dynamic (chaotic) space. A káosz kicsit eltérő szerepének eredményeként egy dinamikus láncszem jelenik meg az érzékelés és a memória között, amely a nemlineárisan dinamikus (kaotikus) térben épül fel.
Even though the different models derived from these studies have reported great improvements when compared to conventional neural networks, a final mechanism of actuation in the same dynamic terms is missing in all of them. Annak ellenére, hogy ezek az eltérő modellek ugyanezekből a kutatásokból származnak, ez mindenképp nagy javulást jelent, ha összehasonlítjuk a konvencionális neurális hálózatokkal, de a működtetés végső mechanizmusa ugyanazok között a feltételek között még így is minden esetben hiányzik.
In other words, only perception and memory are being addressed in these models, but they do not consider motor outputs as part of these dynamic systems; in some cases they discretize the output space [10], thus loosing the efficiency gained before. Más szavakkal csak az észlelés és a memória van jelen ezekben a modellekben, de ezek nem tekinthetőek a dinamikus rendszer részeiként kezelt meghajtó outputoknak, és egyes esetekben diszkretizálják a kimeneti teret, elveszítve a már megszerzett hatékonyságot.
On the other hand, several groups have focused their research in the reflexive part of their agents [22, 19, 18, 27, 6]. Másrészről viszont számos csoport fókuszál saját kutatásaiban az ügynökök reflexív (visszaható) részeire.
In these models actuation is performed without considering the history of the agent. Ezekben a modellekben a működtetés teljesíthető figyelembe véve az ügynök történetét.
These and other groups have developed remarkable advances in adaptive behavior but, in contrast with the previous group, only perception and actuation is being addressed; thus leaving memory out of sensorimotor loop. Ezek és más csoportok figyelemre méltő előrelépéseket értek el az adaptív viselkedés fejlesztésében, de ellentétben az előző csoportokkal csak az észlelés és a működtetés területén, kihagyva így a memória szenzomotoros visszacsatolását.
There is no cognitive architecture among the current models of cognition that makes direct use of nonlinear dynamical systems theory. Ez így nem képez egy valós kognitív architektúrát a megismerés jelenlegi modelljei között, ami közvetlen felhasználását jelentené a nemlineáris dinamikus rendszereknek.
Most architectures belonging to the enactive paradigm of cognition use modular versions of feedforward neural networks for classification and regression [3, 28, 4, 17]. Jobb architektúrákat eredményezne a megismerés index-kód paradigmáját használó előrecsatolt neurális hálózatok moduláris verziója a klasszifikáció és a regresszió szempontjából.
This type of networks are nonlinear static networks, i.e., a given input is associated with a given output and remains in a steady state as long as the input remains the same. A hálózatoknak ez a típusa nemlineáris, statikus hálózatokat képez, ahol egy adott input összekapcsolódik az adott outputtal, és megmaradnak egy állandósult állapotban, amíg a bemenet ugyanaz marad.
This leads to a reduced memory capacity and a great dependence to the quality of the training datasets. Ezt a folyamatot csökkentett memóriakapacitás és a folyamatot generáló adathalmazok minőségétől való nagyobb függés jellemzi.
Other architectures like the Self-aware and Self-effective (SASE) cognitive architecture [20], use statistics in the form of Markov Decision Processes. Egyéb architektúrák, mint az öntudatos és önható (SASE) kognitív architektúrák a Markov féle döntési folyamatok statisztikáinak formáját használják.
Tax and the internet:
All treaties are individually negotiated, and none is identical. Az összes szerződés egyénileg tárgyalt és egyik sem azonos.
Nincsenek megjegyzések:
Megjegyzés küldése