No description available.

No description available.

No description available.

Искусственные нейронные сети – это концепция, которая исследуется с середины XX века, но до сих пор но только сейчас они переживают очень высокий темп роста. Благодаря значительным улучшениям в их поведения, за последние годы их использование перешло от использования только в академических целях до полностью внедрено и функционирует в нашей жизни. Эти нейронные сети являются системами, которые используются во многих различных приложениях в настоящее время. Таким образом, это дает нам главная особенность нейронных сетей: эти системы легко построить, самая большая проблема заключается в реализации алгоритма обучения, который состоит из следующих элементов алгоритм обучения, который состоит из нескольких очень простых итеративных математических операций (даже меньше, если мы используем и, в тоже время, это очень мощные системы. / Artificial neural networks are a concept that has been researched since the middle of the 20th century, but until now, but only now, they are experiencing a very high rate of growth. Due to significant improvements in their behavior, in recent years their use has gone from being used for academic purposes only to being fully implemented and functioning in our lives. These neural networks are systems that are used in many different applications nowadays. Thus, this gives us the main feature of neural networks: these systems are easy to build, the biggest problem is to implement a learning algorithm, which consists of the following elements, a learning algorithm that consists of several very simple iterative mathematical operations (even less if we use and At the same time, these are very powerful systems.

В данном исследовании рассматривается применение генетических алгоритмов (ГА) для построения модели фонетической эволюции естественного языка. Целью работы является повышение доступности междисциплинарных исследований в области фонетики. В результате работы разработано программное обеспечение, позволяющее пользователю определять группы фонетических преобразований языка, собирать их в пайплайн, конфигурировать параметры ГА и запускать его через графический интерфейс. В работе используются ГА с сохранением состояния. Пользователь может выбрать одну из нескольких функций приспособленности, направленных на оценку простоты произношения. Разработанная система позволяет добиться ограниченного уровня соответствия историческим преобразованиям и имеет большой потенциал для дальнейшего развития. Высокий уровень конфигурируемости приложения позволяет проводить различные эксперименты, способствующие углублению понимания фонетических процессов. / This study explores application of genetic algorithms (GAs) to modeling the phonetic evolution of natural languages. The goal of the study is to make interdisciplinary research in phonetics more accessible. The developed software allows users to define groups of phonetic transformations, assemble them into a pipeline, configure GA’s parameters, and run the algorithm via a graphical user interface. The study uses steady-state GA and allows users to select from several fitness functions, designed to evaluate the ease of pronunciation. The developed system achieves a limited level of correspondence to the historical transformations and has considerable potential for further development. The application's high configurability enables a wide range of experiments, which can promote a deeper understanding of phonetic processes.

Evolutionary algorithms are machine learning techniques that can be used in many applications of optimization problems in various fields. Banking route planning is a combinatorial optimization problem. The paper proposes a genetic algorithm for planning routes for bank employees. Computational experiments have been carried out, and the effectiveness of the proposed method has been shown. / Эволюционные алгоритмы - это методы машинного обучения, которые можно использовать во многих приложениях задач оптимизации в различных областях. Планирование банковских маршрутов представляет собой задачу комбинаторной оптимизации. В работе предложен генетический алгоритм планирования маршрутов банковских работников. Проведены вычислительные эксперименты, показана эффективность предложенного метода.

No description available.

No description available.

No description available.

No description available.