Neurális hálózatok valósághű reprezentációja = Realistic Representation of Neural Networks

Király, Krisztina and Király, Roland and Király, Sándor (2025) Neurális hálózatok valósághű reprezentációja = Realistic Representation of Neural Networks. In: Oktatási, kutatási és közgyűjteményi infrastruktúrák és tartalmak: digitális transzformáció felsőfokon : NETWORKSHOP 2025 : 34. Országos Informatikai Konferencia : 2025. május 13–15. Széchenyi István Egyetem, Győr. Hungarnet Egyesület, Budapest, pp. 7-13. ISBN 978-615-6792-15-0

Preview

Text 8_fejezet_NETWORKSHOP_2025.pdf - Published Version Available under License Creative Commons Attribution. Download (346kB) | Preview

Abstract

Ebben a tanulmányban egy olyan modellt szeretnénk bemutatni, aminek a felhasználásával képesek vagyunk merőben új megközelítéssel neurális hálózatok létrehozására és megjelenítésére. A modell azok számára segít a hálózatok és a hozzájuk szorosan kapcsolódó mélytanuló algoritmusok megértésében és tanításában, akik nem szakértői az informatika tudományterületnek, lehetőséget kínálva a különböző szakterületek művelőinek, hogy munkájuk során alkalmazni tudják a neurális hálózatokat. Amennyiben a téziseink igazolást nyernek, a neurális hálók tanulási algoritmusait képesek leszünk összehasonlítani egyes emberi tanulási és nyelvtanulási stratégiákkal, ami segítheti a modell tökéletesítését, de segítségünkre lehet az emberi tanulási módszerek hatékonyabb megértésében és finomításában is. | In this article, a novel neural network model is proposed, which facilitates the creation and representation of neural networks through a unique approach. The overarching objective of the model is twofold: firstly, to enhance the comprehension and dissemination of neural networks and their associated deep learning algorithms; and secondly, to provide practitioners across various disciplines with the opportunity to incorporate neural networks into their respective fields. In the event of the underlying theses being validated, a comparison may be drawn between the learning algorithms of neural networks and various human learning and language acquisition strategies. Such comparisons may contribute to enhancements of the model and to a deeper understanding of human learning processes.

Actions (login required)

Edit Item