आर्टिफिशियल नेटवर्क के जरिए प्राइम नंबर टेस्टिंग पर शुरुआती सफलता ए कंपोजल न्यूरल-नेटवर्क सॉल्यूशन में प्राइम-नंबर टेस्टिंग , लेज़्ज़्लो एग्री, थॉमस आर। शुल्ट्ज़, 2006 में प्रस्तुत की गई है । ज्ञान-आधारित कैस्केड-सहसंबंध (KBCC) नेटवर्क दृष्टिकोण ने सबसे वादा दिखाया, हालांकि इस दृष्टिकोण की व्यावहारिकता को अन्य प्रमुख पहचान एल्गोरिदम द्वारा ग्रहण किया गया है जो आमतौर पर कम से कम महत्वपूर्ण बिट की जांच करके शुरू करते हैं, तुरंत खोज को आधे से कम कर देते हैं, और फिर खोज करते हैं आधारित अन्य प्रमेयों और करने के लिए heuristics ऊपर । हालाँकि काम कोKBCC, Shultz et केसाथनॉलेज बेस्ड लर्निंग के साथजारी रखा गया था। अल। 2006चl o o r ( x--√)
इस प्रश्न में वास्तव में कई उप-प्रश्न हैं। पहले, आइए प्रश्न का एक और अधिक औपचारिक संस्करण लिखें: "क्या किसी प्रकार का एक कृत्रिम नेटवर्क प्रशिक्षण के दौरान एक व्यवहार में परिवर्तित हो सकता है जो सटीक परीक्षण करेगा कि इनपुट से 2 n - 1 तक है या नहीं , जहां n में बिट्स की संख्या है पूर्णांक प्रतिनिधित्व, एक अभाज्य संख्या का प्रतिनिधित्व करता है? "02n- 1n
- क्या यह केवल पूर्णांकों की सीमा पर होने वाले अपराधों को याद कर सकता है?
- क्या यह कारक की सीख देकर और अभाज्य की परिभाषा को लागू कर सकता है?
- यह एक ज्ञात एल्गोरिथ्म सीखने के द्वारा कर सकते हैं?
- क्या यह प्रशिक्षण के दौरान स्वयं का एक उपन्यास एल्गोरिथ्म विकसित कर सकता है?
प्रत्यक्ष उत्तर हां है, और यह पहले से ही 1. के अनुसार किया गया है, लेकिन यह मुख्य फिटिंग का पता लगाने के तरीके को न सीखते हुए, ओवर-फिटिंग द्वारा किया गया था। हम जानते हैं कि मानव मस्तिष्क में एक तंत्रिका नेटवर्क होता है जो 2., 3., और 4. को पूरा कर सकता है, इसलिए यदि कृत्रिम नेटवर्क को डिग्री के लिए विकसित किया जाता है तो सबसे अधिक लगता है कि वे हो सकते हैं, तो इसका उत्तर हां में है। इस उत्तर के लेखन के रूप में संभावनाओं की सीमा से उनमें से किसी को बाहर करने के लिए कोई प्रति-प्रमाण मौजूद नहीं है।
यह आश्चर्य की बात नहीं है कि असतत गणित, क्रिप्टोग्राफी के लिए इसके आवेदन और क्रिप्टोनालिसिस के लिए विशेष रूप से, इसके अनुप्रयोगों के महत्व के कारण प्राइम नंबर परीक्षण पर कृत्रिम नेटवर्क को प्रशिक्षित करने के लिए काम किया गया है। हम आरएसए क्रिप्टोसिस्टम , जीसी मेलेटियस एट में ए फर्स्ट स्टडी ऑफ द न्यूरल नेटवर्क एप्रोच जैसे कामों में प्राइम नंबर की डिजिटल नेटवर्क डिटेक्शन और इंटेलिजेंट डिजिटल सिक्योरिटी के महत्व की पहचान कर सकते हैं । अल।, 2002 । हमारे संबंधित राष्ट्रों की सुरक्षा के लिए क्रिप्टोग्राफी का टाई भी यही कारण है कि इस क्षेत्र के सभी मौजूदा शोध सार्वजनिक नहीं होंगे। हम में से जो निकासी और जोखिम हो सकते हैं, वे केवल वही बात कर सकते हैं जो वर्गीकृत नहीं है।
नागरिक अंत पर, नवीनता का पता लगाने की प्रक्रिया में चल रहा काम अनुसंधान की एक महत्वपूर्ण दिशा है। मार्कोस मार्को और समीर सिंह जैसे लोग सिग्नल प्रोसेसिंग साइड से नवीनता का पता लगा रहे हैं , और यह उन लोगों के लिए स्पष्ट है जो समझते हैं कि कृत्रिम नेटवर्क अनिवार्य रूप से डिजिटल सिग्नल प्रोसेसर हैं जिनमें बहु-बिंदु स्व ट्यूनिंग क्षमताएं हैं वे देख सकते हैं कि उनका काम सीधे इस पर कैसे लागू होता है सवाल। मार्को और सिंह लिखते हैं, "अनुप्रयोगों की एक भीड़ है जहां नवीनता का पता लगाना बहुत महत्वपूर्ण है, जिसमें सिग्नल प्रोसेसिंग, कंप्यूटर विज़न, पैटर्न मान्यता, डेटा खनन और रोबोटिक्स शामिल हैं।"
संज्ञानात्मक गणित पक्ष पर, आश्चर्य के गणित का विकास, जैसे कि लर्निंग विथ सरप्राइज: थ्योरी एंड एप्लीकेशंस (थीसिस), मोहम्मदजवाद फ़राजी, 2016 आगे क्या हो सकता है एर्गी और शुल्ट्ज़।