কৃত্রিম নেটওয়ার্কগুলির মাধ্যমে প্রাইম নম্বর টেস্টিংয়ের প্রাথমিক সাফল্যটি একটি সংশ্লেষিত নিউরাল-নেটওয়ার্ক সলিউশন টু প্রাইম-নম্বর টেস্টিং , লাসল্লি এগ্রি, টমাস আর শাল্টজ, 2006 এ উপস্থাপন করা হয়েছে । জ্ঞান-ভিত্তিক ক্যাসকেড-সম্পর্কিতকরণ (কেবিসিসি) নেটওয়ার্ক পদ্ধতির সর্বাধিক প্রতিশ্রুতি দেখানো হয়েছে, যদিও এই পদ্ধতির ব্যবহারিকতা অন্যান্য প্রধান সনাক্তকরণ অ্যালগরিদমগুলি দ্বারা গ্রহন করা হয় যা সাধারণত কমপক্ষে উল্লেখযোগ্য বিট পরীক্ষা করে শুরু হয়, তত্ক্ষণাত অনুসন্ধানটি অর্ধেক দ্বারা হ্রাস করে, এবং তারপরে অনুসন্ধান করে f l o o r ( to) অবধি অন্যান্য উপপাদ্য এবং তাত্পর্যপূর্ণ ভিত্তিক √। তবে কাজটিকেবিসিসি,শাল্টজএটসহনলেজ ভিত্তিক লার্নিংয়ের মাধ্যমেঅব্যাহত ছিল। অল। 2006floor(x−−√)
এই প্রশ্নে আসলে একাধিক সাব-প্রশ্ন রয়েছে। প্রথমে আসুন প্রশ্নের আরও আনুষ্ঠানিক সংস্করণ লিখি: "প্রশিক্ষণের সময় কোনও ধরণের কোনও কৃত্রিম নেটওয়ার্ক কী এমন আচরণে রূপান্তর করতে পারে যা সঠিকভাবে পরীক্ষা করবে যে থেকে 2 এন - 1 পর্যন্ত ইনপুট রয়েছে , যেখানে এনটি বিটের সংখ্যা? পূর্ণসংখ্যার উপস্থাপনা, একটি মৌলিক সংখ্যা উপস্থাপন করে? "02এন- 1এন
- এটি কেবল পূর্ণসংখ্যার ব্যাপ্তির উপর নির্ভর করে প্রাইমগুলি মুখস্থ করে?
- এটি একটি মৌলিক সংজ্ঞাটি ফ্যাক্টর করতে এবং প্রয়োগ করতে শিখতে পারে?
- এটি একটি পরিচিত অ্যালগরিদম শিখতে পারে?
- প্রশিক্ষণের সময় এটির নিজস্ব একটি উপন্যাস অ্যালগরিদম বিকাশ করে কী করা যায়?
সরাসরি উত্তর হ্যাঁ, এবং এটি ইতিমধ্যে উপরের 1 অনুযায়ী সম্পন্ন হয়েছে, তবে এটি একটি অতিরিক্ত নম্বর সনাক্তকরণ পদ্ধতি না শিখে ওভার-ফিটিংয়ের মাধ্যমে করা হয়েছিল। আমরা জানি মানব মস্তিষ্কে একটি নিউরাল নেটওয়ার্ক রয়েছে যা ২, ২, ৩ এবং ৪ অর্জন করতে পারে, তাই যদি কৃত্রিম নেটওয়ার্কগুলি সবচেয়ে বেশি যে ডিগ্রিতে উন্নত হয় তবে তারা মনে করতে পারে, তবে উত্তরটি হ্যাঁ তাদের জন্য হ্যাঁ। এই উত্তরের লেখার মতো সম্ভাবনার পরিধি থেকে তাদের কাউকে বাদ দেওয়ার কোনও পাল্টা প্রমাণ নেই।
বিস্ময়ের বিষয় নয় যে বিচ্ছিন্ন গণিতের প্রাইমগুলির গুরুত্ব, ক্রিপ্টোগ্রাফির প্রয়োগ এবং আরও বিশেষত ক্রিপ্টানালাইসিসের জন্য প্রাইম নম্বর পরীক্ষায় কৃত্রিম নেটওয়ার্কগুলি প্রশিক্ষণের কাজ করা হয়েছে। আরএসএ ক্রিপ্টোসিস্টেম , জিসি মেলিটিয়াস এট- এ নিউরাল নেটওয়ার্ক অ্যাপ্রোচের প্রথম ফার্স্ট স্টাডির মতো কাজগুলিতে বুদ্ধিমান ডিজিটাল সুরক্ষা সম্পর্কিত গবেষণা এবং বিকাশে প্রাইম সংখ্যা সনাক্তকরণের গুরুত্ব আমরা সনাক্ত করতে পারি । আল।, 2002 । আমাদের নিজ নিজ দেশগুলির সুরক্ষার সাথে ক্রিপ্টোগ্রাফি বেঁধে রাখাও এই কারণ যে এই অঞ্চলে বর্তমান সমস্ত গবেষণা প্রকাশ্যে হবে না। আমাদের মধ্যে যাদের ছাড়পত্র এবং এক্সপোজার থাকতে পারে কেবল তারাই শ্রেণিবদ্ধ নয় of
বেসামরিক প্রান্তে, অভিনবত্ব সনাক্তকরণ বলা হয় যার চলমান কাজ গবেষণার একটি গুরুত্বপূর্ণ দিক। মার্কোস মার্কো এবং সমীর সিংয়ের মতো যারা সিগন্যাল প্রসেসিং দিক থেকে অভিনবত্ব সনাক্তকরণের দিকে এগিয়ে চলেছে , এবং এটি তাদের পক্ষে স্পষ্ট যে কৃত্রিম নেটওয়ার্কগুলি মূলত ডিজিটাল সিগন্যাল প্রসেসর যাদের মাল্টি-পয়েন্টে স্ব-সুরকরণ ক্ষমতা রয়েছে তারা দেখতে পারবেন যে তাদের কাজটি সরাসরি এই ক্ষেত্রে কীভাবে প্রযোজ্য? প্রশ্ন। মার্কো এবং সিং লিখেছেন, "এমন অনেকগুলি অ্যাপ্লিকেশন রয়েছে যেখানে সংকেত প্রক্রিয়াকরণ, কম্পিউটার ভিশন, প্যাটার্ন স্বীকৃতি, ডেটা মাইনিং এবং রোবোটিক্স সহ অভিনবত্ব সনাক্তকরণ অত্যন্ত গুরুত্বপূর্ণ" "
জ্ঞানীয় গণিতের দিক দিয়ে, অবাক করা গণিতের বিকাশের যেমন লার্নিং উইথ সারপ্রাইজ: থিওরি অ্যান্ড অ্যাপ্লিকেশনস (থিসিস), মোহাম্মদজবাদ ফারাজি, ২০১ Er এরগি এবং শুল্টজের শুরু আরও হতে পারে further