在 AGTIntellegence 网络中构建子网络的初始可见算法模型

©P.Drobyshev, D.Novhorodkina

AGTIntellegence 网络中子网络构建算法的可见初始模型。

让我们称之为

AGTInw（应用程序）–通过互联网连接小工具和在其上工作的人的小工具应用程序，以下简称应用程序。

AGTIntelligence 网络（以下简称 “网络”）–互联网上的一个子网络，用于连接安装了 AGTInw 应用程序的人员和小工具，以便在网络上接收或提供工作。

AGTI神经元（代理）–在 AGTInw 应用程序及其小工具网络上运行的个人（以下称为所有者，AGTIowner）在网络运行中的关联。

AGTI小工具（AGTIgadget，Gadget）–连接到网络并由所有者操作的小工具

SubnetAGTI – 执行特定任务的代理关联。

程序简单–一个参数化程序，可在一个小工具上同时多次加载不同的参数（子网络所需的次数），所有这些参数都能由小工具成功快速地执行。

目标集–代理人创建或参与网络工作的意愿表达

AGTIsynapse – 两个代理之间的连接，有自己的重量，可能还有自己的简单操作程序。 代理自动或手动（根据所有者的意愿）接受 “突触”（在他/她的小工具上的应用程序中安装）。

AGTIsynmatrix – 如果三个或更多的代理通过一个简单的程序 P(A,B,C,…)连接起来，类似于 “突触”，但可以同时连接多个代理（术语©V.Bubnov）。

代理的 AGTIpower 是每个代理都可以使用的张量函数（时间和其他参数），在每个时刻都不同，所有代理都可以使用（可能是部分），并用于通过目标设置对网络进行聚类。

代理集群

为了让创建子网络的代理能够为子网络的每一层招募必要的代理，我们有理由创建一种方法，用权重–（时间和其他参数的）张量函数–为代理贴标签。 代理 A 相当于 T(A)。

是这样的

– 代理所有人现在可以在 AGTInw 工作，还可以再工作两个小时

– 代理所有人已在波兰居住两年以上

– 代理小工具可为 AGTInw 工作提供 1Gb 内存

– 小工具每运行 100 小时支付费用，不超过 5 AGTI

其他…

不同代理获得权重的程度可能不同。

构建传统架构子网络

创建子网络 P 的一组代理（通常由突触矩阵连接）选择 P 的目标参数，即其实用功能、参与费 C(T(A)) 和绩效奖金 PR(A)。

在子网络的层内和层与层之间创建了 “突触 “P(A,B)–简单程序形式的张量，可能由子网络的创建者通过算法自动生成，每个 “突触 “的 “突触 “P(A,B)都被加载到小工具 A 和 B 中，可能各不相同，但都能保证 A 和 B 之间的快速互动。在给定的子网络中，A 和 B 之间的交互通过特定的突触 P(A,B)进行。

因此，传统结构的神经网络很容易通过由代理权重聚类的层中突触的功能来指定。

非常规建筑

P(A,B)可能有一些随机参数 p，其值的概率分布（在给定时间，或来自网络、子网等中的地址）是随机的。 然后，子网本身就开始像一个活的大脑一样进行概率行为。 我们称这样的子网络为随机网络。

AGTIntellegece 网络为实验、学习和使用此类子网络提供了充分的机会。

分形网络 代理 A1 是子网 P1 的成员，为实现目标 P1，他进一步创建了子网 P2。 其中，代理 A2 创建了 P2，并创建了多个层。

因此，我们对在 AGTIntelligence 网络中建立子网络的方法进行了总体描述，并将在今后的文章中具体介绍一些近似的算法，这些算法将使该网络为人们提供有用的服务。