Informatyka i sztuczna inteligencja jako system multifraktalny

Ksi¿¿ka rozpoczyna si¿ od wprowadzenia poj¿cia multifraktalno¿ci i wyjänienia, w jaki sposób nowoczesne systemy obliczeniowe ró¿ni¿ si¿ od tradycyjnych systemów liniowych. Omawia, w jaki sposób ruch internetowy, sieci neuronowe, infrastruktury chmurowe, rozproszone bazy danych i systemy sztucznej inteligencji generuj¿ wysoce nieregularne i adaptacyjne wzorce obliczeniowe w wielu skalach. Matematyczne podstawy teorii multifraktalnej s¿ rozwijane poprzez szczegó¿owe dyskusje na temat praw skalowania, relacji pot¿gowych, wymiarów fraktalnych i widm multifraktalnych. Te narz¿dzia matematyczne zapewniaj¿ ramy do analizy nieliniowej z¿o¿ono¿ci obliczeniowej i zachowania systemu zale¿nego od skali. G¿ównym celem ksi¿¿ki jest badanie sztucznych sieci neuronowych i architektur g¿¿bokiego uczenia si¿ jako systemów multifraktalnych. Ksi¿¿ka wyjänia, w jaki sposób hierarchiczne uczenie si¿, nieliniowe aktywacje, adaptacyjna optymalizacja i dynamiczna ekstrakcja cech wytwarzaj¿ wieloskalowe zachowanie obliczeniowe podobne do naturalnych z¿o¿onych systemów. Ksi¿¿ka analizuje ponadto ruch internetowy i topologi¿ sieci, pokazuj¿c, w jaki sposób systemy telekomunikacyjne wykazuj¿ samopodobie¿stwo, zale¿no¿¿ dalekiego zasi¿gu, gwätowne wzorce ruchu i struktury bezskalowe.