На данной странице расположены разрабатываемые проекты, к которым может присоеденится любой желающий. Все проекты идут в исходных кодах и могут быть использованы для некомерческого использования. На данный момент здесь расположены три проекта:

1) Система распознавания печатного текста

Большинство систем ОРС(оптического распознавания символов) работают с растровым изображением, которое получено через сканер. Для тех, кто никогда не видел ОРС, обозначим скороговоркой этапы распознавания отсканированной страницы, с точки зрения манипуляций над изображением текста: делая первый шаг, СРТ(система распознавания текста) должна разбить страницу на блоки текста, основанного на особенностях правого и левого выравнивания и наличия нескольких колонок; потом эти блоки разбиваются в индивидуальные метки чернил (типографской краски и т. п.), которые, как правило, соответствуют отдельным буквам; алгоритм распознавания делает предположения относительно соответствия чернильных меток символам; а затем делается выбор каждой буквы и цифры, в результате чего страница восстанавливается в символах текста (причем в соответствующем формате).

2) Индексация по смыслу.

Теории смысла не хватает еще одной сущности -- объекта-приемника. Точнее, имеющейся у него модели. Именно от нее зависит количество смысла. Но для разных объектов-приемников одно и то же сообщение может нести совершенно разный смысл. Передаваемая информация изменяет внутреннюю модель, и вот именно количество этих изменений и есть количество смысла для данного получателя. И еще у "количества смысла" может появиться вторая компонента, как у комплексных чисел, -- количество косвенных изменений (или радиус действия). Зависит от объема и связанности модели получателя. Таким образом количество смысла -- принадлежность не передаваемой *информации*, а уже атрибуты *приемника*. Характеризуют имено его способность восприятия и степень использования одного и того же количества информации.

3) Машинная ДНК.

Генетические Алгоритмы - адаптивные методы поиска, которые в последнее время часто используются для решения задач функциональной оптимизации. Они основаны на генетических процессах биологических организмов: биологические популяции развиваются в течении нескольких поколений, подчиняясь законам естественного отбора и по принципу "выживает наиболее приспособленный" (survival of the fittest), открытому Чарльзом Дарвином. Подражая этому процессу генетические алгоритмы способны "развивать" решения реальных задач, если те соответствующим образом закодированы. Например, ГА могут использоваться, чтобы проектировать структуры моста, для поиска максимального отношения прочности/веса, или определять наименее расточительное размещение для нарезки форм из ткани. Они могут также использоваться для интерактивного управления процессом, например на химическом заводе, или балансировании загрузки на многопроцессорном компьютере. Вполне реальный пример: израильская компания Schema разработала программный продукт Channeling для оптимизации работы сотовой связи путем выбора оптимальной частоты, на которой будет вестись разговор. В основе этого программного продукта и используются генетические алгоритмы.

Основные принципы ГА были сформулированы Голландом (Holland, 1975), и хорошо описаны во многих работах. В отличии от эволюции, происходящей в природе, ГА только моделируют те процессы в популяциях, которые являются существенными для развития. Точный ответ на вопрос: какие биологические процессы существенны для развития, и какие нет? - все еще открыт для исследователей.

В природе особи в популяции конкурируют друг с другом за различные ресурсы, такие, например, как пища или вода. Кроме того, члены популяции одного вида часто конкурируют за привлечение брачного партнера. Те особи, которые наиболее приспособлены к окружающим условиям, будут иметь относительно больше шансов воспроизвести потомков. Слабо приспособленные особи либо совсем не произведут потомства, либо их потомство будет очень немногочисленным. Это означает, что гены от высоко адаптированных или приспособленных особей будут распространятся в увеличивающемся количестве потомков на каждом последующем поколении. Комбинация хороших характеристик от различных родителей иногда может приводить к появлению "суперприспособленного" потомка, чья приспособленность больше, чем приспособленность любого из его родителя. Таким образом, вид развивается, лучше и лучше приспосабливаясь к среде обитания.