Нейронные сети. Программирование.
эффект: пользуй на здоровье. модно это сейчас.
Если есть нормальный алгоритм, то НС сосут. Их применяют только тогда, когда лень или дорого искать нормальное решение для задачи, а НС дают приемлимый результат.
применял
очень капризны
хорошо работают только на действительно глаких по устойчивости задачах (в данной формализации конечно)
могу свести с людьми, которые этим конкретно занимаются
но если есть другой вариант подхода к задаче - пользуй его
//fortl
очень капризны
хорошо работают только на действительно глаких по устойчивости задачах (в данной формализации конечно)
могу свести с людьми, которые этим конкретно занимаются
но если есть другой вариант подхода к задаче - пользуй его
//fortl
а чего хочешь делать?
Я применял. Для получения точного решения - не лучший инструмент (если не получается усмотреть какую-нибудь аналитику). Но построенную сеть легко реализовать в железе.
Вообще говоря, НС хороши при "нащупывании" решения для трудно формализуемых задач
тут могла бы быть выдержка из моего диплома . На деле они много еще чем хороши.
ЗЫ: доказаны некоторые теоремы о принципиальной возможности получения сколь угодно точных решений для многих классов задач (если не своими словами, то, например, "НС - универсальный аппроксиматор").
Вообще говоря, НС хороши при "нащупывании" решения для трудно формализуемых задач
тут могла бы быть выдержка из моего диплома . На деле они много еще чем хороши. ЗЫ: доказаны некоторые теоремы о принципиальной возможности получения сколь угодно точных решений для многих классов задач (если не своими словами, то, например, "НС - универсальный аппроксиматор").
Всем спасибо за высказанные впечатления.
Многие итерационные процессы используют приближение, полученное на каждом следующем шаге, как если бы оно было начальным. Те процесс ничего “не помнит” об уже сделанных итерациях. При этом, возможно, теряется ценная информация. Вот тут-то я и вспомнил о нейронных сетях, которые способны помнить и обучаться.
Вообще, подобные вещи впечатляют
Многие итерационные процессы используют приближение, полученное на каждом следующем шаге, как если бы оно было начальным. Те процесс ничего “не помнит” об уже сделанных итерациях. При этом, возможно, теряется ценная информация. Вот тут-то я и вспомнил о нейронных сетях, которые способны помнить и обучаться.
Вообще, подобные вещи впечатляют
Вселенная Хокинга и нейрокомпьютер
Монография посвящена описанию простой и наглядной модели Вселенной, построенной на нейрокомпьютере «Эмбрион». Модель демонстрирует устройство Вселенной, ее крупнозернистую структуру и эволюцию от момента «Большого взрыва» до стадии «Черной дыры».
"Показано, что никакой «тепловой смерти» Вселенной не будет, что время многомерно, имеет кольцевую структуру и может течь вспять, а вселенных бесчисленное множество.
Но самое ценное в предлагаемой модели мироустройства - это то, что в основе ее положены фундаментальные квантово-механические законы, имеющие информационную природу. Автором впервые излагается введение в «Атомную информатику». Описаны элементарные частицы, виды взаимодействий и сил, приводится структура n-атома и открытый автором периодический закон для информационных элементов, подобный таблице Д.И. Менделеева.
Многие итерационные процессы используют приближение, полученное на каждом следующем шаге, как если бы оно было начальным. Те процесс ничего “не помнит” об уже сделанных итерациях. При этом, возможно, теряется ценная информация. Вот тут-то я и вспомнил о нейронных сетях, которые способны помнить и обучаться.Подоные итерационные процессы моделируются с помощью рекурентных сетей. В частности, сети Хопфилда.
Классический пример - решение с помощью сети Хопфилда задачи о рюкзаке. Если не ошибаюсь, это описано в книге
Вассермана.
Поиск по "Вассерман Нейрокомпьютинг" в гугле и яндексе дает ровно одну, ни о чем не говорящую, ссылку. Что за книга? Выходные данные или ссылку приведи.
Очень хорошая книжка для начинающих, про нейросети есть почти все, главное - на русском и доступно.
Оставить комментарий
mama10001
Кто-нибудь применял алгоритмы основанные на нейросетях на практике?Неважно в какой области. Главное какой эффект это дало по сравнению с традиционными алгоритмами.