Jump to content

    

Нейросеть, машинное обучение и т.д. в радиотехнике

Читая новости, форумы, вакансии, вижу, что машинное обучение становится все более и более популярным, причем зарплата таких специалистов в несколько раз выше приличных электронщиков.

Посмотрел последние публикации, касающиеся того, что мне ближе, а именно обнаружение различных сигналов. По сравнению с классической стат. теорией в нейтральных сетях сплошная магия. Если прицип самих нейронов понятен, то как получаются сами сети - большой вопрос. Строгой теории нет. Ну, как, она в некотором роде есть. В середине прошлого века Колмогоров доказал, что функции многих переменных можно представить в виде суммы суперпозиций функций одной переменной. Нейронная сеть по сути есть аппроксимация неизвестной в явном виде функции. У меня складывается представление, что эти сети какого рода шаманство: а вот давайте ещё такой слой добавим, а вот тут введем обратную связь и т.д.

Наверное, для классификации изображений и каких-либо других областей нейросеть действительно хороша, но надо ли так уж во все области их запихивать? Не похоже ли это, не зная хорошо свойств объекта и предметной области, решить быстро задачу?

У меня пока что сплошной скепсис...

Share this post


Link to post
Share on other sites

из банальной эрудиции - если долго тренировать нейросеть, то должен получиться согласованный фильтр.

если существуют методы построить этот фильтр быстрее и с меньшими вычислительными затратами - то выбор, по-моему, очевиден

 

кажется, что так оно и есть, раз не видим массового нашествия нейросетей в обработку сигналов... но не уверен в своей компетенции по вопросу

 

зато гугль всякие фотографии нейросетями обрабатывает - если фото с животными или детьми склеивает анимацию, если какие-то пейзажи или архитектура склеивает панораму - очень меня впечатлило развитие всего этого, я лет 20 тому "по науке" немного занимался всякими практическими применениями нейросетей, статьи/публикации читал - прогресс, конечно, впечатляющий, да вообще просто пипец какой прогресс, произошел

 

upd: вот еще мнение https://shkrobius.livejournal.com/645942.html

Share this post


Link to post
Share on other sites
из банальной эрудиции - если долго тренировать нейросеть, то должен получиться согласованный фильтр.

Да. Ничего лучше классического оптимального приема получиться не должно и не может. В требуемых вычислительных затратах у нейронных сетей может быть выигрыш. Недавно читал отечественную книжку по нейронным сетям в радиотехнике, поэтому возник ряд сомнений. В ней приводились публикации 90-х годов из IEEE, которые через несколько лет оказались ошибочными. Например, кто-то здорово увеличил вероятность обнаружения, но при этом не учел, что вероятность ложной тревоги здорово выросла.

Уверен, если грамотно все продумать, то возможно создать корректную структуру нейросеть, вот только с самими способами много сомнений. Видимо, надо более глубоко погрузиться, чтобы понять логику построения нейросетей для определенных задач. Какие-то простенькие модельки посмотрел по классификации множеств точек или аппроксимации, в них все понятно, а вот всякие сверточые нейросети - совершенно иной уровень.

 

Спасибо за ссылку. У меня, как и у Лю, имеются подобные сомнения :)

Share this post


Link to post
Share on other sites

Сегодня такая ситуация в мире, что человеческие ресурсы, да еще и квалифицированные - очень дорогие. А машинное время очень дешевое.

Поэтому машинное обучение преследует всего лишь одну цель - получить какую-то магическую функцию или алгоритм с минимальным привлечения человеческих ресурсов, за счет привлечения огромного количества машинных ресурсов.

Представьте себе задачу распознавания дорожных знаков. Ее можно решить классическим способом - разработать алгоритм, который бы выделял из полученного изображения определенные области, фильтровал шумы, подстраивал освещенность, масштабировал, поворачивал, получал вектора, сравнивал их со скормленной ему базой данных знаков (которую еще надо вручную создать), считал отклонения и в конце концов выдавал какой-то результат. Это тысячи часов работы программиста и математика и это еще в моем представлении, а там куча нюансов.

 

А тут такой магический грааль - готовая программа, которой скармливаешь изображения знаков и предсказанный результат(все это легко автоматизируется), ждешь пару дней/месяцев и вояля. Программа начинает распознавать дорожные знаки и все это без тысяч часов и квалифицированных программистов. Разве это не круто?

 

Вот все и ищут этот магический грааль в машинном обучении, и похоже, что в определенных областях его уже нашли. Относится ли к ним радиотехника, еще неизвестно, но стоит отметить, что если бы я работал в такой области, как указано в начале поста - где нужны огромные затраты на человеческие ресурсы для разработки алгоритмов и функций, я бы получил несомненное конкурентное преимущество перед другими, если бы нашел этот грааль, и следовательно, я бы засекретил все работы по его поиску и применению, что может быть причиной, что вы ничего не и знаете.

 

Обратите внимание на своих конкурентов - не выпустили ли они в последнее время на рынок какое-то новое изделие или функцию, для которой, по-вашим оценкам, нужны годы разработок и исследований? Это может быть следствием внедрения машинного обучения.

Share this post


Link to post
Share on other sites
Представьте себе задачу распознавания дорожных знаков. Ее можно решить классическим способом - разработать алгоритм, который бы выделял из полученного изображения определенные области, фильтровал шумы, подстраивал освещенность, масштабировал, поворачивал, получал вектора, сравнивал их со скормленной ему базой данных знаков (которую еще надо вручную создать), считал отклонения и в конце концов выдавал какой-то результат. Это тысячи часов работы программиста и математика и это еще в моем представлении, а там куча нюансов.

А тут такой магический грааль - готовая программа, которой скармливаешь изображения знаков и предсказанный результат(все это легко автоматизируется), ждешь пару дней/месяцев и вояля. Программа начинает распознавать дорожные знаки и все это без тысяч часов и квалифицированных программистов. Разве это не круто?

 

Мне кажется, для распознавания знаков проще, для входа в интернет магазин, заставить человека разгадать капчу типа "нажмите все картинки где дорожный знак" - это ещё дешевле.

 

Что касается нейронных сетей, то для нормального нейронного радиоприёмника - необходим ещё контакт через базу с опытом работы других нейронных радиоприёмников.

Иначе он сойдёт сума - днём обучаясь в мегаполисе, а ночью за МКАДом.

Share this post


Link to post
Share on other sites
А тут такой магический грааль - готовая программа, которой скармливаешь изображения знаков и предсказанный результат(все это легко автоматизируется), ждешь пару дней/месяцев и вояля. Программа начинает распознавать дорожные знаки и все это без тысяч часов и квалифицированных программистов. Разве это не круто?

Вы сами-то пробовали скармливать изображения пару дней чтобы в грааль попасть ?

Где-то этот грааль точно есть, но не за пару дней точно((

Share this post


Link to post
Share on other sites

Create an account or sign in to comment

You need to be a member in order to leave a comment

Create an account

Sign up for a new account in our community. It's easy!

Register a new account

Sign in

Already have an account? Sign in here.

Sign In Now
Sign in to follow this