[Eugeno 0]

Самое главное это понять что ничего магического НС делать не могут: на самом деле это просто линейные функции, то есть задается плоскость и нейрон определяет с какой стороны от нее находятся входные данные, ну а обучение это просто выбор этой плоскости.

Для однослойной сети это так - нельзя реализовать операцию XOR, т.к. делением на области пространства решение не получишь. Двуслойная сеть это уже решает. Более сложные сети - более сложные решения можно получить.

Более сложные НС это еще простенькая схемка приделанная к нескольким нейронам. Вот и получается что они могут решать только задачи которые (пусть приближенно) можно описать таким тривиальным способом.

<{POST_SNAPBACK}>

Есть класс нейронов, которые плоскость входных параметров делят не прямой, а окружностью. Свойства получаются уже другие.

[gab 0]

Самое главное это понять что ничего магического НС делать не могут: на самом деле это просто линейные функции, то есть задается плоскость и нейрон определяет с какой стороны от нее находятся входные данные, ну а обучение это просто выбор этой плоскости. Более сложные НС это еще простенькая схемка приделанная к нескольким нейронам. Вот и получается что они могут решать только задачи которые (пусть приближенно) можно описать таким тривиальным способом.

<{POST_SNAPBACK}>

А я работаю с апроксимацией биологических. Они нелинейные. Там _так_ весело.

 

PS: А вообще очень интересно: когда говорят о нейронках всегда имеют ввиду этот уродский перцептрон или его выродков. Они конечно-же решают свой узкий круг задач, но как-будто ничего другого нет. Я просто занимаюсь моделированием реального нейрона (клетки) и сразу замечаю огрехи, которые допустили в 60-е года :). Что самое удивительное, эта лапша до сих пор вешается умным (и не только) людям на уши. Единственный луч света это -- aimatrix.nm.ru. Там автор пришёл к таким же идеям (т.е. выделение и обобщение механизмов обработки информации в нейроне). И вообще, я против называть взвешенный сумматор -- нейроном.

[qwesystemc 0]

A нельзя ли немного поподробнее о нейроннъх сетях без перцептронов?

 

BTW: а где конкретно на aimatrix.nm.ru а то я там пока только какую то псевдонаучную бредятину про астрологию нашел :-)

[phantom 0]

И мы тут месяц убили на распознавание образов с помощью MathLab-овских нейросетей. Книжек всяких обчитались, где с восторгом описаны все прелести оных. Надобно было динамограммы работы нефтяных станков-качалок распознавать, и по их форме диагностировать их состояние. Вариантов несколько перепробовали - на входы подавали и просто цифровые отсчеты дискретизированных по времени динамограмм, и коефициенты вейвлет-преобразования из этих сигналов. Синтезировали для обучения от нескольких десятков, до нескольких тысяч промежуточных эталонных состояний (распознавать надобно было 10 состояний, правда несколько по форме очень похожие). Синтез и обучалка занимали иногда до суток на Intel P4-2Hhz. Перепробовали тучу возможных вариантов с разными структурами сетей. В наилучшем результате вероятность распознавания составляла 82%, что все же на 1% хуже чем то же с простым коэффициентом корреляции, который программируется за пол-часа. В одной буке нашел, что процесс обучения НС - "это искусство"- очевидно приобретаемое с опытом. Может быть кто-нибудь, у кого есть такой опыт, может осмыссленно его отобразить? Или хотя бы в двух словах указать на тонкости, на которые следует обратить внимание. Было бы очень интересно. :)

[gab 0]

A нельзя ли немного поподробнее о нейроннъх сетях без перцептронов?

<{POST_SNAPBACK}>

В принципе, это биологические. Они тоже перцептроны, но немного умнее :).

 

BTW: а где конкретно на aimatrix.nm.ru а то я там пока только какую то псевдонаучную бредятину про астрологию нашел :-)

<{POST_SNAPBACK}>

Нейросхемы. Достаточно дельный подход.

А на счёт бредятины - НС это и есть бредятина. Чаще всего математическая. :)

[Stanislav 0]

Нейросеть - "оружие отчаяния", случай, когда нельзя грамотно формально поставить задачу. Прежде, чем использовать нейросеть, следует убедиться, что таковой постановки не существует. Результат же, даже при использовании наиболее приемлемых моделей ANN, чаще всего далек от приемлемого.

[gab 0]

Нейросеть - "оружие отчаяния", случай, когда нельзя грамотно формально поставить задачу. Прежде, чем использовать нейросеть, следует убедиться, что таковой постановки не существует. Результат же, даже при использовании наиболее приемлемых моделей ANN, чаще всего далек от приемлемого.

<{POST_SNAPBACK}>

Полностью согласен. :)

[qwesystemc 0]

Это даже не столько "оружие отчаяния," сколько неугасающая жажда сделать нечто "магическое," что решит все проблемы и свою голову напрягать не надо будет -- как обычно основная проблема в том что "серебрянных пуль" на склад опять не завезли :-)

 

Если в середине прошлого века увлечение НН еще можно было списать на "детскую болезнь" (по образу того, как еще ранее пытались строить махолеты -- самолеты летающие как птица), то что привлекает серьезных людей сейчас не совсем ясно.

[Builder 1]

Сейчас по моему исследования по НС переместились в область моделирования реальных нейронов.

Вон, IBM и супер комп выделила даже для моделирования кусочка мозга крысы.

[Stanislav 0]

Это даже не столько "оружие отчаяния," сколько неугасающая жажда сделать нечто "магическое," что решит все проблемы и свою голову напрягать не надо будет -- как обычно основная проблема в том что "серебрянных пуль" на склад опять не завезли :-)

 

Если в середине прошлого века увлечение НН еще можно было списать на "детскую болезнь" (по образу того, как еще ранее пытались строить махолеты -- самолеты летающие как птица), то что привлекает серьезных людей сейчас не совсем ясно.

<{POST_SNAPBACK}>

Я думаю, что серьезные люди интересуются INN лишь в том смысле, чтобы убедиться в неприемлемости оных для решения конкретных задач. Часто после выбора соотв. модели и получения решения какой-либо задачи возникает чисто спортивный интерес: а что, если попробовать получить его с помощью INN? Потратив определенное время, убеждаешься, что INN хуже. Кроме того, INN требует больших выч. ресурсов, а ее решение в общем случае нельзя представить параметрически...

[ahaspherus 0]

Купи книгу. прочитай и офигей. Есть столько разновидностей НС, что персептрон лучше не вспоминать :)

[upc2 0]

Использовал нейрочипы с aimatrix.nm.ru. для распознавания номеров

вагонов с jpg картинки.Получилось просто , как и обещал автор.Но

дальше все запутанно.Для качественного распознавания необходимы

вертикальные и диагональные ряды.Сейчас с этим борюсь.

[Dr.NoA 0]

Я использовал самообучающуюся нейронную сеть в качестве регулятора температуры в помещении.

[sK0T 0]

Интересно кто-нибудь использовал НС в задачах анализа временных рядов курсов валют или котировок? Ну конечно же использовал. Интересует каких результатов Вы добились?

<{POST_SNAPBACK}>

 

Те, кто использовали и добились результатов по форумам не сидят… :-)

[Runner 0]

Дайте ссылки на какую-то литературу по распознаванию образов. Можно бумажную.

 

Всем заранее спасибо.