[supremum76 0]

Welcome to the RLNN_ADAPTIVE_CONTROL wiki!

Основная цель создания темы - презентация проекта библиотеки инструментов для конструирования искусственных нейронных сетей (ИНС) авторской архитектуры (Python).

Нейронная сеть обучается адаптивно по принципу reinforcement learning, в online режиме. Нет явного разделения этапа обучения, тестирования и использования. Нейронная сеть обучается в процессе использования. Поведение нейронной сети корректируется "вознаграждением", которое может быть получено в результате связанной серии действий нейронной сети.

Более подробно о деталях архитектуры можно узнать в статье Reinforcement learning neural network (RLNN) based real-time adaptive control.

Для чего необходим этот инструмент?

Архитектура ИНС предназначена для решения задач адаптивного управления в реальном времени.
Далеко не полный список таких задач:

• Поведение автономных роботов
• Автоматическая биржевая торговля
• Искусственный интеллект в компьютерных играх
• Распознавание мошеннических транзакций
• ...
  

Вторая цель - получить верификацию сообществом, конструктивную критику, новые идеи.

Третья цель - возможно кому-то инструментарий пригодится.

[mantech 50]

11 часов назад, supremum76 сказал:

проекта библиотеки инструментов для конструирования искусственных нейронных сетей (ИНС) авторской архитектуры (Python).

Я че-то не понял, обработчики нейросетей требуют большой производительности, а тут еще предлагают это делать на интерпретируемом языке, видимо, чтоб суперкомпьютер загрузить

[yes 7]

4 hours ago, mantech said:

Я че-то не понял, обработчики нейросетей требуют большой производительности, а тут еще предлагают это делать на интерпретируемом языке, видимо, чтоб суперкомпьютер загрузить

после обучения сеть можно в микроконтроллер засунуть или в ПЛИСину копеечную 

https://www.latticesemi.com/en/Products/DesignSoftwareAndIP/AIML/NeuralNetworkCompiler

 

[supremum76 0]

6 часов назад, yes сказал:

после обучения сеть можно в микроконтроллер засунуть или в ПЛИСину копеечную

Можно. Однако сеть заточена под постоянную адаптацию, следящую оптимизацию. Платформа реализации не имеет решающего значения. Программный код не сложный и при необходимости легко переносится на другие ЯП. Важнее алгоритм и его адекватность решаемой задаче. Если задача может быть описана конечным набором примеров вход-выход, то скорее всего найдется более адекватный метод решения.

Предложенная сетка может решать задачи с учителем. Но скорее всего это имеет смысл только когда альтернатива это MLP/CNN с большим количеством слоев и борьба с проблемой затухания градиента.

Но все же целевые задачи данной сетки - адаптивное управление с подкреплением. В этом случае примеры с готовыми правильными ответами отсутствуют, работать и обучаться приходится в online режиме, по мере поступления новых сигналов.

[supremum76 0]

07.06.2020 в 10:19, mantech сказал:

Я че-то не понял, обработчики нейросетей требуют большой производительности, а тут еще предлагают это делать на интерпретируемом языке, видимо, чтоб суперкомпьютер загрузить

Для этого есть технология JIT. Пример реализации для Python  http://numba.pydata.org

[rkit 4]

On 6/7/2020 at 10:19 AM, mantech said:

Я че-то не понял, обработчики нейросетей требуют большой производительности, а тут еще предлагают это делать на интерпретируемом языке, видимо, чтоб суперкомпьютер загрузить

Нейросети это очень много умножения матриц. Код на питоне не проходит сам все нужные для этого циклы, а просто склеивает вызовы типовых оптимизированных функций на C. Ну и обрабатывает всякую вспомогательную ерунду, вроде вывода результатов в консоль. Так реализовано совершенно в любой системе машинного обучения.

[vldminkov 0]

Очень интересная тема. Больше примеров не помешало бы. Или где то можно найти?

Удачи