Задать вопрос

nirvimel

Ответы пользователя по тегу Нейронные сети

  • Как ботов для соц.сетей учат распознавать лица?

    @nirvimel
    искать лицо на фото

    а так же анализировать поведение пользователя

    Machine Learning.

    редактировать фото

    накладывать эффекты

    Фотошоп дошел до онлайна.
    Ответ написан
    Комментировать
    Комментировать

  • Что использовать для распознавания смысла вопроса?

    @nirvimel
    Семантический анализ естественных языков - одна из самых тяжелых задач в computer science. Намного тяжелее, чем ИИ для шахмат (который научился обыгрывать человека еще двадцать лет назад). В этом направлении мировая наука пока еще продвинулась совсем недалеко. Браться за это в одиночку не стоит без трех высших образований (одного из них по лингвистике).
    Ответ написан
    1 комментарий
    1 комментарий

  • Есть ли достойная альтернатива книге Getting Started with TensorFlow Learning by Giancarlo Zaccone?

  • Как правильно представить результаты нейронной сети для предсказания события из 3х исходов?

    @nirvimel
    Так лучше:
    1. (бинарный выход) Одна из двух команд имела перевес над другой.
    2. (бинарный выход) Этого перевеса оказалось достаточно для победы (в противном случае - ничья).

    Так хуже:
    1. (бинарный выход) Победа команды А.
    2. (бинарный выход) Победа команды Б.
    Ничья = not(a) and not(b).

    Первый вариант будет иметь бОльшую точность предсказания и соответствующую сеть будет проще обучить. Можете проверить и убедиться.
    Ответ написан
    Комментировать
    Комментировать

  • На чем основан принцип обучаемости нейронных сетей?

    @nirvimel
    Нейронная сеть (как природная, так и искусственная) по сути своей представят функцию (да, Y=F(X) только очень сложную), выходом Y которой является некоторое поведение субъекта (или программы), а входом X служит некоторая императивная информация (от органов чувств, например). Суть обучения в поиске оптимального значения F(X), при котором достигается наилучшая приспособленность субъекта/программы к поставленной задаче (для живых существ задача - выживание). Обучение происходит путем мелких итеративных шагов от менее оптимальных вариантов функции F к более оптимальным (а не перебором всех возможных вариантов). Подавая на вход F различные значения X, учитель (или естественный отбор) "поощряет" варианты, при которых F дает на выходе более точные значения Y (лучше соответствующие поставленной задаче) и "наказывает" за худшие (относительно предыдущих достижений) варианты. "Поощрение" и "наказание" происходит путем (нерезкого) усиления/ослабления тех нейронных связей, которые были более других задействованы в ходе последней итерации, то есть внесли в успех/неудачу наибольший вклад. Таким образом в ходе мелких последовательных итераций "интеллект" (возможно даже без кавычек) нейронной сети постепенно затачивается под решаемую задачу (простой перебор не дал бы таких результатов и за 100500 лет).
    Ответ написан
    3 комментария
    3 комментария

  • Лучший метод для реализации искуственной нейросети в сфере робототехники и распознования?

    @nirvimel
    Ни выбор языка программирования, ни конкретная реализация нейронной сети, никаким образом не определяются предметной областью, а только конкретной программной задачей, самые различные из которых могут возникать в любой предметной области. Возможно, что для написания прошивки для контроллера детской игрушки лучшим инструментом окажется ассемблер, в для микрокомпьютера в ядерном чемоданчике президента - haskell, например. А возможно и наоборот.
    Ответ написан
    Комментировать
    Комментировать

  • Существует ли нейронная сеть для поиска коэффициента корреляции?

    @nirvimel
    Возможно, я слишком заморачиваюсь и существуют какие-то методы, которые позволяют без применения нейронных сетей выполнить эту задачу универсально и с достаточно большой точностью.

    Именно. Линейный коэффициент корреляции считается как ковариация, деленная на произведение среднеквадратических отклонений:
    6da141a3f088aba3229ae7850318bb8a.png
    Например, в numpy есть соответствующая готовая функция.
    Ответ написан
    Комментировать
    Комментировать

  • Какой тип нейронных сетей использовать для предсказания данных?

    @nirvimel
    Если данные имеют количественный (не категорийный) характер и представлены в виде численных значений, то предсказание будущих результатов по прошлым есть классическая задача на регрессию и нейронные сети к этому не имеют отношения.
    Ответ написан
    3 комментария
    3 комментария

  • Как понимать термин "предметная область"?

    @nirvimel
    В других работах по распознаванию в качестве предметной области указано - нейронные сети, что по сути является лишь методом решения проблемы.

    Значит неверно указано. Метод решения не связан с предметной областью.
    Нейронные сети - технология, применяемая во многих (скоро уже во всех) предметных областях.

    «Разработка алгоритмов групповых решений в задачах распознавания образов». Столкнулся с тем, что нужно описать предметную область.

    Распишите там как важна эта задача в современном мире, как давно она стоит (с середины XX века можно начинать прослеживать историю). Весь математический аппарат для решения задачи распишите. Это и будет описанием предметной области.
    Ответ написан
    Комментировать
    Комментировать

  • Машинное обучения чайника?

    @nirvimel
    Машинное обучение охватывает довольно широкий круг задач, между собой разные области не то чтобы совсем не связаны, но нельзя сказать, что разбираться в одной из этих областей невозможно без полного понимания остальных.
    Если цель - овладение машинным обучением во всей совокупности его задач и областей, то придется заплатить за это 2-3-4 года своей жизни, как сказал brainick .
    Если же интересует конкретный класс прикладных задач, то можно достаточно глубоко погрузится в одну узкую область и стать специалистом в ней. Теоретические основы вполне реально изучить за время, за которое вы изучаете отдельный язык программирования. Но нет предела совершенствования практических навыков, как и нет предела совершенствования владения языком программирования.

    Общее представление о задачах машинного обучения даст возможность выбирать для себя круг задач и специализацию. На русском доступна специальная вики по машинному обучению https://www.machinelearning.ru/ - пока еще, бледная тень английской вики (может со временем разовьется).
    Для тех, кто не боится английского - большая подборка.
    Ответ написан
    2 комментария
    2 комментария

  • Что лучше использовать для распознавания образов? Машинное обучение или нейронные сети?

    @nirvimel
    Распознавания образов - одна из задач машинного обучения.
    Нейронные сети - одна из технологий машинного обучения.

    Для задачи распознавания образов на практике применяются в основном как раз разновидности нейронных сетей, хотя теоретически возможно использовать что-то, не сводящееся к нейронным сетям.
    Ответ написан
    Комментировать
    Комментировать