Бортовой компьютер и ИИ
Про нейровычисления мнение есть, потому что я столкнулся с тем, что на основе известной теории написано много трудов, но до практики так ничего путного и не дошло.
И понятно, почему. Слишком уж примитивна теория нейронов и обучения на их основе.
Ну как же ничего путного не вышло?)… Я, лично, делал в примитивнейшем для этой задачи, извиняюсь за это выражение - екселе, сетку, тренировал ее на расспознавание разных букв, а потом ставил различные эксперименты, например - подавал на вход только часть буквы какой-то, или совсем иную букву подавал, которая не учавствовала в обучающей выборке. Также создавал специально “не идельную” обучающую выборку, а потом тестировал на “идеальных” образах…
В ходе этих экспериментов выяснил, что НС обладает очень полезными свойствами, такими как, обобщение информации и, соответсвено, сведению ее к меньшей размерности…
Причем “сила” в ее связях, так, например, кто в теме знают, что если удалить один нечувствительный синапс в сети (контрастирование сети), то это на работу, в целом- не повлияет. Также, если удалить еще несколько таких синапсов с малыми весовыми коэффициентами. Но, если, удалить все такие синапсы, а оставить только те, которые имеют критическое влияние на нейроны, и тем самым сыкономить на процессорном времени, необходимом для вычеслений, - то сеть, несколько теряет в обобщающих способностях, становится, “угловатой”, при работе…
Насчет первичных программ, заложеных еще до рождения - это безусловная необходимость, так же как комп загружает биос, так и биологические программы включаются через первичные загрузчики…
Роберт джан, примите мои поздравления!)…
Ну как же ничего путного не вышло?)… Я, лично, делал в примитивнейшем для этой задачи, извиняюсь за это выражение - екселе,
Вот и я говорил, что теория нейрона разработана, формулы пишутся, даже эксперименты ставятся, как у вас, на “екселе”, но всё это долго, не в реальном времени!
То есть для того, чтобы распознавать движущие цели на движущимся фоне в реальном времени, не подходит.
А для экспериментов и научных отчётов вполне.
Ещё я говорил о негодной попытке непрофессионалов выдать задание сделать аппаратный аналог нейрона, так называемый “нейрочип”, против чего я выступал. Этот “нейрочип” был реально сделан в виде специализированного микропроцессора и он реально работал, но, как я и предупреждал, оказался совершенно бесполезен для нейровычислений. Поэтому его через некоторое время переименовали в отечественный DSP, которым он никогда на самом деле не являлся.
В интернете наверняка остались следы этого процесса, их можно поискать, если набрать в яндексе “нейрочип” 😁
для того, чтобы распознавать движущие цели на движущимся фоне в реальном времени, не подходит.
Вячеслав, поделитесь с молодым поколением - опытом, как выглядит, в двух словах, алгоритм совершающий распознавание движущихся целей на движущемся фоне, без этих всех “нейрочипов”…
Кстате, авиация начиналась с того, что создавали мащущее крыло, и не поверите, - еще обклеивали его перьями, а потом появилась аэродинамика. Подобное происходит с “ИИ” - пытаются копировать живые нейроны, а ведь есть простые алгоритмы обработки…
Александр Спасибо!
малюсенькой вопросик - нечувствительный синапс в сети - а результат удаления ( само отсутствие) как долго регистрируется до блокировки сканирования отсутствия?
Возобновляется сканирование само или после востановления синапса он сам открывает себя в системе?Если восстанавливается то с какой скважностью?
Какое латентное время восстановления синопса после “подключения”?
Не знаю хватает ли моего русского задавать такие вопросики:))))) Если не поняли - вопрос снят:)
Роберт, ну это можно так объяснить: если Вы посмотрите на топологию ИНС, то увидите, что изначально, до обучения нейроны связаны с другими нейронами всей, так сказать, полнотой связей. Тоесть, все связаны с всеми. Это делается для того, что непонятно изначально, какие связи будут сильными, а какие останутся “нулевые” после завершения процесса обучения. После завершения обучения можна в сети удалить эти самые “нулевые” связи для того чтобы виртуальный автомат (речь идет о эмуляции паралельного процесса на последовательном устройстве) не тратил время процессора на, и так “нулевые” связи. Эта методика называется контрастирование.
В биологических сетях это тоже реализовано - каждый нейрон имеет множество отростков, которые конкурируют между собой, причем сильные связи ростут и закрепляются, а слабые исчезают вовсе. Но так как человек большую часть жизни учится, в основном в первой ее половине, то этот процесс происходит в мозгу постоянно, тем самым закрепляя новые связи после получения новых знаний.
В ИНС, удаленные синапсы можно возобнавлять на момент очередной тренировки сети, а потом опять контрастирование, потому как и процессору, так и биологическому аналогу необходимо экономить ресурсы потребляемые при вычислениях.
Интересный факт, что ребенок до 1 года имеет способности к распознаванию мелких подробностей и нюансов в лицах многократно выше, чем у взрослого, а потом эта способность теряется.
Спасибо за ответ, не ожидал что захочешь так подробно описать, я написал все максимально сжато,поэтому не хватило правильного языка:) но в ответ получил класс:)
у нейронов в био да, аксоны которые подсоединяются к другим аксонам или больше всего к дендритам образуют узлы и чем крепче (употребляемей) связь тем больше по размеру узлы так как там происходят процессы с больше передающей поверхностной силой(потенциалом), я знаю так:)
Способность у детей теряется думаю так как именно вот этих связей в период взросления становится все больше и больше.Эх Эх старый мозг, можечечек родненький, как же мало мы о нем знаем… полететь бы туда во сне, погулять бы, понаблюдать бы за процессами…научиться бы всему что он умеет…однако, здрастье:) думаю именно если правильно и вовремя отключать пассивные аксоны в системе вовремя то ее способность опознавания будет улучшена, но все это в пределах возможностей быстродействия всей системы в комплексе. Нагружать более 75-80% я думаю нельзя если хотим оставаться на тех же пределах точности распознавания что было у системы в начальных этапах обучения.Так же думаю в помощь сказанному по разгрузке - облачные системы,которыми плотно занимаются индусы. Вот как то так:)
Уважаю Алексанрд, ты молодец!Пойду поем льда, жарко блин…мосх кипит и булькает:)
заказал, хочу сделать быстрый, максимально без инерционный, транспорт для чпу:) бум поднимать фасетку:) www.thethreadexchange.com/miva/merchant.mvc?Screen…
Случайно, сегодня такую приблуду нашел: banned link
м.б. чуть не в тему.
Эскиз понятен? Ясно почему видит снос?
А желтенькое - это солнце? Это самолет по всей Солнечной системе летает, что бы так явно стало его смещение относительно Солнца? 😃
А желтенькое - это солнце?
Нет красный Марс в ночном небе под смогом:) Уважаю такой юмор:)
Ну ради интереса посчитайте на какое расстояние должно снести самолет, что бы его угол относительно солнца изменился хотя бы на 0.5 градуса 😃
Ну ради интереса посчитайте на какое расстояние должно снести самолет, что бы его угол относительно солнца изменился хотя бы на 0.5 градуса 😃
А мне это надо?😃 нет:) так пусть машины считают, а мне надо трубку пито расположить правильно на ЛК и чтоб не мешало при посадках и не было бы возмущений перед ним. А вы все о ИИ:) не ждет оно нас, не ждет:)Все че здесь обсуждалось мозговой штурмик:)
И Солнца нет и луны и ИИ для них - есть трубки пито - конкретно и конкретно задача построить опять не возможное ЛК с хорошим качеством крыла:)