LINUX.ORG.RU

нейронные сети


0

1

Специалисты, порекомендуйте пожалуйста книги или ресурс, где можно было бы получить обзор по сабжу. Есть подозрение, что проблема, которой я на данный момент занят, очень хорошо вписывается в область применения НН, поэтому хотелось бы разобраться не столько в технике реализации, сколько в теории.

Вы скажите проблему, может что посоветуем.

Spctr ()

Есть «Нейронные сети: полный курс» Хайкина. Реализации там нет вообще, одна теория.

harvos ()
Ответ на: комментарий от harvos

+, но книга очень нудная для не специалиста в этой области.

mashina ★★★★★ ()
Ответ на: комментарий от register

>>Распознавание закономерностей во временных рядах.

Биржи? Лучший способ знать закономерность - это создавать её. Джобс подтвердит.

mclaudt ()
Ответ на: комментарий от mclaudt

Нет, не биржи. Собирался сразу уточнить, но передумал, потому что не существенно.

harvos, mashina, спасибо, посмотрю. Пока что нашел только djvu ужасного качества, но на первый взгляд интересно.

register ()
Ответ на: комментарий от register

Если совсем ноль - начинай с Каллана. Если некий базис уже есть - Хайкин.

yoghurt ★★★★★ ()
Ответ на: комментарий от register

Что значит «распознавание закономерностей»? Если это для попыток экстраполяции - то сразу отменить. Нейронные сети для решения подобных задач не подходят по своей сути.

anonymous ()
Ответ на: комментарий от anonymous

>Что значит «распознавание закономерностей»?

Справедливое замечание. Теперь я осваиваю книжку, которую подкинул Suntechnic, и понимаю, что моя проблема называется проблемой кластеризации (или классификации событий).

register ()
Ответ на: комментарий от register

>Распознавание закономерностей во временных рядах.

Для этого рекурентные сети хорошо подходят. http://www.idsia.ch/~juergen/rnn.html - тут много материалов по практическому применению.

shuthdar ★★★ ()
Ответ на: комментарий от register

Классификация/кластеризация - это как раз задачи, где нейронные сети применимы лучше всего. Главное правильно выбрать архитектуру и обучить :)

shuthdar ★★★ ()
Ответ на: комментарий от shuthdar

>Главное правильно выбрать архитектуру и обучить :)

Всего лишь:)

anonymous ()

Я так, выскажу свое скромное мнение. Нейронные сети в целом херня. Вот.

Waterlaz ★★★★ ()
Ответ на: комментарий от Waterlaz

Не - в целом как раз они рулят. У меня есть одна - уже почти 35 лет отлично работает и не подводит. Но знаю много людей у кого с этим постоянные проблемы. Думаю вопрос в обучении сети больше.

Suntechnic ★★★★★ ()
Ответ на: комментарий от shuthdar

>Классификация/кластеризация - это как раз задачи, где нейронные сети применимы лучше всего. Главное правильно выбрать архитектуру и обучить

Именно с этой мыслью был создан тред.

register ()
Ответ на: комментарий от Waterlaz

>Нейронные сети в целом херня.

Не знаю, я видел очень впечатляющие примеры их применения на практике.

register ()
Ответ на: комментарий от register

>Именно с этой мыслью был создан тред.

Бери ссылку из первого моего коммента тут и ищи там похожие на твою задачи. Оптимальный путь к решению, если не хочешь углубляться в матан :)

shuthdar ★★★ ()
Ответ на: комментарий от register

> Нейронные сети для решения подобных задач не подходят по своей сути.

Согласен в то смысле, что нейронные сети не могут быть основой решения, однако мне кажется, что экстраполяцию можно эффективно осуществлять с чем-то подобным нейронным сетям. В общем случае необходимо воссоздать алгоритм генерации нелинейной функции.

Сами по себе нейронные сети не расширяемы, не масштабируемы. Масштабируемость и расширяемость можно добавить, используя генерацию систем. На вики почитай про Синергетику. Однако там до практики далеко. Имея хороший генератор, можно решать любые задачи, не меняя программу. Идея в том, чтобы программа сама все делала, ты должен лишь указать цель для развития. Это прицип эволюционных методов в программировании. Самые простые методы - генетический алгоритм, метод роя частиц, который от него не далеко ушел. В генетическом алгоритме решения конкурируют между собой по критерию оптимальности. Это, например, действительные числа, аргументы нелинейной целевой функции. Но можно развивать и не числа, а, например, генетический код, который будет транслироваться в нейронную сеть. При обычном методе подстройки нейронной сети нововведения имеют аддитивный характер. В случае трансляции системы из кода, мы получаем мультипликативность инноваций. То есть система может оперировать как N параметрами, так и 100*N параметрами или N*N и т.п. В любом случае стоит почитать про эволюционный подход, синергетику. Эти методы не просто позволяют снять с человека массу проблем, иногда человек не может решать такие проблемы без эволюционных методов (например, адаптивное управление).

RR42 ()
Вы не можете добавлять комментарии в эту тему. Тема перемещена в архив.