Бамп
Бамп
что это значит? типа бог компьютер?
Защищал диплом по ним в 12 году. Чего хотел-то?
5/10
После сталкивался? Какой максимальной сложности задачи на них сейчас можно реализовать?
Не совсем
6/10
И да, в догонку. Как их обучают? Код же?
Сталкивался неудачный один раз.
За все области применения не скажу, в pattern recognition незаменимо. Диплом в этой области и был, собственно.
Вообще хорошая технология, хоть и узкоприменимая. Хайп последнего времени вокруг неё не понимаю, ИНС уже половину века существуют и применяются.
От вида зависит. Способов обучения много, я использовал самый простой, коррекции.
7/10
>Хайп последнего времени вокруг неё не понимаю, ИНС уже половину века существуют и применяются.
Сейчас активно распространяются и форсятся.
>Хайп последнего времени вокруг неё не понимаю, ИНС уже половину века существуют и применяются.
Сейчас активно распространяются и форсятся.
Оп - хуй, зачем тред то?
7/10
Не буду бампать однотипными картиночками
Не буду бампать однотипными картиночками
Базарить за возможные применения и ламповость сия чуда.
Куча вопросов к тебе.
Как много в сетях используется алгоритмы обычного машинного обучения?
Статистический анализ и теорию вероятностей насколько хорошо надо знать если вообще нужно?
Литературу и информацию для диплома - что есть годного, и чего ты бы сам порекомендовал?
Да они активно распространяются вдвое дольше, чем я живу. Форсятся - да, но не могу понять, откуда к ним столько внимания. Из-за того, что звучит интересно, скорее всего. По сути - технология и матан за ней, ничего особенного. Простенький пример собрать можно за вечер, поиграться.
Не к ним, а к ИИ.
Где-то в десятом году появились компьютеры, достаточно мощные для решения действительно охуенных задач, отсюда и хайп.
>Простенький пример собрать можно за вечер, поиграться.
Подробней, пожалуйста. Или ссылку.
8/10
9/10
> Как много в сетях используется алгоритмы обычного машинного обучения?
В промышленных масштабах? Понятия не имею. ИНС это узкое решение, даже не скажу, где и для чего их в России используют. Яндекс, вроде бы, выкатывал какие-то решения на их основе.
> Статистический анализ и теорию вероятностей насколько хорошо надо знать если вообще нужно?
Статистического анализа у меня вообще не было, тервер к ИНС не относится почти никак. Для применения, если не копаться в реализации - никаких особенных знаний не нужно. Есть готовое решение, opennn, берешь, прикручиваешь, пользуешься.
> Литературу и информацию для диплома - что есть годного, и чего ты бы сам порекомендовал?
Я не изобретал велосипед, признаюсь. Розенблатта и Минского прочитать стоит, ради общего понимания технологии. Дальше - выбирай литературу исходя из конкретной области интереса. Вообще, если интересует не матаппарат, а применение - ты в жопе. Лопать чужие работы, готовься нырять с ушами в говно.
Возможно и так.
opennn.cimne.com
О, сяпки
почитай aliev@lj там достаточно ссылок на примеры использования.
10/10
и что же это за такие компьютеры появились, которых не было до 2010? на сколько мегаватт?
Спасибо, тоже сохранил.
Ничего принципиально нового не было. Просто полвека назад ИНС забросили из-за недостатка ресурсов. А в двухтысячных про них вдруг вспомнили.
ailev.livejournal.com , опечатался, извините.
ну да, все те люди, которые сейчас двигают imagenet и прочий kaggle наверняка делают это с помощью этой железки. где бы они были без нее.
Да нашел. Разницы 0
На мумберте музыка повторяется.
Вот, например:
http://mubert.com/
WebM вторым постом.
Иску́сственная нейро́нная се́ть (ИНС) — математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных и/или «зашумленных», частично искаженных данных.