Форум: Проблемы искусственного интеллекта

Регистрация | Вход

Все темы | Новая тема  Стр.3 (11) << < Пред. | След. > >>    Поиск:
Автор	Тема: На: Какие методы обучения ИНС существуют и чем отличаются?
Вася Сообщений: 180	На: Какие методы обучения ИНС существуют и чем отличаются? Добавлено: 06 авг 08 2:29 tac Так я и знал, мы всё же понимаем целевую функцию каждый по-своему (может быть ваш вариант общепринятый, я просто не сильно знаком с обозначениями в нейросетях, и поверил вам на слово, что целевая функция и функция пригодности - одно и то же) Цитата: т.е. целевая функция и есть "неизвестная сначала структура нейросети" Хорошо, разделим тогда термины. Целевая функция у нас будет искомым механизмом, воплощённым в сети, собственно решающим задачу. А функция пригодности - это просто функция количественной оценки разницы между имеющейся структурой сети и целевой. Цитата: Вот смотрите я обучаю нейронную сеть функции XOR на 4 примерах (волей случая это все возможные варианты) - спрашивается какова должна быть целевая функция для генетического алгоритма, не чтобы проверить, а чтобы научится этим четырем примерам ? Верно ли я понимаю ваш вопрос: вы сейчас спрашиваете, какой именно должна стать после обучения генетически кодируемая сеть, чтобы реализовывать функцию ХOR, так? Если у нас есть четыре примера, то пробоем никаких, мы просто даём генетическому алгоритму базис элементов (элементарные узлы и элементарные связи между ними) и просим соединять их между собой так и эдак. Каждую получаемую в результате сеть мы опрашиваем (подаём на вход циферки, смотрим, что на выходе, сравниваем с примерами, из степени схожести вычисляем функцию пригодности). Затем отсеиваем неудачников, мутируем, размножаем, и так много раз. Функция пригодности здесь оценивает разницу между ответом сети и праильным ответом примера. Мы её описываем сами заранее. Но это функция пригодности. А вот целевая функция, итоговая структура сети, точно реализующая XOR, - нам неизвестна, алгоритм её придумывает сам, и она может быть какой угодно, зависит от базиса, и от случая. То есть, (если я правильно понимаю вашу мысль) Цитата: чистым эволюционным алгоритмом мы не смогли бы научится функции XOR, не зная ее всё-таки могли бы, при наличии у нас четырёх примеров. Как и в случае с нейросетями. Цитата: Теперь возьмем просто 5 изображений 30х30 и обучим им нейронную сеть, чтобы изображение ассоциировалось со словом. Какая целевая функция ? Да я ее не знаю и знать не хочу, она появится сразу как сеть сойдется, и будет заключаться в структуре сети, т.е. целевая функция и есть "неизвестная сначала структура нейросети". С эволюционкой то же самое. Целевой функции мы не знаем, она возникает. Главное, чтобы реализовалась ассоциация каждого изображения со словом. И нам тут даже примеры не нужны. Мы просто отсеиваем по принципу "для каждого изображения - свой уникальный сигнал на выходе". Цитата: Ну, а генетический алгоритм даже не сможет начать обучатся, он будет просто случайно блуждать ... Отнюдь. В первой же случайной популяции возникнут особи, которые будут давать различные сигналы на выходе для различных входных сигналов. Но часть особей даст одинаковый сигнал для нескольких изображений. Чем больше совпадающих сигналов, тем меньше пригодность. То есть, мы не знаем, как сеть должна различать изображения, но знаем, что должна именно различать. Это и будет критерием отбора. А если есть отбор и мутации мы определили, то нет причин говорить, что эволюция не пойдёт. Критерий отбора - это то самое, что превращает броуновское движение точки в пространстве поиска в целенаправленное движение точек выживших особей в сторону неизвестной нам заранее области поискового пространства, соответствующая которой сетевая структура является целевой. Кстати, вы о каком генетическом алгоритме говорите? Среди них ведь вполне могут быть такие, которые буксуют на приведённых вами задачах. Я также согласен, что можно придумать такой ГА, который будет больше ресурсов жрать на решейние той же задачи, с которой ИНС справляется быстрее и "дешевле". А ещё я согласен с тем, что генетические методы в принципе более ресурсоёмки, ибо генерят и оценивают решения с большим избытком неэффективных уродцев, чей поток на порядки может превышать полезные линии. Но это как раз является тем свойством, которое позволяет успешно обследовать сложнорельефные поисковые поверхности. Думаю, конструктивным развитием найшей дискуссии будет рассмотрение примера задачи, решить которую эволюционно будет проще, чем нейросетевым способом. Правда, я на данный момент не особоенно разбираюсь в области классификации, так что мог бы предложить пример из области динамического управления. Если помните, раньше был такой соетского розлива игровой автомат - в стеклянной коробке щуп, такая трёхпалая механическая хваталка, которой можно управлять, и нужно ею подхватить игрушку, которые разбросаны внутри автомата, и перенести эту игрушку до дыры, через которую она вываливается наружу. Упрощаем эту системку. Плоскость, вид сбоку, квадратное поле действия. Слева внизу и справа внизу - небольшие ёмкости. Левая полная, вторая пустая. По верхней грани квадрата езлит штука, с которой вниз спускается тоже щуп. Нужна сеть, которая делала бы простое, переносила бы из левой ёмкости в правую её содерживмое. Акт хватания - предельно простой, буквально один параметр, схватил-выпустил, тут всё просто. Ну и посередине квадарата вертикальное препятствие, то есть, нужно брать из левой ёмкости груз, поднимать его, переносит через препятствие и помещать в правую ёмкость. Вот мне интересно, как можно было бы с помощью нейросети подойти к решению этой задачи? Цель - получить сетку, которая управляла бы переносом груза. [Ответ][Цитата]
tac Сообщений: 2601	На: Какие методы обучения ИНС существуют и чем отличаются? Добавлено: 06 авг 08 4:56 Цитата: Автор: Вася Если помните, раньше был такой соетского розлива игровой автомат - в стеклянной коробке щуп, такая трёхпалая механическая хваталка, которой можно управлять, и нужно ею подхватить игрушку, которые разбросаны внутри автомата, и перенести эту игрушку до дыры, через которую она вываливается наружу. Упрощаем эту системку. Плоскость, вид сбоку, квадратное поле действия. Слева внизу и справа внизу - небольшие ёмкости. Левая полная, вторая пустая. По верхней грани квадрата езлит штука, с которой вниз спускается тоже щуп. Нужна сеть, которая делала бы простое, переносила бы из левой ёмкости в правую её содерживмое. Акт хватания - предельно простой, буквально один параметр, схватил-выпустил, тут всё просто. Ну и посередине квадарата вертикальное препятствие, то есть, нужно брать из левой ёмкости груз, поднимать его, переносит через препятствие и помещать в правую ёмкость. Вот мне интересно, как можно было бы с помощью нейросети подойти к решению этой задачи? Цель - получить сетку, которая управляла бы переносом груза. Конечно, помню ... они и сейчас у нас есть .. не так давно достаточно денег просадил, пытаясь достать ребенку игрушку Но думаю решать эту задачу не имеет смысла, т.к. здесь в любом случае выиграет чисто жесткий алгоритм, думаю не стоит объяснять как его запрограмировать, при желании можно и нейросеткой. Эволюционно вы получите тоже самое - определите необходимые входы-выходы, и дадите способ понять достигается задача или нет .. Кстати, вот на этой задачи и покажите как вычеслить здесь функцию пригодности, да еще так чтобы она не совпала с целевой (точнее от нее не зависила бы напрямую)? Мне все же кажется, что есть целый класс задач где эти функции сопадают по условию задачи ... и с задачей XOR именно так, хотя она несколько вырожденная и поэтому мне сложно объяснить ... но на ассоциации изображения со словом попробую объяснить ... "по принципу "для каждого изображения - свой уникальный сигнал на выходе"" это крайне мало, это мы получаем случайно уже на первом слое перцептрона Розенблатта ... Вопрос именно в ассоциации 5 изображений с 5 словами .... После одного цикла обучения все сходится на 100% ... и тут нет места ни функции пригодности, ни применению ГА. [Ответ][Цитата]
Вася Сообщений: 180	На: Какие методы обучения ИНС существуют и чем отличаются? Добавлено: 06 авг 08 16:42 Цитата: Но думаю решать эту задачу не имеет смысла, т.к. здесь в любом случае выиграет чисто жесткий алгоритм Правильно, для этой простой задачи легче описть жёсткий алгоритм, человеку это не сложно. А вот если сделать ГА, способый решить эту задачу, то можно смотреть дальше: берём другую задачу управления, сложную, создать для которой алгоритм человеку будет стоить определённых мысленых усилий, например, нескольких часов работы. А генетическому алгоритму, может статься, решить её - раз плюнуть, за пять минут вычислений на современной персоналке. И это уже та самя ситуация, когда машина типа умнее человека, хотя бы количественно. Цитата: Кстати, вот на этой задачи и покажите как вычеслить здесь функцию пригодности, да еще так чтобы она не совпала с целевой (точнее от нее не зависила бы напрямую)? Функция пригодности в этой задачке - расстояние груза до правой ёмкости. Вероятность, что кто-то из особей популяции подцепит груз и хоть как-то его сдвинет - высока, а дальше просто идёт отбор, кто ближе донёс груз до цели. Цитата: Мне все же кажется, что есть целый класс задач где эти функции сопадают по условию задачи Возможно. Но этот класс относительно мал. Потому, что функция пригодности в ГА оценивает обычно один простой параметр, по которому ясно, убить решение или оставить. Если задача столь проста, что у неё в принуипе всего один параметр, то ФП и ЦФ могут совпасть, только такие простые задачи не решают с помощью ГА. То есть, в 99% случаев можно с уверенностью утверждать, что функция пригодности в ГА значительно проще целевого решения. И с ростом сложности задачи, сложность ЦФ не растёт. Как в природе: любой живой организм фантастически сложен, а функция пригодности тривиальна - сумел пожрать и размножиться. А что до ассоциирования изображений со словами, то, наверное, польза от симбиоза ИНС и ГА очевидней в задачках посложнее. Цитата: я больше как раз интересуюсь управлением агентами Вот расскажите, чему бы вы их хотели научить. [Ответ][Цитата]
tac Сообщений: 2601	На: Какие методы обучения ИНС существуют и чем отличаются? Добавлено: 06 авг 08 18:00 Цитата: Автор: Вася Вот расскажите, чему бы вы их хотели научить. Почитайте, вначале, следующую тему, там достаточно много изложенно: http://forum.membrana.ru/forum/scitech.html?parent=1053142741&page=0 (хотя бы мои первые посты) [Ответ][Цитата]
tac Сообщений: 2601	На: Какие методы обучения ИНС существуют и чем отличаются? Добавлено: 06 авг 08 18:04 Цитата: Автор: Вася Функция пригодности в этой задачке - расстояние груза до правой ёмкости. Вероятность, что кто-то из особей популяции подцепит груз и хоть как-то его сдвинет - высока, а дальше просто идёт отбор, кто ближе донёс груз до цели. Вот как раз в такой вероятности - я очень не уверен, кажется на первый взгляд, что она близка к нулю ... ? Вы, сами уверены, проверяли ? Это сколько ж попыток нужно случайных сделать, чтобы груз хотя бы схватить ? [Ответ][Цитата]
daner Сообщений: 4593	На: Какие методы обучения ИНС существуют и чем отличаются? Добавлено: 06 авг 08 19:35 Цитата: Автор: tac Почитайте, вначале, следующую тему, там достаточно много изложенно: http://forum.membrana.ru/forum/scitech.html?parent=1053142741&page=0 (хотя бы мои первые посты) Не лучшая задача для исследования (ИМХО). Не понятно, проявления каких свойств помогут вашему агенту преуспеть в такой игре. А если это не понятно, значит и смысл в самой игре только азарт (ИМХО). В конце концов, можно намного сложнее все закрутить и..... будет интересно, но как-то в пустую. Вы бы хотя бы выделили принципиальные отличия этой игры от других игр (и то было бы полезнее). Может (это я так, для примера говорю) это те же шахматы, но только "вид снизу"? [Ответ][Цитата]
tac Сообщений: 2601	На: Какие методы обучения ИНС существуют и чем отличаются? Добавлено: 06 авг 08 19:36 И вот, что я еще подумал ... Наличие разных целевой функции и функции пригодности (действительно разных, а не когда Вы пытались их приписать, как с функцией XOR, и не когда это вызывает сомнения в вероятности ... а именно, так как у Вас в статье, с движением между двумя линиями) может быть достаточно надежным критерием интеллектуальности поставленной задачи. Т.е. такие задачи характеризуются - не одним возможным решением, которое нужно найти. Более того, решение не может быть лучшим, т.е. экспериментатору важно любым достяжимым способом найти решение. И еще все же важно понимать, что функция пригодности - это функция экспериментатора, а не агента ... эта функция по которой экспериментатор оценивает агентов, но она не известна самому агенту ! [Ответ][Цитата]
tac Сообщений: 2601	На: Какие методы обучения ИНС существуют и чем отличаются? Добавлено: 06 авг 08 19:42 Цитата: Автор: daner Не понятно, проявления каких свойств помогут вашему агенту преуспеть в такой игре. А не понятно это совершенно намеренно, т.к. именно эксперименты это должны показать, а не быть это известно изначально, именно отсюда и азарт о котором Вы говорите. Азарт появляется тогда, когда нужно решать не известную задачу, думать и применять различные стратегии ... а именно это и есть задача управления (а конкретно моя постановка - при этом является минимально необходимой, что выполнялись такие условия на интеллектуальность) ... Разве не так ? Именно это и отличает интеллектуальную задачу, от задачи, которую можно просчитать заранее, а раз можно просчитать - значит оптимальнее построить жесткий алгоритм, а не заниматься нейроными или эволюционными исследованиями. [Ответ][Цитата]
Вася Сообщений: 180	На: Какие методы обучения ИНС существуют и чем отличаются? Добавлено: 06 авг 08 19:45 tac Цитата: Вот как раз в такой вероятности - я очень не уверен, кажется на первый взгляд, что она близка к нулю ... ? Вы, сами уверены, проверяли ? Это сколько ж попыток нужно случайных сделать, чтобы груз хотя бы схватить ? Вообще, есть стандартная процедура для таких случаев - доопределить функцию пригодности, чтобы вокруг области успеха в пространстве генома возникло притяжение. Но это не повод считать, что для сложных задач всё-таки нужна сложная функция пригодности. Обычно, малыми и очевидными усложнениями ФП, можно достигать большого ускорения эволюции. Кроме того, вероятность достижения определённых состояний системы зависит от того, что, собственно, кодируется в геноме. Например, в этой задаче геном может управлять напрямую координатами щупа, а может задавать скорости передвижения по х и по у, либо ещё как-то. Ну и на практике я проверял, как что ищется, правда, вместо механического захвата в модели я сделал примагничивание, то есть, достаточно приблизить щуп, включить магнит, и оттащить в сторону немного примагнитившейся массы (там не один грузик, а масса, типа кучи металлолома) - и это даст увеличение функции пригодности, которая есть интеграл помноженного на икс распределения массы по оси икс, то есть, чем больше массы оттащили вправо из нулевого положения, тем больше fitness. В популяции сто особей, генов вначале штук около пяти даётся случайных, и уже через единицы поколений появляются в популяции особи, берущие и оттаскивающие немного массы. [Ответ][Цитата]
daner Сообщений: 4593	На: Какие методы обучения ИНС существуют и чем отличаются? Добавлено: 06 авг 08 20:09 Цитата: Автор: tac А не понятно это совершенно намеренно, т.к. именно эксперименты это должны показать, а не быть это известно изначально, именно отсюда и азарт о котором Вы говорите. Азарт появляется тогда, когда нужно решать не известную задачу, думать и применять различные стратегии ... а именно это и есть задача управления (а конкретно моя постановка - при этом является минимально необходимой, что выполнялись такие условия на интеллектуальность) ... Разве не так ? Именно это и отличает интеллектуальную задачу, от задачи, которую можно просчитать заранее, а раз можно просчитать - значит оптимальнее построить жесткий алгоритм, а не заниматься нейроными или эволюционными исследованиями. ИМХО, вы совершенно не правы. Азарт, это азарт, а исследования -- это исследования. Смотря что вас интересует. Если вы изучаете саму задачу (domain), то это одно, а если сам алгоритм поведения агента, то это совершенно другое. (Дальше сугубо мое личное мнение по поводу исследований в целом) Любой эксперимент, делается не на абум, а целенаправленно. Другими словами, вы имеете некоторую теорию, которую подтверждаете или опровергаете экспериментом. Иначе это не эксперимент, а ..... сбор статистических данных. Поэтому, когда вы экспериментируете с алгоритмом, вы проверяете его определенные свойства. Для меня это выглядит как успешное решение задачи в домейне (в среде), для которой **заранее** известно, какие свойства от алгоритма она требует. Далее, вы можете исследовать какой-то новый домейн (среду), на предмет выяснения ее свойств. Тогда вы применяете алгоритмы, свойства которых **заранее** известны. Те агенты, которые использовав алгоритмы определенного типа, в этой среде преуспеют, покажут какими свойствами обладает сама среда. Если же смешивать две этих задачи, то возможно вы и получите какие-то новые знания, но это намного менее эффективно, а потому менее интересно для исследований. Да это азартно и интересно, но это инженерная задача, а не исследовательская. Цель исследований, получить новые знания, а не решить очередную задачу. У инженеров -- это наоборот. [Ответ][Цитата]
tac Сообщений: 2601	На: Какие методы обучения ИНС существуют и чем отличаются? Добавлено: 06 авг 08 23:08 Цитата: Автор: daner ИМХО, вы совершенно не правы. Азарт, это азарт, а исследования -- это исследования. Смотря что вас интересует. Если вы изучаете саму задачу (domain), то это одно, а если сам алгоритм поведения агента, то это совершенно другое. (Дальше сугубо мое личное мнение по поводу исследований в целом) Любой эксперимент, делается не на абум, а целенаправленно. Другими словами, вы имеете некоторую теорию, которую подтверждаете или опровергаете экспериментом. Иначе это не эксперимент, а ..... сбор статистических данных. Поэтому, когда вы экспериментируете с алгоритмом, вы проверяете его определенные свойства. Для меня это выглядит как успешное решение задачи в домейне (в среде), для которой **заранее** известно, какие свойства от алгоритма она требует. Далее, вы можете исследовать какой-то новый домейн (среду), на предмет выяснения ее свойств. Тогда вы применяете алгоритмы, свойства которых **заранее** известны. Те агенты, которые использовав алгоритмы определенного типа, в этой среде преуспеют, покажут какими свойствами обладает сама среда. Если же смешивать две этих задачи, то возможно вы и получите какие-то новые знания, но это намного менее эффективно, а потому менее интересно для исследований. Да это азартно и интересно, но это инженерная задача, а не исследовательская. Цель исследований, получить новые знания, а не решить очередную задачу. У инженеров -- это наоборот. Ну, и я позволю себе с Вами совершенно не согласится ... про азарт разговора не было, точнее это Вы сказали, что это азартно - я не против, т.к. это мое хобби - вот и все на этом ... Естественно, я изучаю не задачу, а пытаюсь создать интеллектуальный метод. Но для этого нужна задача. Задача должна быть достаточно сложной, чтобы имело смысл применять это интеллектуальный метод, какой я еще не знаю, но уверен, что при сложной интеллектуальной задачи - он такой и образуется ... базис, конечно, я знаю нейросеть и возможно что-то от эволюции ... но не детали этого ... Затем, нужна не предвзятость !!! именно поэтому решение задачи не должно быть известно заранее, иначе полученный метод будет сильно специфичен для конкретной задачи, а это я тоже не хочу ... Да и потом, если немного подумать - не настолько она и сложна И возможно, чтобы Вы лучше поняли о чем я несколько цитат Лема: " Инженерное искусство ведет себя сегодня примерно так же, как человек, который даже и не пытается перепрыгнуть через канаву, пока предварительно теоретически не определит все существенные параметры и связи между ними: силу гравитации в данном месте, силу собственных мышц, кинематику движений своего тела, характеристики процессов управления, происходящих в его мозжечке, и т. д. Технолог-еретик из кибернетической школы, напротив, намеревается попросту перепрыгнуть через канаву и не без основания полагает, что если ему это удастся, то тем самым проблема будет решена. Решение нашей проблемы состоит именно в том, чтобы усилитель интеллекта не занимался формализацией, конструированием, вербализацией, а действовал бы так же автоматически и "наивно" и в то же время так же искусно и безошибочно, как и нейронные структуры прыгуна, - чтобы этот усилитель не занимался ничем, кроме преобразования сигналов, приходящих на "вход" с целью получения готовых результатов на "выходе". Ни он, этот усилитель, ни его конструктор - никто вообще - совершенно не будет знать, как усилитель это делает, зато мы получим то единственное, чего добиваемся: нужные результаты. " Вы описываете мне первый подход, я же пытаюсь нащупать подход ко второму ... [Ответ][Цитата]
Вася Сообщений: 180	На: Какие методы обучения ИНС существуют и чем отличаются? Добавлено: 06 авг 08 23:18 tac Цитата: Почитайте, вначале, следующую тему, там достаточно много изложенно: http://forum.membrana.ru/forum/scitech.html?parent=1053142741&page=0 Почитал, и хочу сказать, что лично мне было бы лень сочинять интеллектуальное поведение для такого рода компьютерных игр. Потому как специфичности тут многовато. И работа в основном сводится к созданию интерфейса между интеллектуальным ядром (любым, способным максимизировать некий параметр за счёт изменеия стратегии) и особенностями игрового мира. При этом простора для возникновения чего-то захватывающего сложного не видно, всё будет сводиться к передвижениям в рамках жёсткой формальной системы виртуального мира. Хотя, в принципе, от решения таких задач модет быть польза в виде накопления практических навыков. Есть, кстати, такой форум, посвящённый игровому ИИ, там жуть сколько всего на эту тему понаписано http://www.gamedev.net/community/forums/forum.asp?forum_id=9 Цитата: Наличие разных целевой функции и функции пригодности может быть достаточно надежным критерием интеллектуальности поставленной задачи. Т.е. такие задачи характеризуются - не одним возможным решением, которое нужно найти. Да, и тут ещё хорошо, чтоб решения могли свободно усложняться в разные стороны, чтоб метод генерации решений не ограничивал направления поиска. А вообще замечательно, когда конкуренция между агентами ведёт к постоянному усложнению их поведения, качество которого проверяется неизменной функцией пригодности относительно успеха прочих агентов, и всегда есть пути превзойти лучших. Такого рода формализации по-моему, как раз и реализуют в чём-то мощь и гибкость творческого интеллекта. [Ответ][Цитата]
daner Сообщений: 4593	На: Какие методы обучения ИНС существуют и чем отличаются? Добавлено: 06 авг 08 23:35 Цитата: Автор: tac Естественно, я изучаю не задачу, а пытаюсь создать интеллектуальный метод. ну почему же естественно. Я как раз думал вы исследуете. Ну значит, перед вами стоит инженерная задача, а это несколько другое (мои рассуждения касались исследований, так что не пойму с чем вы не согласны). Цитата: Но для этого нужна задача. Задача должна быть достаточно сложной, чтобы имело смысл применять это интеллектуальный метод не знаю, что именно вы подразумеваете под словом "сложно" в этом контексте... и уж тем более, что именно под словом "интеллектуальный". Цитата: Затем, нужна не предвзятость !!! именно поэтому решение задачи не должно быть известно заранее, иначе полученный метод будет сильно специфичен для конкретной задачи, а это я тоже не хочу ... причем тут "не предвзятость" и "решение задачи не должно быть известно заранее"? Не хотите специфический метод -- проверьте его в нескольких разных домейнах (разных по сути, а для этого их свойства должны быть уже заранее известны). Скажем придумал я ген.алгоритм поиска решения задачи сортировки. Ну и что, что я заранее знал как она решается "в лоб". От этого мой алгоритм не стал "предвзятым". Если он сам в процессе эволюции создаст QSort или MSort... ну и отлично. Я хотя бы буду с уверенностью утверждать, что мой алгоритм "сам" нашел оптимальное решение!!! А если потом этим же способ, я еще и решения для других известных задач найду, то вообще буду утверждать, что мой способ есть близкий к универсальному и оптимальному решению всех ХХХХ задач. А вот вы вообще вряд ли что сможете о своем алгоритме утверждать, ну кроме того, что он "красиво на ваш взгляд" чего-то там делает в описанной вами задачи. Отличное инженерное решение, вот и все. Цитата: Да и потом, если немного подумать - не настолько она и сложна само себе противоречите. вы же требуете сложную задачу! ну так усложняйте ее до предела (т.е. до реальной жизни, ну или как минимум современных стратегических игр). А если вас устраивает именно этот "не высокий" уровень сложности, то почему он вас устраивает? Какие свойство этой среды вам кажутся способны "воспитать" интеллектуальное поведение? [Ответ][Цитата]
daner Сообщений: 4593	На: Какие методы обучения ИНС существуют и чем отличаются? Добавлено: 06 авг 08 23:35 . [Ответ][Цитата]
tac Сообщений: 2601	На: Какие методы обучения ИНС существуют и чем отличаются? Добавлено: 07 авг 08 0:32 Цитата: Автор: daner ну почему же естественно. Я как раз думал вы исследуете. Ну значит, перед вами стоит инженерная задача, а это несколько другое (мои рассуждения касались исследований, так что не пойму с чем вы не согласны). не знаю, что именно вы подразумеваете под словом "сложно" в этом контексте... и уж тем более, что именно под словом "интеллектуальный". причем тут "не предвзятость" и "решение задачи не должно быть известно заранее"? Не хотите специфический метод -- проверьте его в нескольких разных домейнах (разных по сути, а для этого их свойства должны быть уже заранее известны). Скажем придумал я ген.алгоритм поиска решения задачи сортировки. Ну и что, что я заранее знал как она решается "в лоб". От этого мой алгоритм не стал "предвзятым". Если он сам в процессе эволюции создаст QSort или MSort... ну и отлично. Я хотя бы буду с уверенностью утверждать, что мой алгоритм "сам" нашел оптимальное решение!!! А если потом этим же способ, я еще и решения для других известных задач найду, то вообще буду утверждать, что мой способ есть близкий к универсальному и оптимальному решению всех ХХХХ задач. А вот вы вообще вряд ли что сможете о своем алгоритме утверждать, ну кроме того, что он "красиво на ваш взгляд" чего-то там делает в описанной вами задачи. Отличное инженерное решение, вот и все. само себе противоречите. вы же требуете сложную задачу! ну так усложняйте ее до предела (т.е. до реальной жизни, ну или как минимум современных стратегических игр). А если вас устраивает именно этот "не высокий" уровень сложности, то почему он вас устраивает? Какие свойство этой среды вам кажутся способны "воспитать" интеллектуальное поведение? Похоже вы не хрена не поняли ... Дорогой мой, я только и делаю что исследую - только не стоит меня учить как мне это делать - т.к. Вы вряд ли в этом много смыслите (без обид, вы сами напросились ) Играть с вами в определения терминов "инженерный, интеллектуальный, сложный" я не буду - подучитись и все поймете (на мембране про сложный я уже говорил, а здесь про интеллектуальный с помощью работы Василия дал критерий) ... но именно, решение простых задач, которые можно выполнить жесткими методами есть инженерная работа, а применяя к ними интеллектуальные методы, вы просто делаете ее через жоп.. причем тут "не предвзятость" и "решение задачи не должно быть известно заранее"? Когда решение задачи известно происходит подгонка (даже на неосознаном уровне) - я не одну работу именно поэтому разоблачал и критиковал ... отсюда и предвзятость ... "А вот вы вообще вряд ли что сможете о своем алгоритме утверждать, ну кроме того, что он "красиво на ваш взгляд" чего-то там делает в описанной вами задачи" Он ведь справляется с такой сложной задачей, которая не постяжима вашему уму - не так ли ? Изучайте его - и Вам откроется ... "само себе противоречите. вы же требуете сложную задачу! ну так усложняйте ее до предела ... А если вас устраивает именно этот "не высокий" уровень сложности, то почему он вас устраивает? " Вы очень не внимательны, я уже писал - эта задача построена не случайно - она имено МИНИМАЛЬНА по сложности, чтобы быть задачей двухуровневого целепологания ... т.е. минимально интеллектуальной ... неужели это так сложно понять ? [Ответ][Цитата]
Стр.3 (11): 1  2  [3]  4  5  6  7  ...  11 << < Пред. | След. > >>