roboforum.ru

плохо & плохо = очень плохо
С водкой хорошо коррелирует

День плохо => плохо, два плохо => плохо, три плохо => ситуация стабилизировалась => хорошо

про водку и иже с ним - самое интересное рассматривать ли влияние самой водки на восприятие ее как хорошо и плохо...

порочный круг 2.0

_________________
«Как сердцу выразить себя? … Мысль изреченная есть ложь!»
В этом мире меня подводит доброта и порядочность...
"двое смотрят в лужу, один видит лужу, другой отраженные в ней звезды"

Это фигня, в стотышмиллионой связи нейронов этому будет определение.
А вот "хорошо = -плохо & плохо = -хорошо" - фатальная ошибка работы нейрона

Мы создали машинку , которая "чувствует" два признака-
1) плохо и 2)хорошо
больше никаких признаков других наша машинка не знает ..
(

поэтому нашей машинке больше ничего не остается , как оценивать один признак спомощью другого(если мы запрограммируем такую реакцию)

Человек понятие плохо оценивает (знает), на основе многих тысяч других понятий..

соответственно и подобная формула намного сложнее..

для похожей задачи нужен компьютер в 100 раз более мощный , чем Core2duo...

неправда, не создавали мы ничего.



нет таких признаков, это внутренние характеристики/состояния.. чувствовать можно сырость, теплоту, прочие физ величины

_________________
«Как сердцу выразить себя? … Мысль изреченная есть ложь!»
В этом мире меня подводит доброта и порядочность...
"двое смотрят в лужу, один видит лужу, другой отраженные в ней звезды"

Любые внутренние состояния , а также движения, повороты - это все признаки , если их абстрагировать... Мышление вообще это два процесса - анализ и синтез
(кто-то вспомнит интегрирование и дифференцирование)
, так вот абстрагирование - это анализ...
абстрактный обьект это с двумя признаками у нас...

Добавлено спустя 57 минут 54 секунды:
В принципе с теорией я более менее разобрался
распознавание образов пока не трогаю (matlab labview и все такое прочее)

делаю вербальную часть
нейроны реализую на классах delрнi
Первый вариант программы у меня уже готов
но есть две текущих проблемы
1) очень хитрый поэтапный,послойный процесс обучения -
в лоб не получится ,
слишком большие обьемы информации перелопатить нужно
поэтому искать какие-то обходные пути
2) сильно тормозит из-за частых обращений к диску

загадки без деталей это не прикольно. вариации на тему "обрывки из романа" в интерпретации лебедева.

Влючи МОЗГ станет прикольно...вобще-то тема про идеи а не просто ИДЕЯ НАХОЖУСЯ

включал. получилось, что это

никому не нужные кроме вас мысли в слух. из п.2. выходит, что у вас или с железом туго или с оптимизацией кода или у вас в сети десятки миллионов нейронов с тысячами связей на каждый. п.1. намекает на второй вариант.
а теперь включи свой мозг и подумай, что тем постом хотел сделать. похвастаться как героически сражаешся с ветряными мельницами? или хотел, что бы свежим взглядом взглянули и может какой вариант решения пооптимальней предложили бы? или хотел попросить погонять твою софтину на небольшой сетке компов с более-менее шустрыми процами и сумарно сотнями гиг оперативы? или...?

пока что в программе ~50 000 нейронов с десятками связей(для каждой связи вычисляется ее вес и общий вес нейрона) - это уже комп на пределе- думает несколько минут ...
базы данных не используются -информация в файлах хранится
сейчас нужно придумать алгоритмы обучения..
если интересно, теорию могу вкратце рассказать..




-

1. Делайте всё в оперативке.
2. Используйте OpenCL / CUDA.

_________________
Проект [[Open Robotics]] - Универсальные модули для построения роботов

Перенести можно будет , но после обкатки алгоритма -

нужно будет подключить файлы к другой программе
т к основная информация содержится в файлах баз данных..
переписать только
само ядро(логическая машина)которое задает правила -относительно небольшого размера ..
а вообще delphi мне нравится , я не хочу никуда с него уходить..

а расскажите, плз
а про Дельфи эт зря.. для такого серьезного дела и инстурумент придется серьезнее подбирать..

Основная гипотеза в том ,что
между нейронами учитывается не только вес , но и направление связи
и это самое направление кодирует импликацию между понятиями(нейронами)

каждый нейрон - это какое-то понятие целиком
а дендриты и аксон - это отношения импликации(или обратной импликации)

Импликация - очень важная в человеческой логике функция
и просто анализируя ее таблицу истинности ,можно показать
что отношения( следствие=>причина ,обьект=>субьект, признак=>субьект,действие =>субьект и многие другие)из классической Аристотелевой логики -все это отношения импликации