On 08.06.2012 21:25, M.M. wrote:
> Słyszałem ostatnio o studencie który zgłosił się do kogoś po pomoc w
> związku z sieciami neuronowymi.
[...]
> Otóż wykładowca twierdził że sztuczna
> sieć neuronowa nie jest funkcją.
W przypadku samoorganizujących, albo rekurencyjnych sieci prezentowanie
ich jako funkcje może być dość koszmarne - z każdą iteracją rośnie
liczba zmiennych(rozmiar stanu), bo te sieci nawet dla takiego samego
wymuszenia będą dawać różny wynik w kolejnych iteracjach. Nawet gdy
każdą iterację potraktujesz jako odrębną funkcję to one będą zleżeć od
historii.

> Ponadto zadał studentowi taką sieć
> do wykonania.
Ale jak rozumiem jakieś podstawy teoretyczne były podane?

> Jednak nic z tych rzeczy, w zadaniu wyraźnie chodziło o sieć która
> dla tego samego wejścia daje różne wyjścia tak aby najlepiej błąd
> był zerowy.
Rozumiem, że chodziło o problem klasyfikacji. Możesz padać jakieś
bliższe szczegóły? Bo na razie jest to bardzo niejasne - jakie było
wejście, jakie wyjście, jaka sieć miała być użyta, etc.

> Wykładowca odrzucał argument że sztuczna sieć neuronowa
Są sztucznE sieCI neuronowE - wiele różnych klas o zauważalnie różnych
właściwościach.

> Jedno sztucznym sieciom neuronowym należy oddać: sukces marketingowy
> na maksa,
I sporo praktycznych zastosowań - ocr, czujniki, wykrywanie defektów w
produkcji.

> ludzie cały czas myślą że to jest jakiś cudowne możliwości.
Sztuczne sieci neuronowe to są bardzo dobre metaheurystyki głównie dla
problemów klasyfikacji, aproksymacji czy operowania na danych rozmytych.

Jak to z metaheurystykami - nie ma co oczekiwać cudów, ale z drugiej
strony to co potrafią zrobić w swojej dziedzinie naprawdę wprawia w
zdumienie - w ramach projektu zrobiłem prosty OCR radzący sobie z
zeskanowanymi cyframi - sieć mająca zaledwie 13 neuronów warstwy ukrytej
rozpoznawała je z ponad 80% dokładnością.

--
Pozdrawiam
Michoo