Duplico el vídeo aquí, por si a alguien le interesa. Y yo soy un local en este hilo, así que lo que es el punto ... Tal vez algún mago de allí quiera discutir, etc. :-)
Duplico el vídeo aquí, por si a alguien le interesa. Y yo soy un local en este hilo, así que lo que es el punto ... Tal vez algún mago de allí quiera discutir, etc. :-)
Duplico el vídeo aquí, por si a alguien le interesa. Y yo soy un local en este hilo, así que lo que es el punto ... Tal vez algún mago de allí quiera discutir, etc. :-)
Duplico el vídeo aquí, por si a alguien le interesa. Y soy un local en este hilo, así que qué demonios... Tal vez algún mago de allí quiera discutir, etc. :-)
Mihail Marchukajtes: 1) Prof. Según Seveliev, no son 100 mil conexiones al día las que se rompen en cada neurona, sino que sólo hay unas 100 mil, y se crean y rompen una media de 3 conexiones al día. 2) El sistema con reaprendizaje es muy adecuado para ello. Por ejemplo, alimentamos un nuevo lote de datos de reentrenamiento (que contradice la información memorizada previamente) y el coeficiente de conexión entre algunas neuronas se recalcula y se vuelve cero, lo que bien podría considerarse un análogo de la ruptura física de la conexión en una neurona real. Y otra neurona recalculada de 0 a algún valor >0 - esto es un análogo de crear una nueva conexión.
surgieron preguntas teóricas, ¿es posible entrenar a NS:
1. como generador de secuencias aleatorias - análogo a la función rand()
2. como función para convertir ulong en datetime, es decir, en la entrada damos un número de ulong en la salida obtenemos año/mes/día/hora/minuto (con una precisión especificada)
1) Poco probable. El Ministerio de Defensa sólo puede registrar la información y, si es necesario, resumirla.
2) De acuerdo, sólo hay que generar datos de entrenamiento para 10000 años adelante y enseñar el modelo. Pero hay un problema: además de la corrección de 1 día cada 4 años (años bisiestos), hay una corrección de 1 día cada 100 años aproximadamente, para ajustarse a la posición astronómica del planeta. La diferencia con el calendario juliano de 13 días se debe a que durante algún tiempo no se sabía que estas correcciones eran necesarias. En general habrá muchas correcciones durante 10000 años.
elibrarius: 1) Prof. Seveliev dice que no son 100 mil conexiones al día por neurona las que se rompen, sino que sólo hay unas 100 mil conexiones por neurona y se crean y rompen una media de 3 conexiones al día. 2) El sistema con reaprendizaje es muy adecuado para ello. Por ejemplo, alimentamos un nuevo lote de datos de reentrenamiento (que contradice la información previamente memorizada) y el coeficiente de conexión entre algunas neuronas se recalcula y se convierte en cero, lo que bien podría considerarse un análogo de la ruptura de la conexión física en una neurona real. Y la otra neurona recalculó de 0 a algún valor >0 - esto es un análogo de la creación de una nueva conexión.
1. Bueno, me expresé mal aquí. Me refería en general al número de conexiones entre neuronas, no a una....
2) No hay una desconexión total. Todavía no se transmite nada. Aunque hay alguna aproximación a ese efecto. ¡¡¡¡Bien hecho!!!!
Igor Makanu: como generador de secuencias aleatorias - análogo a rand()
Si se introduce rand() en la entrada, lo más probable es que el "cerebro" no sea suficiente. Llevo un tiempo ejecutando lstm con datos aleatorios y no he notado nada de eso. Pero si lo aprendes paso a paso -conversión de sistemas numéricos, algoritmo, entonces debería funcionar.
En general, es interesante comprobar en un hardware muy potente.
Duplico el vídeo aquí, por si a alguien le interesa. Y yo soy un local en este hilo, así que lo que es el punto ... Tal vez algún mago de allí quiera discutir, etc. :-)
Para iniciar sesión y usar el sitio web MQL5.com es necesario permitir el uso de Сookies.
Por favor, active este ajuste en su navegador, de lo contrario, no podrá iniciar sesión.
Ha iniciado sesión. La autenticación de dos factores se ha desactivado. Vuelva a configurarla y escanee un nuevo código QR, o continúe con la autenticación de dos factores desactivada.
Duplico el vídeo aquí, por si a alguien le interesa. Y yo soy un local en este hilo, así que lo que es el punto ... Tal vez algún mago de allí quiera discutir, etc. :-)
https://youtu.be/TlNk3fKkUxo
Inteligencia artificial fuerte y débil
Duplico el vídeo aquí, por si a alguien le interesa. Y yo soy un local en este hilo, así que lo que es el punto ... Tal vez algún mago de allí quiera discutir, etc. :-)
https://youtu.be/TlNk3fKkUxo
Duplico el vídeo aquí, por si a alguien le interesa. Y yo soy un local en este hilo, así que lo que es el punto ... Tal vez algún mago de allí quiera discutir, etc. :-)
https://youtu.be/TlNk3fKkUxo
¿Qué hay que discutir?
Sólo la opinión de un hombre medio que cree saber lo que hacen los gigantes de la informática en el campo ))))
Duplico el vídeo aquí, por si a alguien le interesa. Y soy un local en este hilo, así que qué demonios... Tal vez algún mago de allí quiera discutir, etc. :-)
https://youtu.be/TlNk3fKkUxo
2) El sistema con reaprendizaje es muy adecuado para ello. Por ejemplo, alimentamos un nuevo lote de datos de reentrenamiento (que contradice la información memorizada previamente) y el coeficiente de conexión entre algunas neuronas se recalcula y se vuelve cero, lo que bien podría considerarse un análogo de la ruptura física de la conexión en una neurona real. Y otra neurona recalculada de 0 a algún valor >0 - esto es un análogo de crear una nueva conexión.
Hay un buen artículo en el hubra
Cómo entender que una red neuronal resolverá su problema. Una guía pragmática
surgieron preguntas teóricas, ¿es posible entrenar a NS:
1. como generador de secuencias aleatorias - análogo a la función rand()
2. como función para convertir ulong en datetime, es decir, en la entrada damos un número de ulong en la salida obtenemos año/mes/día/hora/minuto (con una precisión especificada)
2) De acuerdo, sólo hay que generar datos de entrenamiento para 10000 años adelante y enseñar el modelo. Pero hay un problema: además de la corrección de 1 día cada 4 años (años bisiestos), hay una corrección de 1 día cada 100 años aproximadamente, para ajustarse a la posición astronómica del planeta. La diferencia con el calendario juliano de 13 días se debe a que durante algún tiempo no se sabía que estas correcciones eran necesarias. En general habrá muchas correcciones durante 10000 años.
Misha prometió un grial y se volvió populista 😄
1) Prof. Seveliev dice que no son 100 mil conexiones al día por neurona las que se rompen, sino que sólo hay unas 100 mil conexiones por neurona y se crean y rompen una media de 3 conexiones al día.
2) El sistema con reaprendizaje es muy adecuado para ello. Por ejemplo, alimentamos un nuevo lote de datos de reentrenamiento (que contradice la información previamente memorizada) y el coeficiente de conexión entre algunas neuronas se recalcula y se convierte en cero, lo que bien podría considerarse un análogo de la ruptura de la conexión física en una neurona real. Y la otra neurona recalculó de 0 a algún valor >0 - esto es un análogo de la creación de una nueva conexión.
1. Bueno, me expresé mal aquí. Me refería en general al número de conexiones entre neuronas, no a una....
2) No hay una desconexión total. Todavía no se transmite nada. Aunque hay alguna aproximación a ese efecto. ¡¡¡¡Bien hecho!!!!
como generador de secuencias aleatorias - análogo a rand()
Si se introduce rand() en la entrada, lo más probable es que el "cerebro" no sea suficiente. Llevo un tiempo ejecutando lstm con datos aleatorios y no he notado nada de eso. Pero si lo aprendes paso a paso -conversión de sistemas numéricos, algoritmo, entonces debería funcionar.
En general, es interesante comprobar en un hardware muy potente.
Duplico el vídeo aquí, por si a alguien le interesa. Y yo soy un local en este hilo, así que lo que es el punto ... Tal vez algún mago de allí quiera discutir, etc. :-)
https://youtu.be/TlNk3fKkUxo
Ahahahaha )))) ¡¡¡LUCHA!!!