Определение живого: живым является то, что содержит в себе систему управления! (Жданов А.А.) Основным направлением научной деятельности группы является исследование возможностей построения адаптивных систем управления на бионических основах. Концепция построения такого рода систем, выработанная сотрудниками отдела, названа нами методом...
もし、気が向いた人がいたら、どんなものか教えてください。
適応制御と決定論的カオスアプローチの組み合わせによる効率的な自律制御システムの構築
自律適応制御法。
有限入力の論理的適応制御オートマトン
要するに、ここで検索できるのはhttp://www.aac-lab.com/rus/
どうやって時間内に脱出したのか :)) ...
リブをありがとうございました :)
どうやって時間内に脱出したのか :)) ...
なんというグッドタイミング :)) ...
リブをありがとうございました :)
宣伝のためではなく、大義名分のために。https://www.mql5.com/ru/code/712 は ネイティブなXml-parserです。
ずっと使い続けている。 バグを全部直した。
宣伝のためではなく、大義名分のために。https://www.mql5.com/ru/code/712 - ネイティブ Xml パーサー
今まで使っていたバグを全部直しました。
はい、すでにダウンロードしましたが、実行しても反応がなく、後で整理するために残しておきました。
適応制御システムの文献の解析を終えてから、本題に入ります。
明日は、ネットワークプロトタイプの保存、トレーニングタスクの設定、見つかったソリューションの保存に関する私の作業を、仕事場のコンピュータからコピーする予定です。
???
私のモデルでは、GPUはNS計算の段階で登場します。先ほど書いたことを注意深く読めば、私のユニバーサルネットワークのモデルでは、処理そのものが層に分かれていることに気づかれると思いますが、したがって、ニューロンは形式的（所有権による）ではなく、実際に層に結合されています（層には記憶がありニューロンにはない、ニューロンはどこに、なぜ、という情報を層に伝えるだけの情報エンティティである必要があるのです）。つまり、エンジンの構造そのものが並列性を規定しているのです（レイヤー内の情報が並列処理される）。私はすでにGAで学習させたNSをやっていますが、生産性の最大の損失はまさにNSの計算でした（特に大規模なネットワークで）。そして宣伝ですが、jooさんの 提案するUGAなら、NSの学習は楽勝です。
しかし、FFの計算も並列化できるのであれば（GAのNSはFFの一部ですし）、それに越したことはないですね。単純な作業ではないと思いますが、レイヤーは単純な動作でできていて、FFの計算はかなり複雑なシーケンスを含んでいるのかもしれませんね。
とりあえず、そこでイメトレしておけばいいんです。
標準的なGAとクラウドを使えば、FFの計算を並列化することができる。特にレナートは約束した。
管理者
2516
ちょうどニューラルネットワークの開発と並行して、数学的な計算や大容量データ（ファイル）のやり取りをサポートするエージェントの機能を拡張して いきます。
しかし、諺にもあるように、3年間は約束を守れないのです。
ですから、当面はjooアルゴリズムをニューラルネットワーク専用に最適化すれば、さらに高速に動作するようになります。アンドレイが気にしないことを祈ります。
???
a) XmlParserのディスアセンブル
b)https://www.mql5.com/ru/forum/4956/page32#comment_110831
質問が増えれば、次に進みます。
a) XmlParserのディスアセンブル
b) https://www.mql5.com/ru/forum/4956/page32#comment_110831
質問が増えれば、次に進みます
MT5で使用する場合のちょっとした例を教えてください。
ニューロンのトレーニングをミクロレベル（GAでの独立した配列処理サイクル、ネットワークの個々のニューロンの計算など）とマクロレベル（PF全体）で考えると、最初のものには何の疑問も問題もありません。すべてが完全に並列化され、GPUでもうまく動作するでしょう。
しかし、マクロレベルでは問題があります。まず、GPUで扱う情報量の限界から無理なのではと思います。通常のテスターとクラウド（各マクロレベルが別々のエージェントに転送され、そこでマイクロレベルで処理される-もちろんホストが許可すればですが）を使って、それを回避することができます。しかし、外部GAを使うためにテスターを外部で制御するツールがないのです。
そのため、ミクロレベルの加速に限定せざるを得ません。また、メッシュやGA自体が互いに独立した計算に溢れているため、加速も非常にまっとうなものになるでしょう。
UGAそのものについては、 OpenCL用に改良する ことに触れなければ、実質的に何も改善されません（コードの断片があれば別ですが、記事中のアルゴリズム議論スレッドの関係者のおかげで違いはないでしょう）。UGAの設定は、トレーニングネットワークに 特化した設定しか試すことができません。