накопление разнородной информаци лишь мешаетнахождению связей, возникает много противоречий.
но только до определенного уровня, на некотором уровне информации настолько много, что её достаточно для возникновения монолита, начинают восстанавливаться сами недостающие пазлы.
можно привести в пример аналогию: если полировать плоскую поверхность двух бусков из разных металлов, то чем меньше шероховатостей, тем бруски лучше скользят по друг другу. если продолжать полировать поверхности, то бруски слипнуться, молекулы начнуть проникать друг в друга из двух брусок, т. е. происходит не дальнейшее снижение сил трения, а наоборот, скачкообразный рост!
скорее всего изложено противоречиво, но мысль понятна
согласен
однако скачкообразного роста не будет, т.к.:
- не все такие упертые чтобы не останавливаться на достигнутом развитии интеллекта
- начинает формироваться коммерческая тайна и высокая цена, что в свою очередь уменьшает спрос и предложение
Ваша мысль находится на Вашем же графике в самом начале: малое количество при высоком качестве.
для высокого качества отброшено лишнее количество информации
я тебе ответил на твой вопрос, зачем повторяешься?
мой пост был адресован к посту Саныча, который упомянул кривую ФФ.
ты можешь это понять?
и ещё ты не можешь понять, что обучение ни в каком виде не возможно без оптимизации, это неразрывные вещи.
Он правильно написал, что у нас нет понятия экстремумов. У нас есть критерии приближения и устойчивости на новых данных, которые суть составные части ошибки модели.
Maxim Dmitrievsky #: Он правильно написал, что у нас нет понятия экстремумов. У нас есть критерии приближения и устойчивости на новых данных, которые суть составные части ошибки модели.
критерии приближения и устойчивости ты улучшаешь итерационно или нет?
или как в сказке, лежал богатырь на печи 30 лет и вдруг встал и пошёл и всем навалял? за 10 дней пропадает смазка в неподвижных суставах, так что богатырь не то что навалять, но и встать не сможет через 10 дней.
а у тебя как в сказке получается, взял и оценил. нет, ты делаешь оценку итерационно, улучшая оценки, это процесс оптимизации.
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
1. При чем здесь оптимизация?
2. Встречный вопрос 💩 нейросеть - это оптимизатор или аппроксиматор?
1. При каком "здесь"?
2. Ты разве до сих пор не знаешь, что нейросеть - аппроксиматор?
1. При каком "здесь"?
2. Ты разве до сих пор не знаешь, что нейросеть - аппроксиматор?
можно привести в пример аналогию: если полировать плоскую поверхность двух бусков из разных металлов, то чем меньше шероховатостей, тем бруски лучше скользят по друг другу. если продолжать полировать поверхности, то бруски слипнуться, молекулы начнуть проникать друг в друга из двух брусок, т. е. происходит не дальнейшее снижение сил трения, а наоборот, скачкообразный рост!
скорее всего изложено противоречиво, но мысль понятна
согласен
однако скачкообразного роста не будет, т.к.:
- не все такие упертые чтобы не останавливаться на достигнутом развитии интеллекта
- начинает формироваться коммерческая тайна и высокая цена, что в свою очередь уменьшает спрос и предложение
Ваша мысль находится на Вашем же графике в самом начале: малое количество при высоком качестве.
для высокого качества отброшено лишнее количество информацииТы не знаешь, видимо. Иначе бы не удивлялся, при чем здесь аппроксимация.
я тебе ответил на твой вопрос, зачем повторяешься?
мой пост был адресован к посту Саныча, который упомянул кривую ФФ.
ты можешь это понять?
и ещё ты не можешь понять, что обучение ни в каком виде не возможно без оптимизации, это неразрывные вещи.
я тебе ответил на твой вопрос, зачем повторяешься?
мой пост был адресован к посту Саныча, который упомянул кривую ФФ.
ты можешь это понять?
и ещё ты не можешь понять, что обучение ни в каком виде не возможно без оптимизации, это неразрывные вещи.
скорее всего изложено противоречиво, но мысль понятна
согласен
однако скачкообразного роста не будет, т.к.:
- не все такие упертые чтобы не останавливаться на достигнутом развитии интеллекта
- начинает формироваться коммерческая тайна и высокая цена, что в свою очередь уменьшает спрос и предложение
Ваша мысль находится на Вашем же графике в самом начале.
я привел в пример полированные бруски, там скачкообразный рост сил трения.
с информацией, конечно, скачка не будет, будет сглаженный переход.
Он правильно написал, что у нас нет понятия экстремумов. У нас есть критерии приближения и устойчивости на новых данных, которые суть составные части ошибки модели.
критерии приближения и устойчивости ты улучшаешь итерационно или нет?
или как в сказке, лежал богатырь на печи 30 лет и вдруг встал и пошёл и всем навалял? за 10 дней пропадает смазка в неподвижных суставах, так что богатырь не то что навалять, но и встать не сможет через 10 дней.
а у тебя как в сказке получается, взял и оценил. нет, ты делаешь оценку итерационно, улучшая оценки, это процесс оптимизации.
критерии приближения и устойчивости ты улучшаешь итерационно или нет?
а у тебя как в сказке получается, взял и оценил. нет, ты делаешь оценку итерационно, улучшая оценки, это процесс оптимизации.
Что из этого следует?