Başlangıç olarak, öğrenme işlevi üzerinde duracağım - neyi en aza indirdiğimiz ve nasıl, öğrenme sürecinde işlevi değiştirip değiştirmediğimiz. Sonra öğrenme yöntemine geçelim (Ben genetik istemiyorum, Levenberg-Mcquardt gibi hızlı ve anlaşılır bir şey istiyorum). Daha sonra hesaplama karmaşıklığının değerlendirilmesi üzerine. Ve dayanılmaz olduğu ortaya çıkarsa, paralelleştirmeye geçerdim.
Şimdilik düşün. Yine de, sorunu belirleme sürecinde paralelleştirmeyi düşünmek daha iyidir. Bu, iyi ve doğru olan formülasyonları ve algoritma seçimini etkileyebilir.
Beyni bir sinir ağı olarak yapılandırma ilkesiyle ilgileniyordum - ilk önce, kalitesine fazla dikkat etmeden çok sayıda her türlü bağlantı toplanır, ardından seçim "her şeyi kaldırırız" ilkesine göre başlar. sonuca ulaşmak için gerekli değildir."
İyi evet. Yapay zekanın biraz çalışması için doğal zeka ile çok çalışmanız gerekiyor.
Herkese merhaba!
Izgaralardaki bilgileri okudum ve her şeyi tahmin edebileceklerini anladım, sadece ne olduğunu bilmeniz gerekiyor.
Bu ilginç makaleyi okudum.
Beyni bir sinir ağı olarak yapılandırma ilkesiyle ilgileniyordum - ilk önce, kalitesine fazla dikkat etmeden çok sayıda her türlü bağlantı toplanır, ardından seçim "her şeyi kaldırırız" ilkesine göre başlar. sonuca ulaşmak için gerekli değildir."
İyi evet. Yapay zekanın biraz çalışması için doğal zeka ile çok çalışmanız gerekiyor.
Bu konuyla ilgili güzel bir video: