Некоторые наши читатели скептически отнеслись к недавней заметке о том, что заводы GlobalFoundries могут стать кузницей терминаторов, а зря. Компания GlobalFoundries снова спешит удивить глубиной интереса к теме искусственного интеллекта и производства кремниевых «мозгов». На этот раз вместе с бельгийскими разработчиками. Совместным...
今天也写了大量的代码，似乎变得很有趣
我明天将在终端测试它。
试图对该机器人进行逆向工程......似乎已经做到了：D，甚至更好从每笔交易中扣除
"来源行" - 这些是价格还是样本？重置样品。
竞价增量。
在记忆中
"如果训练和测试来自不同的分布（常规）。也就是说，模型在训练中学习的信号在测试中根本不存在。最简单的方法是尝试其他验证方案，按时间、按不同的群体等。更复杂的是所谓的对抗性验证，当我们首先建立一个模型来区分托盘和测试，然后用与测试最相似的那块托盘作为验证集。
在记忆中
"如果训练和测试来自不同的分布（常规）。也就是说，模型在训练中学习的信号在测试中根本不存在。最简单的方法是尝试其他验证方案，按时间、按不同的群体等。更复杂的是--这就是所谓的对抗性验证，当我们首先建立一个模型来区分托盘和测试，然后将与测试最相似的那块托盘作为验证集。"
。
阅读这篇文章--有趣的想法。但我认为结果将是符合测试的要求，而不是托盘的要求。如果进一步的新数据将是不同的--我们将再次得到50/50。
我把它保存在我的博客上。要找到你的备忘录是件很麻烦的事。
。
我读过这篇文章--这是个有趣的想法。但我认为结果将是测试性配合，而不是跟踪性配合。如果进一步的新数据将是不同的--我们将再次得到50/50。
我想说的是，不是数据会不同，而是结果会不同，但现在我想，但如果我们真的在样本中加入周围数据的信息，而这些数据没有参与模型的建立，那会怎样？如果我们只是以树为例，那么在最后一次拆分之前，我们看一下其他预测因素的统计数据，找出那些在统计学上显示为正的分类选项，并着眼于确保在整个样本中，这些预测因素与最后一次拆分中的预测因素不相关，那么我们就有了在选择最后一次拆分时没有考虑到的关于市场状况的额外信息。而树则是根据贪婪原则构建的，最后的分割肯定是预测者之间的竞争。
那么我们的分割就不仅仅是A>X，而是A>X1 && B>X2&&C>X3--也就是说，我们会将环境信息考虑在内。
文章 中的模拟计算是什么--谁理解？
我不能确定，但我怀疑一个模拟数字马上就是一个值，而一个数字需要转换为这个数字。
除了处理器会变热，我担心他们的模拟量会随着时间的推移而浮动（给出一个错误），而且会有很多干扰。
我不能确定，但我怀疑模拟数字立即是一个值，而数字数字需要转换为这个值。
除了处理器会变热，我担心他们的类似物会随着时间的推移而浮动（给出一个错误），而且在此基础上会有很多干扰。
略有错误，数字计算机的工作方式是0和1的信息。导体中是否有电流形成更高层次的阵列。一个模拟信号可以通过解读转换为数字信号。但我认为这里发生的不是与导体中是否存在电流的加法和数学运算，而是与特定导体中的电压水平，也就是他们以某种方式学会的模拟信号相加。好吧，如果你想要5伏，那就是处理器引脚上的5伏，如果你想要8.345354346346，那就是同样的电压量。
正如我在视频中所说，目前有两个与生物神经元有关的阿喀琉斯之踵没有实现。第一个是在神经元之间切割和建立连接的可能性，第二个是以数字方式工作，其中有一个以十进制数量级为形式的desCRIption。在模拟世界中，这些维度要大得多，我认为每个神经元都是独立的，也就是说，模拟信号有一个无限的维度，我们可以通过小数点后的无限位数来细化这个数字。实数的世界就是这样 :-)
如果我理解正确，并且处理器将与模拟信号一起工作，那么这是一个真正的突破，其中一个跟腱已经减少....。事实上，在我们的大脑中，有一些神经元芯片，它们相互之间传输模拟信号。
文章 中的模拟计算方法是什么--谁得到的？
似乎是类似电子管晶体管的东西，只是非常小。