Искусственный интеллект AlphaGo показал прекрасные результаты самообучения: за три дня нейросеть от уровня начинающего игрока в «Го» дошла до уровня профессионала, одерживающего только победы Разработчики DeepMind усовершенствовали искусственный интеллект AlphaGo. Новая модель ИИ AlphaGo Zero обучалась «с нуля» без участия человека, играя сама...
呃......从一开始就读了整个主题，到我的出现......现在我已经看到了一切
但那里没有圣杯......太糟糕了，那就继续挖吧。
这是一个正确的解决方案。论坛上的NS理论远非理想。
我写下的唯一一件事是关于三元分类器，以及解开Yuriy Asaulenko 的谜团
这是个正确的决定。论坛上的NS理论远非理想。
我唯一写下的是关于三元分类器和解开尤里-阿索连科 之谜的内容
我唯一写下的是关于三元分类器，以及解开Yuriy Asaulenko的 谜团
那你是在哪里找到这个谜团的。
MLP是~60个神经元。该算法是标准的BP。学习--走到哪算哪，即我不知道NS在那里学习什么。此外，所有的学习原则在经典的专著中都有概述--海金、毕晓普。软不是MQL。
本专题中给出了基本原则。
那你是在哪里找到这个谜团的。
MLP是~60个神经元。算法--标准BP。学习--去我不知道的地方。即我不知道NS在那里学什么。此外，所有的学习原则在经典的专著中都有概述--海金、毕晓普。软不是MQL。
本专题中概述了基本原则。
这是个玩笑:))
这是个玩笑:)
不，那里真的没有别的东西。你认为海金和毕晓普已经无可救药地过时了，要寻找新的东西。他们对我来说已经很足够了。
不，我的意思是我在开玩笑......你是这个主题中唯一一个最后能想出办法的人 :)
你需要谷歌一下使用蒙特卡洛方法进行感知器训练。
一般来说，这种方法与RL（强化学习）非常相似，当时有一个学习代理，NS正在学习寻找最佳解决方案。
这就是阿尔法围棋的训练方式（尽管以前认为这是一个创造性的游戏，机器不可能在其中击败人类）。
这里是赢家。
https://techfusion.ru/nejroset-alphago-pereveli-na-samoobuchenie/
不，我的意思是我在开玩笑......你是这个主题中唯一一个最后能想出办法的人 :)
你需要谷歌一下使用蒙特卡洛方法进行感知器训练。
一般来说，这种方法与RL（强化学习）非常相似，当你有一个学习代理，NS正在学习寻找最佳解决方案时
顺便说一句，这在很大程度上要归功于你。当我刚开始时，是你给了我雷舍托夫文章的链接。总的来说，这篇文章没有什么价值，更像是一个应用实例，但它或多或少地变得清晰了，在哪里可以驾驭马。
我不知道谷歌中是否有这样的方法，因为我自己最终来到了蒙特卡洛。
也不知道RL，但从你的简单描述来看，这听起来像我的方法。
我在谷歌上找到了蒙特卡洛 -https://logic.pdmi.ras.ru/~sergey/teaching/mlbayes/08-neural.pdf 只是它绝对不同。