Спасибо за статью! Простое и наглядное объяснение упаковки смысла в векторное пространство.
Кольцо не одно. Если аккуратно разобрать на сколько разных кругов модель разложила свои числа, окажется, что кругов сразу несколько, и они вложены друг в друга в одном и том же пространстве.
Почему-то всегда представлял их вложенными сферами.
Опять MNIST? Когда уже перейдут от детских игрушек к чему-нибудь более востребованному?
MNIST в мире ML-датасетов это база. Буквально общепринятый эталонный набор данных, на котором можно просто и наглядно показать работу архитектуры, не уходя в сложные, домен-специфичные задачи, чтобы не перегружать повествование.
Более того, этот набор доступен каждому, что обеспечивает воспроизводимость результатов. Любой может скачать его, взять код из статьи и начать экспериментировать. И это здорово.
Я так понимаю что всё это "дышащее" позиционируется как что-то очень "умное".Тогда подходящие задачи это поиск закономерностей в сложной среде, агентнось, самообучение.
В этой статье я внедрил квантовые вычисления в архитектуру сети. Если бы я к этому еще выбрал сложную прикладную среду, то статью дочитали бы немногие т.к. порог вхождения стал бы слишком высоким.
Поэтому для объяснения архитектуры я (и другие авторы) использую MNIST, а для конкретных практических задач использую реальные датасеты.
И разумеется это должно давать результаты лучше не дышащих. Жду.
Дышащие не однородны по интеллекту. Чем больше мы будем брать подходов и архитектурных решений у дышащих тем более неоднородными будут получаться обучаемые сети, от сетей-идиотов до сетей-гениев.
Спасибо за статью! Простое и наглядное объяснение упаковки смысла в векторное пространство.
Почему-то всегда представлял их вложенными сферами.
Спасибо за отзыв! С удовольствием почитал бы подробнее о том, как у вас продвигается работа над вашим ИИ, когда вы будете готовы поделиться деталями.
MNIST в мире ML-датасетов это база. Буквально общепринятый эталонный набор данных, на котором можно просто и наглядно показать работу архитектуры, не уходя в сложные, домен-специфичные задачи, чтобы не перегружать повествование.
Более того, этот набор доступен каждому, что обеспечивает воспроизводимость результатов. Любой может скачать его, взять код из статьи и начать экспериментировать. И это здорово.
В этой статье я внедрил квантовые вычисления в архитектуру сети. Если бы я к этому еще выбрал сложную прикладную среду, то статью дочитали бы немногие т.к. порог вхождения стал бы слишком высоким.
Поэтому для объяснения архитектуры я (и другие авторы) использую MNIST, а для конкретных практических задач использую реальные датасеты.
Дышащие не однородны по интеллекту. Чем больше мы будем брать подходов и архитектурных решений у дышащих тем более неоднородными будут получаться обучаемые сети, от сетей-идиотов до сетей-гениев.