Хотелось бы подробной инструкции. Имея мало опыта установил docker+llama-server+open-WebUi Сначала получилось, даже получил резюме двух docx файлов, вполне читаемое. Но мешал фишка "доступно обновление", обновился open-webui до 0.7.0 и все грохнулось. В окне все как надо, но при любом вопросе "500 нет модели name:latest" здесь name имя модели, а откуда взялся latest не понятно. Откат open-webui не исправил ситуацию.
Покопался в интернете и нашел NEAT https://habr.com/ru/articles/910878/ которую я раньше отказался читать из-за не выловленной автором опечатки. Тоже генетическое построение для поиска оптимальной сети. По моему просто добавлять и удалять узлы и связи, оценивая увеличение точности достаточно. Использовать биологическую терминология не обязательно. Главное алгоритмы добавления, оценка точности и определения конца процесса уточнения.
Примеры требуют очень старую версию питона, что не позволяет проверить результаты. Хотелось бы также сравнить с подходом к сетям КАН и увидеть другие методы аппроксимации. Подход же, в котором само выстраивается группа аппроксимирующих символьных функций очень интересен. До сих пор мне был известен только метод Прони, в котором использовалась комбинация exp(b*t)*(c*sin(a*t)+d*cos(a*t).
>Программа MAPLE, аналог "математика", на запрос: dsolve(a(x)*diff(y(x),x,x)+b(x)*diff(y(x),x)+c(x),y(x)); дает формулу для вычисления решения. Я не могу ее привести из-за неумения вводить формулы с интегралами в комментарий
А может все упростить и работать по своей теме, используя ИИ как одного из работающего по той же теме, то есть задавая ему вопросы и анализируя ответы. Надо ли на него ссылаться, это сложный личный вопрос. Вы ссылаетесь на помощь при публикации?
Второй вопрос об обвинениях, что статья написана ИИ. По моему, это надо игнорировать, не обращать внимания и продолжать работать по своей теме. Аналог с реакцией на завиральные работы. На заре моей научной деятельности возникла квази-наука "наукометрия". Чушь страшная, но я вынес один ценный рецепт из нее - завиральные работы надо замалчивать, тогда они тихо потонут в массиве вновь поступающих публикаций.
Мне все время бросается в глаза принципиальное отличие обучения сетей и обучение человека. Возьмем новорожденного и попытаемся проследить его обучение. Самое интересное здесь наличие предела. Ослиного моста в терминологии средневековой бурсы.
Интересно, что от обсуждения проблем, связанных с уравнением Навье-Стокса. мы перешли к обсуждению использования ИИ в научных исследованиях. Относительно Навье-Стокса, мне казалось, что работы О.Ладыженской, ее учеников и последователей исчерпывающе объяснили все проблемы этого уравнения.
Относительно использования ИИ в научной работе, допустимо только в качестве поиска в огромной базе накопленного, при строгом контроле. Но иногда такой поиск приводит к неожиданному и иногда полезному.
Данное обсуждение ЯП ведут две группы пользователей: программисты и вычислители, у которых сильно отличающиеся требования к ЯП. Относясь ко второй группе я, естественно, предпочитаю алгол, алгол-алфа и фортран. Мне также хотелось бы, чтобы детали, связанные и границами массивов, использованием многопоточности и т. п. брали на себя компиляторы.
Хотелось бы объяснения "на пальцах", чем движение плиты на катках, отличается от движения по наклонной плоскости без трения.
Насколько необходима именно Ollama. Часто рекомендуется обходится llama.cpp
Хотелось бы подробной инструкции. Имея мало опыта установил docker+llama-server+open-WebUi Сначала получилось, даже получил резюме двух docx файлов, вполне читаемое. Но мешал фишка "доступно обновление", обновился open-webui до 0.7.0 и все грохнулось. В окне все как надо, но при любом вопросе "500 нет модели name:latest" здесь name имя модели, а откуда взялся latest не понятно. Откат open-webui не исправил ситуацию.
Покопался в интернете и нашел NEAT https://habr.com/ru/articles/910878/ которую я раньше отказался читать из-за не выловленной автором опечатки. Тоже генетическое построение для поиска оптимальной сети. По моему просто добавлять и удалять узлы и связи, оценивая увеличение точности достаточно. Использовать биологическую терминология не обязательно. Главное алгоритмы добавления, оценка точности и определения конца процесса уточнения.
Интересная мысль, а не годится ли такая схема подбора структуры вычислений для построения оптимальных сетей?
e:>python -V
Python 3.13.7
e:>pip install thefittest==0.2.7
ERROR: Ignored the following versions that require a different python version: 0.1.10 Requires-Python >=3.7,<3.11; 0.1.11 Requires-Python >=3.7,<3.11; 0.1.13 Requires-Python >=3.7,<3.11; 0.1.14 Requires-Python >=3.7,<3.11; 0.1.15 Requires-Python >=3.7,<3.11; 0.1.9 Requires-Python >=3.7,<=3.10; 0.2.0 Requires-Python >=3.7,<3.11; 0.2.1 Requires-Python >=3.7,<3.12; 0.2.2 Requires-Python >=3.7,<3.12; 0.2.3 Requires-Python >=3.7,<3.12; 0.2.4 Requires-Python >=3.7,<3.12; 0.2.5 Requires-Python >=3.7,<3.12; 0.2.6 Requires-Python >=3.7,<=3.12; 0.2.7 Requires-Python >=3.7,<=3.13
ERROR: Could not find a version that satisfies the requirement thefittest==0.2.7 (from versions: 0.1.7, 0.1.8)
Примеры требуют очень старую версию питона, что не позволяет проверить результаты. Хотелось бы также сравнить с подходом к сетям КАН и увидеть другие методы аппроксимации. Подход же, в котором само выстраивается группа аппроксимирующих символьных функций очень интересен. До сих пор мне был известен только метод Прони, в котором использовалась комбинация exp(b*t)*(c*sin(a*t)+d*cos(a*t).
Откуда дерется индекс слова? Почему 42 это яблоко?
Не рассмотрено отслеживание movingAverage.
>Программа MAPLE, аналог "математика", на запрос: dsolve(a(x)*diff(y(x),x,x)+b(x)*diff(y(x),x)+c(x),y(x)); дает формулу для вычисления решения. Я не могу ее привести из-за неумения вводить формулы с интегралами в комментарий
Хотелось бы понять: кривые полезности рассчитываются или это просто иллюстрация наших размышлений.
Пора объединить математическую программу типа Математика или Maple с LLM, тогда может быть вопросов как складывают числа будет меньше.
А может все упростить и работать по своей теме, используя ИИ как одного из работающего по той же теме, то есть задавая ему вопросы и анализируя ответы. Надо ли на него ссылаться, это сложный личный вопрос. Вы ссылаетесь на помощь при публикации?
Второй вопрос об обвинениях, что статья написана ИИ. По моему, это надо игнорировать, не обращать внимания и продолжать работать по своей теме. Аналог с реакцией на завиральные работы. На заре моей научной деятельности возникла квази-наука "наукометрия". Чушь страшная, но я вынес один ценный рецепт из нее - завиральные работы надо замалчивать, тогда они тихо потонут в массиве вновь поступающих публикаций.
Критики много, а хотелось бы ссылок на правильное изложение проблемы установки локального ИИ.
Хотелось бы поиграть на своем ПК, но показаны только фрагменты. Класса Swarm не увидел.
Очень четко и понятно!
Не понятна связь с традиционными методами прогноза, основанными на расчете термо-гидродинамических процессов.
Мне все время бросается в глаза принципиальное отличие обучения сетей и обучение человека. Возьмем новорожденного и попытаемся проследить его обучение. Самое интересное здесь наличие предела. Ослиного моста в терминологии средневековой бурсы.
Интересно, что от обсуждения проблем, связанных с уравнением Навье-Стокса. мы перешли к обсуждению использования ИИ в научных исследованиях. Относительно Навье-Стокса, мне казалось, что работы О.Ладыженской, ее учеников и последователей исчерпывающе объяснили все проблемы этого уравнения.
Относительно использования ИИ в научной работе, допустимо только в качестве поиска в огромной базе накопленного, при строгом контроле. Но иногда такой поиск приводит к неожиданному и иногда полезному.
Данное обсуждение ЯП ведут две группы пользователей: программисты и вычислители, у которых сильно отличающиеся требования к ЯП. Относясь ко второй группе я, естественно, предпочитаю алгол, алгол-алфа и фортран. Мне также хотелось бы, чтобы детали, связанные и границами массивов, использованием многопоточности и т. п. брали на себя компиляторы.