прицеп и мотоцикл сейчас как правило выделяются корректно, но потом на стадии распознаваня символов мы такого не ждем. В тексте статьи где-то написано, что стандартные гос.знаки и такси сейчас.
Должны проверяться. Не все и не всё работает идеально, к сожалению. Эффект интернета, скандалы о том, что штраф пришел правильно, не случаются. :) Но, конечно, пусть смотрят внимательно, а алгоритмы работают лучше. Все-таки на тень реагировать не гоже ни тем, ни другим.
еще 80% статей в machine learning мне кажется страдает совсем другой проблемой: предложили разумную идею, реализавали, показали на открытых базах, что да, стало на 20% лучше. Победа. При этом, чтобы реализовать идею сделали «A»,«B»,«C» + самое ценное «X». А начинаешь разбираться, выкидываем саму угловую идею «X», потом «C»,«A». Оказывается «B» дает прирост 15-25%. И складывается впечатление, что авторы это прекрасно понимают, ибо не дураки, но в «B» нет новизны. А она нужна, все-таки по гранту работали наверняка
Ну а я вообще про deep-learning, который к изображениям и звуку хорошо подходит. Но и там фундаментальные знания часто нужны, чтобы делать что-то реально новое (ну, например, призма — уже первый курс универа линейной алгебры и несколько лет практической работы).
безусловно, есть области, где понимание статистики очень не помешает. Правда, опять же, в реальных задачах (скажем, не обработка радио сигнала), где мало данных, не по законам физике все, часто одинаково сработают и достаточно попсовые и более интуитивные методы. Приведенная статья первая про lifelong обучение SVM, судя по заголовку. Ну это… м… ну просто взять и пересчитать SVM с примесью новых данных. Можно даже с псевдо-разметкой. И это будет работать понятно. И в реальной жизни в реальной компании скажут спасибо за именно простое решение, т.к. а) оно работает б) его понимают другие участники команды в) времени меньше на отладку г) мы тут не грант на исследование дали, а работу сделать. ))))
machine learning — это не страшный матан. Самая страшная математика там — частные производные функций активации, если речь про deep learning, и мне кажется это еще в школьной было…
нейроны вообще считываются, есть сложности с долговременным подключением, хотя они преодолеваются сейчас. Но там есть несколько проблем: 1) сенсорных нейронов уже нет вместе с рукой, а их аксоны умирают. Поэтому совсем полностью все не восстановить. 2) в теории можно подлключиться к нервному пучку и команды на мышцы посчитывать, но без обратной связи они все равно адеквано не будут работать, да и найти их еще надо.
делают по-другому: имплант с сотней контактов в моторную кору, перекодируют и отправляют на управляющий объект (руку, манипулятор). А обратную связь завести можно также в имплант в моторную кору или любую другую, либо на какой-то участок кожи тактильно.
если тут есть те, кто в копался в нейронах, — поправьте если что не так описал
Основное самые важное преимущества: вес, миниатюризация. Да и вообще возможность извлечь информацию (все то чему обучался мозг ранее и особенности его устройства) и отправить по радиоканалу, а на другом конце залить в исполнитель. Но правда, что это посложнее будет, чем сделать относительно неплохие движки. А может будут и переходные формы: головы из футурами )) Доставить раз в 10-20 будет проще и утеплять тоже до -180 меньше придется )).
Еще интересно наблюдал как разворачивалась история с поддержкой Bluetooth в WinRT приложениях на Win10. В Windows 8 WinRT (для Windows Store) нельзя было просто взять и обратиться к Bluetooh устройству, т.е. к его RFCOMM протоколу. В 8.1 уже можно было. Но в Win10 (которая неожиданно «САМА» ставилась у клиентов) просто вновь забили на RFCOMM Bluetooth протокол и все вылетало с ошибкой. Ветка форума висела несколько лет. Не знаю, вышло ли обновление уже. Просто подумать: в сумме пару лет Microsoft-у было не в приоритете подключение внешних Bluetooth устройств, отличных от наушников и гарнитур.
«По итогам конкурса лучшие участники смогут стать резидентами «Сколково» без проведения дополнительной экспертизы их проектов. С победителем также будет заключен договор о реализации научно-технического проекта Фонда перспективных исследований по созданию технологии автоматического дешифрирования аэрокосмической информации. Кроме того, ему будет предложено финансирование от Фонда «Сколково» в размере до 5 млн рублей.» не очень привлекательная перспектива. Заключение договора — обоюдо-выгодно должно быть. «предложено… до 5 млн.р». А став резидентом, надо сидеть в Сколково.
безусловно, есть области, где понимание статистики очень не помешает. Правда, опять же, в реальных задачах (скажем, не обработка радио сигнала), где мало данных, не по законам физике все, часто одинаково сработают и достаточно попсовые и более интуитивные методы. Приведенная статья первая про lifelong обучение SVM, судя по заголовку. Ну это… м… ну просто взять и пересчитать SVM с примесью новых данных. Можно даже с псевдо-разметкой. И это будет работать понятно. И в реальной жизни в реальной компании скажут спасибо за именно простое решение, т.к. а) оно работает б) его понимают другие участники команды в) времени меньше на отладку г) мы тут не грант на исследование дали, а работу сделать. ))))
как раз наоборот, очень простая для входа тема.
делают по-другому: имплант с сотней контактов в моторную кору, перекодируют и отправляют на управляющий объект (руку, манипулятор). А обратную связь завести можно также в имплант в моторную кору или любую другую, либо на какой-то участок кожи тактильно.
если тут есть те, кто в копался в нейронах, — поправьте если что не так описал