Метод сложен лишь для понимания, и то первый раз :) Сама структура — та же самая нейронная сеть с наложением кучи ограничений для поднятия эффективности. Да и где тут магия?..
Обучение когнитрона я описывать не стал, так как это потребует более подробного обьяснения пункта про нормализацию — это ещё примерно столько же текста, но уже более специфичного.
Сам принцип настройки когнитрона — обучение без учителя. Вы «кормите» его интересующими вас образами, в итоге он обучается их узнавать. Тут все упирается в подбор параметров когнитрона — таких как размер кластера. И время обучения, конечно.
Ну вот например, мой друг поставил небольшую цель — научить отличать мазду от фокуса при похожем кузове. Подобранная конфигурация сможет обучиться различать практически любую технику, вплоть до БТР'ов или тракторов, строения кузовов которых отличается на порядок от строения легковушек. Сколько вам придется адаптировать свой алгоритм? ;)
Я описал только распознавание образов )
Что есть социум надо ещё внятно сформулировать… Искусственные нейроны имеют уже много свойств, характерные живым, но ещё не все особенности изучены. Примитивный социум возможен, как далеко он может развиться — хз. На неделе уже была статья, что нейросети научились примитивно обманывать.
> В конце стоит упомянуть, наверное, нашумевший когда-то метод нейронных сетей. В академической среде в него очень верят, а в практических проектах он редко используется.
Вы просто не умеете их готовить :)
Классические многослойные нейронные сети малоэффективны на задачах распознавания образов изза чрезмерной избыточности — количество связей между элементами на входном изображении гораздо меньше, чем может запомнить нейросеть. А вычислительная сложность растет минимум по квадрату от количества связей… Поэтому в свое время нейропрограммисты посотрудничали с микробиологами и выяснили немного деталей насчет работы зрения живого организма. В итоге была создан когнитрон, а после и неокогнитрон — прототипы машинного зрения. Принцип работы неокогнитрона таков:
0) Неокогнитрон состоит из слоев. Каждый слой — логический шаг обработки. Внутри слоя находятся плоскости, о них и пойдет речь.
1) На вход плоскости когнитрона подаются «изображения» — квадратные (для упрощения возьмем пока что квадратные) матрицы. На входе в когнитрон эта матрица содержит само изображение, на всех остальных — выход предыдущего слоя когнитрона.
2) Рассмотрим одну матрицу. Каждый нейрон в плоскости получает свой небольшой кластер (небольшой участок с входной матрицы. Квадратной формы :)) ячеек с входной матрицы, умножает значения в ячейках кластера на значения соответствующих коэффициентов (весов нейрона) и суммирует их. При обучении веса нейрона будут модифицированы и вследствии этого на некоторые кластеры нейрон будет выдавать большое значение энергии, на некоторые — поменьше. Сами кластеры небольшие и в итоге нейрон обучится реагировать на какой-либо примитив.
3) Вся входная матрица разбивается на пересекающиеся кластеры, каждый из которых дает на выходе свою энергию. Тонкий момент — у всех нейронов в плоскости веса одни и те же! То есть, все нейроны плоскости ищут один примитив в матрице входного сигнала.
В итоге получаем матрицу, в которой наибольшую энергию имеют те нейроны, где входной паттерн соответствует обученному больше всего (напомню, что кластеры пересекаются => вероятность «потерять» паттерн на входной матрице резко падает).
4) Теперь проделываем всю изложенную магию для каждой матрицы, поданной на вход. Каждый нейрон в итоге будет иметь значение энергии для определенного кластера для каждой из входных матриц. Эти энергии суммируются. Получается итоговая матрица энергий.
5) Происходит нормализация значений энергии. Это ещё несколько мозгоуносящих ступенек алгоритма, я опущу их. Результат нормализации — энергия нейронов, среагировавших на правильный паттерн, выше чем реакции на мусор. Эта матрица (матрица энергий) подается на вход соответствующей «реагирующей» плоскости.
6) «реагирующая» плоскость разбивается на кластеры, но уже непересекающиеся, каждый нейрон имеет на выходе максимальное значение энергии из его кластера. Цель этих нейронов — уменьшить чувстительность к сдвигу. То есть, если была хоть где-то реакция на паттерн на большом участке входной матрицы, то на выходе нейрона будет сигнал, если нет — он будет молчать :). Выходы «реагирующей» плоскости образуют выходную матрицу.
7) Пункты выше проделываются для каждой плоскости в слое. Получается набор выходных матриц, в каждой — результат реакции на определенный паттерн. Этот набор матриц передается следующему слою.
Таким образом, то, что подастся на первый слой, будет распознано в простейшие графичиские примитивы. Допустим, у нас фото кубиков, разбросаных в беспорядке на столе. Белые грани, черные ребра, стол монотонно серый. Тогда первый слой будет распознавать черточки и места где они пересекаются, на втором слое черточки и их пересечения образуют грани, далее взаимоположение граней даст кубик.
Всё просто, после того как сознание расширится до четвертого измерения :)
На вопросы постараюсь ответить.
Спасибо за внимание.
1) Бренд на 3ккк баксов — это следствие бизнеса Диснея, а не его причина. Люди смотрят мультфильмы с Микки-Маусом от Диснея, потому что они хорошие, добрые, etc. И будут дальше смотреть, если студия продолжит выпускать и не будет выпускать треш. Если бы не смогли сохранить атмосферу самого образа Микки-Мауса, и потеряли доверие общественности — почему они должны за это ещё и деньги получать? Ну а если нет — то студия получит свой кусок хлеба с маслом и красной икрой.
2) Забрать права — не значит запретить студии делать что-либо на основании этих прав. Так же не значит, что бывших владельцев сразу начнут жестко прессовать конкуренцией. Появится некоторое количество паразитных предприятий, но не так уж и сложно отличать, «чей выделки овчина».
3) Эта собственность — как корова, вместо молока манну небесную. Последнее время корова была постоянно на привязи, зато её кормили хорошо. Если эту веревку обрезать, это не означает что корова от вас уйдет сразу и навсегда. Но вам то придется задуматься, не сделать ли условия жизни коровы получше.
С точки зрения самих мультфильмов, в истории замешаны два бренда — сам Микки-Маус и студия Диснея. Они тесно связаны и вместе намного более узнаваемы, да и сама эта связка уже подразумевает что-то хорошее :) Более того, эти 3 миллиарда баксов не исчезнут из кошелька студии (исчезнет раздутость цены за счет сверхэксклюзивности, остальное — реальная стоимость), а продолжат работать на студию как раньше.
Внесу свой небольшой топ :) Dino Run — олдскульный пиксель-арт, непрямоугольные уровни, динозавры, и армагеддон, от которого надо по-быстрому свалить. Самая похожая на старших братьев игра :) Indestructo Tank AE — бессмертный бмп, уничтожающий все своим прикосновением ;) + красивая графика и чуть-чуть реалистичная физика The Space Game, The Space Game — missions — реалтайс стратегия на развитие. Копаете минералы, строите пушки, отбиваетесь от пиратов. Никакой поклеточной застройки, все «аналогово». И, да, вся соль — в инфраструктуре: прежде чем что-то где-то строить, туда надо провести электричество.
Обучение когнитрона я описывать не стал, так как это потребует более подробного обьяснения пункта про нормализацию — это ещё примерно столько же текста, но уже более специфичного.
Сам принцип настройки когнитрона — обучение без учителя. Вы «кормите» его интересующими вас образами, в итоге он обучается их узнавать. Тут все упирается в подбор параметров когнитрона — таких как размер кластера. И время обучения, конечно.
Ну вот например, мой друг поставил небольшую цель — научить отличать мазду от фокуса при похожем кузове. Подобранная конфигурация сможет обучиться различать практически любую технику, вплоть до БТР'ов или тракторов, строения кузовов которых отличается на порядок от строения легковушек. Сколько вам придется адаптировать свой алгоритм? ;)
Что есть социум надо ещё внятно сформулировать… Искусственные нейроны имеют уже много свойств, характерные живым, но ещё не все особенности изучены. Примитивный социум возможен, как далеко он может развиться — хз. На неделе уже была статья, что нейросети научились примитивно обманывать.
Ну и google://Фукушима+неокогнитрон/
Вы просто не умеете их готовить :)
Классические многослойные нейронные сети малоэффективны на задачах распознавания образов изза чрезмерной избыточности — количество связей между элементами на входном изображении гораздо меньше, чем может запомнить нейросеть. А вычислительная сложность растет минимум по квадрату от количества связей… Поэтому в свое время нейропрограммисты посотрудничали с микробиологами и выяснили немного деталей насчет работы зрения живого организма. В итоге была создан когнитрон, а после и неокогнитрон — прототипы машинного зрения. Принцип работы неокогнитрона таков:
0) Неокогнитрон состоит из слоев. Каждый слой — логический шаг обработки. Внутри слоя находятся плоскости, о них и пойдет речь.
1) На вход плоскости когнитрона подаются «изображения» — квадратные (для упрощения возьмем пока что квадратные) матрицы. На входе в когнитрон эта матрица содержит само изображение, на всех остальных — выход предыдущего слоя когнитрона.
2) Рассмотрим одну матрицу. Каждый нейрон в плоскости получает свой небольшой кластер (небольшой участок с входной матрицы. Квадратной формы :)) ячеек с входной матрицы, умножает значения в ячейках кластера на значения соответствующих коэффициентов (весов нейрона) и суммирует их. При обучении веса нейрона будут модифицированы и вследствии этого на некоторые кластеры нейрон будет выдавать большое значение энергии, на некоторые — поменьше. Сами кластеры небольшие и в итоге нейрон обучится реагировать на какой-либо примитив.
3) Вся входная матрица разбивается на пересекающиеся кластеры, каждый из которых дает на выходе свою энергию. Тонкий момент — у всех нейронов в плоскости веса одни и те же! То есть, все нейроны плоскости ищут один примитив в матрице входного сигнала.
В итоге получаем матрицу, в которой наибольшую энергию имеют те нейроны, где входной паттерн соответствует обученному больше всего (напомню, что кластеры пересекаются => вероятность «потерять» паттерн на входной матрице резко падает).
4) Теперь проделываем всю изложенную магию для каждой матрицы, поданной на вход. Каждый нейрон в итоге будет иметь значение энергии для определенного кластера для каждой из входных матриц. Эти энергии суммируются. Получается итоговая матрица энергий.
5) Происходит нормализация значений энергии. Это ещё несколько мозгоуносящих ступенек алгоритма, я опущу их. Результат нормализации — энергия нейронов, среагировавших на правильный паттерн, выше чем реакции на мусор. Эта матрица (матрица энергий) подается на вход соответствующей «реагирующей» плоскости.
6) «реагирующая» плоскость разбивается на кластеры, но уже непересекающиеся, каждый нейрон имеет на выходе максимальное значение энергии из его кластера. Цель этих нейронов — уменьшить чувстительность к сдвигу. То есть, если была хоть где-то реакция на паттерн на большом участке входной матрицы, то на выходе нейрона будет сигнал, если нет — он будет молчать :). Выходы «реагирующей» плоскости образуют выходную матрицу.
7) Пункты выше проделываются для каждой плоскости в слое. Получается набор выходных матриц, в каждой — результат реакции на определенный паттерн. Этот набор матриц передается следующему слою.
Таким образом, то, что подастся на первый слой, будет распознано в простейшие графичиские примитивы. Допустим, у нас фото кубиков, разбросаных в беспорядке на столе. Белые грани, черные ребра, стол монотонно серый. Тогда первый слой будет распознавать черточки и места где они пересекаются, на втором слое черточки и их пересечения образуют грани, далее взаимоположение граней даст кубик.
Всё просто, после того как сознание расширится до четвертого измерения :)
На вопросы постараюсь ответить.
Спасибо за внимание.
2) Забрать права — не значит запретить студии делать что-либо на основании этих прав. Так же не значит, что бывших владельцев сразу начнут жестко прессовать конкуренцией. Появится некоторое количество паразитных предприятий, но не так уж и сложно отличать, «чей выделки овчина».
3) Эта собственность — как корова, вместо молока манну небесную. Последнее время корова была постоянно на привязи, зато её кормили хорошо. Если эту веревку обрезать, это не означает что корова от вас уйдет сразу и навсегда. Но вам то придется задуматься, не сделать ли условия жизни коровы получше.
С точки зрения самих мультфильмов, в истории замешаны два бренда — сам Микки-Маус и студия Диснея. Они тесно связаны и вместе намного более узнаваемы, да и сама эта связка уже подразумевает что-то хорошее :) Более того, эти 3 миллиарда баксов не исчезнут из кошелька студии (исчезнет раздутость цены за счет сверхэксклюзивности, остальное — реальная стоимость), а продолжат работать на студию как раньше.
Дата-майнинг в кубах.
Ждём статьи черно-красную сортировку, всякие разные оптимизации и прочие вкусности.
Dino Run — олдскульный пиксель-арт, непрямоугольные уровни, динозавры, и армагеддон, от которого надо по-быстрому свалить. Самая похожая на старших братьев игра :)
Indestructo Tank AE — бессмертный бмп, уничтожающий все своим прикосновением ;) + красивая графика и чуть-чуть реалистичная физика
The Space Game, The Space Game — missions — реалтайс стратегия на развитие. Копаете минералы, строите пушки, отбиваетесь от пиратов. Никакой поклеточной застройки, все «аналогово». И, да, вся соль — в инфраструктуре: прежде чем что-то где-то строить, туда надо провести электричество.