Не правы, нет, в вопросах «куда ходить» — это либо алгоритм поиска, либо алгоритм управления типа reinforcement learning. Второй особенно хорош тем, что является одновременно и алгоритмом поиска, и алгоритмом управления, и самообучающимся алгоритмом.
Нейросети к ботам для стрелялки никакого отношения не имеют вообще. Алгоритм поиска, о котором тут идет речь, — одна маленькая и не факт, что всегда нужная деталь для бота — зависит от стрелялки.
Правильно я понимаю, что ключевое условие для алгоритма: единая стоимость графа? В случае, если оно не соблюдается — в общем случае — все равно применимым остается А*?
Используйте вероятностные методы — вроде того-таки particle filter, они как раз созданы с целью работать в условиях неопределенностей и показывать хороший результат.
Можно разместить на потолке в случайных местах какие-то радиометки и локализировать робота по их сигналу при помощи particle filter. Тогда все, что вам остается, это поддерживать актуальную карту складских полок — планирование движения может делать централизованный компьютер, которому известны координаты всех роботов и который прокладывает маршруты так, чтобы они не столкнулись.
Роботы следуют заданному маршруту самостоятельно, используя PID контроллер. Это решает проблему погрешности в датчиках колес и всем прочем.
Учиться можно не только в 17 лет. Финансы — не такая уж и проблема в 25, например. Частично учиться можно и удаленно (к примеру, Stanford Center for Professional Development позволяет пройти треть магистратуры удаленно). А поступить — если правда любишь то, чем занимаешься, всё всегда получится :-)
Это уже другая проблема — проблема универов. Можно учиться в хороших универах. Там все это учат. Проблемы конкретных вузов и даже систем образования ни в коем случае не должны трансформироваться в выводы о ненужность образования как такового.
Бла-бла-бла, и сразу «бред». Кстати, вот что еще хорошо убирает универ, так эту категоричность и «реальность» с района.
Вы на малом-то графе задачу решите? Положим, у вас есть 5 маршрутизаторов в сети, используют OSPF, и потому каждый знает топологию — считайте, есть граф. Вы разрабатываете методику диагностити с сбора информации в больших сетях маршрутизации по меткам (MPLS). Каждый маршрутизатор может форвардить запрос другому маршрутизатору, запрос должен обойти все маршрутизаторы при минимальной нагрузке на сеть.
Расчет heuristics для А*, например, — часть работы алгоритма, а не модификация графа (в моем понимании «модификации»). Граф, быть может, имеет смысл как-то обрабатывать предварительно в случае больших размеров, это соглашусь.
Метод ветвей и границ — устаревший подход, годится только для тренировок. Маршрут — ясное дело, что по графу, только подготавливать ничего не надо.
Рокет сайнса не существует. Вся эта алгоритмика позволяет видеть решения огромного количества задач в реальной жизни, и предлагать их заказчику.
Как отличить потенциально мошенническую банковскую транзакцию и остановить ее? Как определить людей, которые обратятся к врачу после лечения повторно? Как построить наилучшее расписание рейсов для аэропорта? За эти задачи платятся огромные деньги, и лучшее решение еще не придумано.
Хотя, конечно, если не планируете заниматься ничем сложнее и интереснее сайтов и бизнес-логики…
Спасибо. Про учебу много-много можно говорить. Нам очень повезло жить в 21 веке, когда есть интернет и все те возможности учиться, которые он дает. Один MOOC чего стоят :-)
И снова-таки: я знаю, что изменилась, я проходил курс CS229 в Stanford University и делал курсовой проект для него как раз по NN.
Я говорю про другое: хорошо, что вы смогли разработать НН модель для конкретной задачи. Это действительно классно, мои поздравления. Нюанс в том, что между ресерчем и инжинирингом есть большая разница. Признайтесь: начиная работать над моделью, вы могли гарантировать результат?
В этом плюс SVM: используя его, вы точно знаете, что получите. Используя НН, вы играете в лотерею: вы можете получить что-то очень классное, а можете получить результат, сравнимый с SVM, но через полгода работы проектной команды. Так что выбор алгоритма — это не вопрос веры, там, или убеждений, а чисто вопрос цели, приемлемых рисков и доступных ресурсов.
Вот этот последний абзац — это то, что я пытаюсь сказать всей этой веткой.
Знания предметной области бесполезны. Когда предсказания становятся игрой, эксперты проигрывают
Алгоритм поиска пути Jump Point Search
Алгоритм поиска пути Jump Point Search
Сравнивайте JPS с A*, они оба ищут оптимальные пути.
Алгоритм поиска пути Jump Point Search
Вам нужны алгоритмы управления.
Алгоритм поиска пути Jump Point Search
Проект «робот-грузчик»: определение собственного местоположения
Проект «робот-грузчик»: определение собственного местоположения
Проект «робот-грузчик»: определение собственного местоположения
Проект «робот-грузчик»: определение собственного местоположения
Роботы следуют заданному маршруту самостоятельно, используя PID контроллер. Это решает проблему погрешности в датчиках колес и всем прочем.
Нужно ли учиться в университете?
Нужно ли учиться в университете?
Нужно ли учиться в университете?
Нужно ли учиться в университете?
Нужно ли учиться в университете?
Нужно ли учиться в университете?
Вы на малом-то графе задачу решите? Положим, у вас есть 5 маршрутизаторов в сети, используют OSPF, и потому каждый знает топологию — считайте, есть граф. Вы разрабатываете методику диагностити с сбора информации в больших сетях маршрутизации по меткам (MPLS). Каждый маршрутизатор может форвардить запрос другому маршрутизатору, запрос должен обойти все маршрутизаторы при минимальной нагрузке на сеть.
Решите?
Нужно ли учиться в университете?
Нужно ли учиться в университете?
Рокет сайнса не существует. Вся эта алгоритмика позволяет видеть решения огромного количества задач в реальной жизни, и предлагать их заказчику.
Как отличить потенциально мошенническую банковскую транзакцию и остановить ее? Как определить людей, которые обратятся к врачу после лечения повторно? Как построить наилучшее расписание рейсов для аэропорта? За эти задачи платятся огромные деньги, и лучшее решение еще не придумано.
Хотя, конечно, если не планируете заниматься ничем сложнее и интереснее сайтов и бизнес-логики…
Нужно ли учиться в университете?
Нужно ли учиться в университете?
Прогресс в разработке нейросетей для машинного обучения
Я говорю про другое: хорошо, что вы смогли разработать НН модель для конкретной задачи. Это действительно классно, мои поздравления. Нюанс в том, что между ресерчем и инжинирингом есть большая разница. Признайтесь: начиная работать над моделью, вы могли гарантировать результат?
В этом плюс SVM: используя его, вы точно знаете, что получите. Используя НН, вы играете в лотерею: вы можете получить что-то очень классное, а можете получить результат, сравнимый с SVM, но через полгода работы проектной команды. Так что выбор алгоритма — это не вопрос веры, там, или убеждений, а чисто вопрос цели, приемлемых рисков и доступных ресурсов.
Вот этот последний абзац — это то, что я пытаюсь сказать всей этой веткой.