SOINN — самообучающийся алгоритм для роботов

[RuddyRudeman]

Пахнет светлым Азимовско-Хофштадтерским будущим!

[devprodest]

У меня у одного картинки схем не грузятся?

[VersusVoid]

Просто автор радостно пытается сделать ссылки по https на гугл =\
Автор, залей на habrastorage! Он для того и создан.

[xiWera]

Вы наверное имели ввиду какую-то конкретную область применения нейросети? Потому что как обычный классификатор нейросети уже вполне хорошо себя зарекомендовали.

[Danov]

Нейросетевой аппроксиматор можно по таблице обучить, например, в Deductor, а затем использовать в своих программах/железе, без переобучения. Например, можно так получить регуляторы для системы АБС или впрыска топлива в двигатель.

[BelBES]

Буквально на днях хотел заняться серией статей про SOM/GNG/SOINN, но Вы меня опередили этой темой)

[mephistopheies]

советую заняться, ибо в этой пока информации минимум, я бы почитал про алгоритмы обуения, глянул бы эксперименты, думаю не только мне интересно

[Danov]

Пишите! Идеальных статей почти нет. Есть что улучшать.

[jMas]

Видео с примером www.youtube.com/watch?v=0gSpeAs9XMQ

[cursed]

docs.google.com/file/d/0B7xu2V-G_UBgQk41VkJEZXBOVkU/edit?usp=sharing
Небольшая компиляция на основе нескольких научных публикаций по SOINN. Сделана 2 года назад для своих нужд.
Возможно, кому-нибудь будет интересно.

[zkolenko]

Хорошее описание SOINN на русском.

[oxyum]

У меня стойкое ощущение, что это очень похоже на Neural Gas…

[zkolenko]

Базовая двуслойная версия SOINN похожа. Но дальнейшие модификации этой технологии уже похожи только одним, нет ограничений по размеру сети и данные постоянно пополняются.

[13oz]

Было бы интересно посмотреть на карту данной сети, хотя бы принципиальную. На сколько я понял, это что-то вроде двух соединенных между собой сетей Кохонена.

[BelBES]

Сеть Кохонена(надо полагать вы имеете в виду Самоорганизующиеся карты Кохонена) предполагает отображение исходного пространства в пространство меньшей размерности предполагая, что топологические свойства искомых множеств при этом не сильно пострадают. А тут сеть строится в пространстве исходной размерности, что позволяет избежать артефактов при понижении размерностей.
Кроме того в SOM топология сети фиксированная, а в SOINN она зависит от топлогии подаваемых на вход множеств.