Комментарии 17
Пахнет светлым Азимовско-Хофштадтерским будущим!
0
У меня у одного картинки схем не грузятся?
+6
НЛО прилетело и опубликовало эту надпись здесь
Вы наверное имели ввиду какую-то конкретную область применения нейросети? Потому что как обычный классификатор нейросети уже вполне хорошо себя зарекомендовали.
+1
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.
0
Буквально на днях хотел заняться серией статей про SOM/GNG/SOINN, но Вы меня опередили этой темой)
+1
Видео с примером www.youtube.com/watch?v=0gSpeAs9XMQ
0
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.
Небольшая компиляция на основе нескольких научных публикаций по SOINN. Сделана 2 года назад для своих нужд.
Возможно, кому-нибудь будет интересно.
+1
У меня стойкое ощущение, что это очень похоже на Neural Gas…
0
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.
0
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.
Кроме того в SOM топология сети фиксированная, а в SOINN она зависит от топлогии подаваемых на вход множеств.
0
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
SOINN — самообучающийся алгоритм для роботов