1) Да, и эти признаки — свёртки. Раньше люди эти свёртки придумывали сами (фильтры Габора, базис преобразования Фурье и т.д.), в свёрточных нейросетях же они стоятся автоматически оптимальным образом (на самом деле нет, но это отдельный разговор).
Есть мнение, что в человеческом глазе данные обрабатываются подобным образом: информация, полученная с нескольких палочек/колбочек, сначала «кодируется», а потом передаётся по нерву.
2) Свёрточная нейросеть видит не всю картинку, а только небольшой её фрагмент, определяемый конфигурацией сети (размеры ядер свёртки) и для него выдаёт результат.
Свёрточная нейросеть отлично классифицирует текстуры (это локальные характеристики), но не может работать с формами объектов. Она не увидит разницы между леопардом и леопардовым диваном.
Моя тема — обработка изображений. В чём разбираюсь, о том и пишу.
Например, для задачи повышения разрешения изображений наилучшие по качеству результаты достигнуты именно с помощью нейросетей. Причём размер нейросети имеет вполне разумные размеры и даже меньше, чем размеры словарей более старых обучаемых методов: около 200 кбайт для одного из наилучших на данный момент методов, основанных на свёрточных нейронных сетях.
Сейчас изучаю статью, которая использует для этой задачи полиномиальные нейросети вместо уже привычных свёрточных с ещё более многообещающими результатами — планирую изучить их более детально.
Сколько ответить на этот вопрос. Исторически для этой задачи использовались методы обучения, основанные на ручном построении большого числа признаков — составления фича-вектора, а затем натравливании различных методов обучения на него. Свёрточные нейронные сети позволили перейти от ручного составления признаков к автоматическому.
Не очень понятно, как отвечать на «обладают способностью анализировать, например незнакомые объекты (их признаки)».
Вот есть задача классификации изображений (фрагментов), есть большой набор данных для обучения, есть свёрточная нейросеть. Нейросеть обучили, т.е. минимизировали функционал ошибки, зависящий от коэффициентов свёрток. А дальше, вместо того, чтобы использовать выход сети, посмотрели на промежуточные слои и сами ядра свёрток — оказалось, что нейросеть «нашла» ряд признаков, которые оказалось эффективно использовать в отрыве от нейросети. Считается ли это способностью анализировать? Или это просто поисковая задача в ограничениях, заданных программистом?
Компилятор генерирует адекватный код ровно до того момента, как программист начинает эти инструкции использовать. Самая неприятная для компилятора ситуация — это когда программист начинает вручную использовать avx и делать в коде две ветки: legacy и avx.
Решение простое: просто генерить два комплекта бинарников, чтобы не допустить смешения инструкций.
При том, что пользовательский код может содержать инструкции AVX, а тут опа — обнуление переменной через SSE. Эта ситуация не такая уж и редкая, на первый взгляд. Вот здесь чуть подробнее:
https://software.intel.com/en-us/articles/intel-avx-state-transitions-migrating-sse-code-to-avx
Информация про теневое копирование следует из технических спецификаций. Причина этому — аппаратная реализация регистров (маппинг), операций с ним на низком уровне и упрощение архитектуры процессора (реализация AVX команд через существующие блоки SSE и отказ от блоков копирования) за счёт потери некоторой функциональности.
Подождите. Речь не о FPU/SSE, а о SSE/AVX, при переключении которого не происходит никаких исключений. Просто fallback YMM->XMM реализован довольно костыльно, и требует теневого копирования регистров при смене набора команд. На это и уходит около 70 тактов — точное количество зависит от реального числа «физических» регистров.
Студенческие займы например в США не списываются с банкротством.
Верх несправедливости. С другой стороны, если кредиты будут списываться, то банки просто не будут давать кредиты тем, кто не сможет их гарантированно выплатить. Нет денег — нет кредитов — нет образования. Т.е. возможность получить образование за редким исключением зависит от того, в насколько богатой семье ты родился.
Почитал про текущую ситуацию: количество просроченных образовательных кредитов растёт снежным комом. Причина: безработица выпускников.
Отсутствие возможности списания образовательного кредита компенсируется возможностью ограничить сумму выплаты до 10% от дохода — хоть что-то человеческое сделали.
Эффект от снижения стоимости кредитов вследствие дефляции хорошо только в краткосрочной перспективе, когда за дефляцией следует инфляция: набрать кредитов под низкую ставку, а затем просто смотреть, как они обесцениваются благодаря инфляции.
Затяжная дефляция же увеличивает налоговую нагрузку и тормозит рост.
> Меня как клиента интересует только результат
Клиента обычно интересует 3 параметра: качество, скорость и цена. Применение техники оправдано, если клиенту важно «быстрее», даже если будет дороже.
Нет, нелогично. Разница в площади 1-комнатной и 3-комнатной не трёхкратная. Плюс грязные места типа кухни, санузлов и прихожей в единственном экземпляре. Плюс стоимость выезда — константа.
Высокая стоимость оправдана, если она проводится с помощью техники, а не веника и тряпки, и в стоимость уборки включается аренда/амортизация техники и расходники для неё.
Напишу поподробнее про усиление иммунитета. Иммуномодуляторы действительно существуют и работают. Они в обязательном порядке назначаются людям с иммунодефицитом.
Наибольший интерес к применению иммуномодуляторов для профилактики и лечения ОРВИ и гриппа для обычных людей был на западе в 80-е годы. Применение иммуномодуляторов действительно сокращало заболеваемость и длительность болезни, правда, совсем незначительно.
С другой стороны, оказалось, что чрезмерное усиление иммунитета для людей с нормальным иммунитетом опасно аутоиммунными реакциями, которые намного опаснее, чем лишние 2 дня болезни и даже осложнения в виде бронхита и пневмонии. Пример аутоиммунной реакции: рассеянный склероз.
Касаемо того, что продаётся в магазинах: оно имеет насколько малую дозировку, что не оказывает практически никакого эффекта на здорового человека.
Спросите экономиста, который этим занимается, для получения более авторитетного ответа. Я не могу сходу указать ссылки. Можете поискать работы на scholar.google.com по запросу «gini coefficient».
Мои утверждения заключаются только в том, что:
— существует некоторая объективная мера неравенства доходов, например, коэффициент Джини;
— высокий коэффициент неравенства — рост социальной напряжённости и снижение эффективености госуправления;
— низкий коэффициент неравенства — снижения стимула у людей к желанию
добиваться большего.
Есть мнение, что в человеческом глазе данные обрабатываются подобным образом: информация, полученная с нескольких палочек/колбочек, сначала «кодируется», а потом передаётся по нерву.
2) Свёрточная нейросеть видит не всю картинку, а только небольшой её фрагмент, определяемый конфигурацией сети (размеры ядер свёртки) и для него выдаёт результат.
Свёрточная нейросеть отлично классифицирует текстуры (это локальные характеристики), но не может работать с формами объектов. Она не увидит разницы между леопардом и леопардовым диваном.
Например, для задачи повышения разрешения изображений наилучшие по качеству результаты достигнуты именно с помощью нейросетей. Причём размер нейросети имеет вполне разумные размеры и даже меньше, чем размеры словарей более старых обучаемых методов: около 200 кбайт для одного из наилучших на данный момент методов, основанных на свёрточных нейронных сетях.
Сейчас изучаю статью, которая использует для этой задачи полиномиальные нейросети вместо уже привычных свёрточных с ещё более многообещающими результатами — планирую изучить их более детально.
Вот есть задача классификации изображений (фрагментов), есть большой набор данных для обучения, есть свёрточная нейросеть. Нейросеть обучили, т.е. минимизировали функционал ошибки, зависящий от коэффициентов свёрток. А дальше, вместо того, чтобы использовать выход сети, посмотрели на промежуточные слои и сами ядра свёрток — оказалось, что нейросеть «нашла» ряд признаков, которые оказалось эффективно использовать в отрыве от нейросети. Считается ли это способностью анализировать? Или это просто поисковая задача в ограничениях, заданных программистом?
Решение простое: просто генерить два комплекта бинарников, чтобы не допустить смешения инструкций.
https://software.intel.com/en-us/articles/intel-avx-state-transitions-migrating-sse-code-to-avx
Информация про теневое копирование следует из технических спецификаций. Причина этому — аппаратная реализация регистров (маппинг), операций с ним на низком уровне и упрощение архитектуры процессора (реализация AVX команд через существующие блоки SSE и отказ от блоков копирования) за счёт потери некоторой функциональности.
Верх несправедливости. С другой стороны, если кредиты будут списываться, то банки просто не будут давать кредиты тем, кто не сможет их гарантированно выплатить. Нет денег — нет кредитов — нет образования. Т.е. возможность получить образование за редким исключением зависит от того, в насколько богатой семье ты родился.
Почитал про текущую ситуацию: количество просроченных образовательных кредитов растёт снежным комом. Причина: безработица выпускников.
Отсутствие возможности списания образовательного кредита компенсируется возможностью ограничить сумму выплаты до 10% от дохода — хоть что-то человеческое сделали.
Да, необходимо, чтобы сменилось 2-3 поколения прежде, чем общество примет и подстроится под новые условия.
Затяжная дефляция же увеличивает налоговую нагрузку и тормозит рост.
Если, конечно, хотят получать белую зарплату.
Клиента обычно интересует 3 параметра: качество, скорость и цена. Применение техники оправдано, если клиенту важно «быстрее», даже если будет дороже.
Высокая стоимость оправдана, если она проводится с помощью техники, а не веника и тряпки, и в стоимость уборки включается аренда/амортизация техники и расходники для неё.
Наибольший интерес к применению иммуномодуляторов для профилактики и лечения ОРВИ и гриппа для обычных людей был на западе в 80-е годы. Применение иммуномодуляторов действительно сокращало заболеваемость и длительность болезни, правда, совсем незначительно.
С другой стороны, оказалось, что чрезмерное усиление иммунитета для людей с нормальным иммунитетом опасно аутоиммунными реакциями, которые намного опаснее, чем лишние 2 дня болезни и даже осложнения в виде бронхита и пневмонии. Пример аутоиммунной реакции: рассеянный склероз.
Касаемо того, что продаётся в магазинах: оно имеет насколько малую дозировку, что не оказывает практически никакого эффекта на здорового человека.
А он и не является критерием. Он является только одним из факторов, повышающим напряжённость.
> Важно то, по доброй воле ли неравенство или нет.
Государство вполне может этим неравенством управлять.
Мои утверждения заключаются только в том, что:
— существует некоторая объективная мера неравенства доходов, например, коэффициент Джини;
— высокий коэффициент неравенства — рост социальной напряжённости и снижение эффективености госуправления;
— низкий коэффициент неравенства — снижения стимула у людей к желанию
добиваться большего.