Ну что ж, очень бы хотелось увидеть статью об этих результатах
Просто во многих областях практикуется «выращивание специалистов под себя», но вот вопрос эффективности такой практики довольно неоднозначный и открытых результатов не видно.
Спрашиваешь: «а как там вот эти специалисты?»,
самый мягкий ответ: — ну ..., звёзд с небес не хватают
Складывается впечатление, что либо в такие программы попадают совсем не по знаниям, либо уверенность за своё будущее тормозит развитие.
Ну а в целом, конечно, нужно брать студентов на практику — тут споров нет.
Для первого необходимо реализовать подтверждение доставки как минимум.
У автора как раз и используется UDP что бы не было заморочек с гарантированностью доставки, клиенты не ждут сервер — «дорого».
Аутентификация сигнала в таком контексте завершается на цифровой подписи, максимум.
Вопрос «обжимки» с непонятным устройством конечно более серьёзный
я говорил для нелинейных функций. Для линейных LM бессмысленен наверное, якобиан постоянная матрица.
у меня несколько другие количества уравнений, для линейных я просто в лоб решал At*A*x=At*b. матрица(At*A) небольшая выходит.
но видите, это просто другая область. Нам нужно точное решение за очень короткое время
Градиентный спуск описанный в посте вполне должен работать и для нелинейных случаев. Не так хорошо как Гаусс-Ньютон, но вполне себе, особенно если сбоку прикрутить что-то типа линейного поиска.
на нелинейке гораздо хуже работает к сожалению и имеет слабые места для рада функций, в википедии где-то был разбор какие функции не получится апроксимировать. У меня LM выходил на минимум за 5-15 итераций, а градиентный спуск в районе 30-50, а иногда и нестабильным становился. При этом чем больше функций тем хуже становилось.
Мне вот больше интересно зачем используются многослойные линейные сети, как автор уже писал эту сеть можно представить одной матрицей (в силу ассоциативности произведения матриц). Вот и возникает вопрос зачем городить такой огород.
Я слабо ориентируюсь в области ИИ, для меня это просто системы функций
у нас хоть функции и сложные(почти всегда нелинейные), но их больше 10 редко бывает + ограничения
с линейкой как автор и говорил в прошлой теме всё просто — решение At * A x= At * b однозначно и на современных машинах затрат особых не представляет(первые программные реализации для геофизиков вроде ещё в конце 80-х появились). Для больших данных где прямой расчёт не получится как автор и писал приходится применять итерационные методы.
С нелинейкой сложнее: локальные минимумы, зависимость от начальных значений. LM в таких случаях становится незаменим как наиболее быстро сходящийся. Но само решение всё равно сводится к расчёту линейной системы на каждом шаге итерации.
>> метод обратного распространения ошибки можно исключить из перечня инструментов для настройки весов сети.
вместе этого метода в данном случае у вас отбраковка по функции оценки
вроде же можно распределять программу на несколько серверов, т.е. map такой распрёделённый получится
в этом случае это как по скорости работает, не тестировали?
Просто во многих областях практикуется «выращивание специалистов под себя», но вот вопрос эффективности такой практики довольно неоднозначный и открытых результатов не видно.
Спрашиваешь: «а как там вот эти специалисты?»,
самый мягкий ответ: — ну ..., звёзд с небес не хватают
Складывается впечатление, что либо в такие программы попадают совсем не по знаниям, либо уверенность за своё будущее тормозит развитие.
Ну а в целом, конечно, нужно брать студентов на практику — тут споров нет.
отношение Прибыль/затраты выше?
эту проблему должен решать программист — а именно обойти\заблокировать фильтрацию, а не художник
расходы на rpc никуда не денутся
вспоминается реклама Инферно как там всё просто так как есть только файлы.
с тем же успехом можно COM использовать — даже проще будет
Важно то, что она очень доступно доводит читателя до нужных мыслей
У автора как раз и используется UDP что бы не было заморочек с гарантированностью доставки, клиенты не ждут сервер — «дорого».
Аутентификация сигнала в таком контексте завершается на цифровой подписи, максимум.
Вопрос «обжимки» с непонятным устройством конечно более серьёзный
у меня несколько другие количества уравнений, для линейных я просто в лоб решал At*A*x=At*b. матрица(At*A) небольшая выходит.
но видите, это просто другая область. Нам нужно точное решение за очень короткое время
на нелинейке гораздо хуже работает к сожалению и имеет слабые места для рада функций, в википедии где-то был разбор какие функции не получится апроксимировать. У меня LM выходил на минимум за 5-15 итераций, а градиентный спуск в районе 30-50, а иногда и нестабильным становился. При этом чем больше функций тем хуже становилось.
Мне вот больше интересно зачем используются многослойные линейные сети, как автор уже писал эту сеть можно представить одной матрицей (в силу ассоциативности произведения матриц). Вот и возникает вопрос зачем городить такой огород.
у нас хоть функции и сложные(почти всегда нелинейные), но их больше 10 редко бывает + ограничения
с линейкой как автор и говорил в прошлой теме всё просто — решение At * A x= At * b однозначно и на современных машинах затрат особых не представляет(первые программные реализации для геофизиков вроде ещё в конце 80-х появились). Для больших данных где прямой расчёт не получится как автор и писал приходится применять итерационные методы.
С нелинейкой сложнее: локальные минимумы, зависимость от начальных значений. LM в таких случаях становится незаменим как наиболее быстро сходящийся. Но само решение всё равно сводится к расчёту линейной системы на каждом шаге итерации.
Я геофизик по образованию, у нас системы уравнений хоть и небольшие, но большей частью нелинейные
методы Levenberg Marquardt, Let Dog и пр.
вместе этого метода в данном случае у вас отбраковка по функции оценки
в этом случае это как по скорости работает, не тестировали?