Яндекс.Станция. Как мы создавали первое устройство с Алисой

Можно, но паять придется, а так распознаешь "Товарищ Майор", и посылаешь на место микрофонной матрицы "Алиса", достаточно иметь АЦП, сигнальный процессор(для частотно-временного преобразования), МК(там нейронка или SVM для распознавания, да хоть просто корреляторы) и ЦАП. Можно отпаять матрицу, присоединить к этому устройству и дальше эмулировать ее. Придется повозиться(и сильно), но сделать можно все :)

Сравнение методов распознавания сигналов. Нейронные сети против согласованного фильтра

Критерий Неймана-Пирсона, при заданном уровне ложной тревоги 1e-4, максимизировал вероятность верного обнаружения. А далее просто смотрел какой обнаружитель быстрее сработает, тому и засчитывал бал.

Что происходит в мозгах у нейронной сети и как им помочь

Не совсем понятно зачем так реализовывать нейросеть??
Смотрите, у Вас есть матрица весов W, вектор-функция активации F(n), вектор входа X, вектор смещения B, тогда прохождение одного слоя записывается как Y = F(WX+B)

Алгоритм машинного обучения Flappy Bird

По теореме Арнольда-Колмогорова Nh = 2Ni+1; т.е. у нас 2 входа, т.е. Nh = 2*2+1 = 5. Т.е. достаточно 5-ти нейронов)

Безытеративное обучение однослойного персептрона. Задача классификации

Выше, в статье есть.

Безытеративное обучение однослойного персептрона. Задача классификации

На MNIST плохой результат, 63%. Сейчас дорабатываю метод обучения скрытого слоя.

Безытеративное обучение однослойного персептрона. Задача классификации

Ну что тут сказать, тестирую! На MNIST`е буду сегодня завтра гонять.

Безытеративное обучение однослойного персептрона. Задача классификации

Ниже есть видео, там двухслойная сеть, но пока в том выражении по генерации архитектуры слишком много параметров, которые неоднозначно подбираются. Поэтому про этот метод я писать не готов, тестирую с разными параметрами. Собираю статистику. Потом планирую обобщить на любое кол-во слоев.

Безытеративное обучение однослойного персептрона. Задача классификации

Точный ответ для задачи классификации это 1 или 0, 1 если принадлежит выбранному классу, 0 в обратном случае. И эта формула дает такой ответ. Было проверено 4 различных формулы, у каждой есть свои плюсы и минусы, но в качестве основной была выбрана, та что используется в статье.
Вчера записал видео теста(пред. обработка БПФ):

Без пред. обработки, рабочее отношение шум/сигнал так же до 6-ти:
Единственное, теперь точность зависит еще и от фазы.

Но метод полностью справляется со своей задачей, для регрессии я бы использовал корреляцию, но зачем тратить лишние ресурсы.

Безытеративное обучение однослойного персептрона. Задача классификации

Да было проведено несколько тестов, вообще-то до сих пор тестирую. Вариант с корреляцией был проверен, вот ссылка на него https://vk.com/ai_2016?w=wall-64012508_204.
Я изменил на f(0.999). Вообще этот коэффициент пока подбирается экспериментально. По логике он должен стремиться к +inf. Но на практике, я получил хорошие результаты когда подставил вместо f(x) 25.

Безытеративное обучение однослойного персептрона. Задача классификации

Я имею право так делать, т.к. стоит задача классификации, а не регрессии. И имеется ф-я с насыщением, которая "сгладит" все неточности.

Безытеративное обучение однослойного персептрона. Задача классификации

K — это нормировочный коэффициент. А b_k показывает насколько важен k-й признак для классификации.

Метод безытеративного обучения однослойной сети прямого распространения с линейной активационной функцией

Я не собирался решать СЛАУ, просто показал на простом примере откуда взялся вектор B и матрица A, что будет использовано в дальнейшем. Про использование вектора B я написал тут: https://habrahabr.ru/post/333382

Метод безытеративного обучения однослойной сети прямого распространения с линейной активационной функцией

https://habrahabr.ru/post/333382 — новая статья.

Метод безытеративного обучения однослойной сети прямого распространения с линейной активационной функцией

https://habrahabr.ru/post/333382 — следующая статья.

Безытеративное обучение однослойного персептрона. Задача классификации

Ну мне хватает))
Цифры назвать не могу.
Вообще хочу открыть свое дело на своих разработках, но это не реально сложно, вряд ли получится, но надо по пробовать. Вот мой основной проект, если интересно. Возможно и о нем напишу. Как закончу с НС.

Метод безытеративного обучения однослойной сети прямого распространения с линейной активационной функцией

Спасибо! Интересная статья, решили они по другому, но смысл тот же.

Метод безытеративного обучения однослойной сети прямого распространения с линейной активационной функцией

Если ф-я ограничена сверху и снизу, то 0 производной будет как в минимуме, так и в максимуме.

Метод безытеративного обучения однослойной сети прямого распространения с линейной активационной функцией

Спасибо за дополнение! Тут проблема в другом нужно доказать, что производная равна нулю в минимуме.(это я про нелинейные ф-и)

Метод безытеративного обучения однослойной сети прямого распространения с линейной активационной функцией

Да, понял, про что Вы. Я там писал k, потом видно, когда перепроверял изменил на j.