algorytmika a sieci neuronowe

0

w temacie sieci neuronowych jestem totalnym noobem-ledwo wiem co to takiego:D
pytanie. jak bardzo to zagadnienie ma sie do szeroko rozumienej algorytmiki??czyli ile algorytmiki w sieciach?? pozdrawiam serdecznie :-)

0

yyy...

Na tyle na ile ja zrozumialem pytanie to mozna odpowiedziec tak:

Sieci neuronowe to rodzina algorytmow rozwiazywania pewnych problemow. Albo tez specyficzne podejscie do rozwiazywania pewnych klas problemow. Np. rozpoznawanie wzorca (sieci Hopfielda), grupowanie elementow (Kohonen) i dosc znane algorytmy genetyczne, itp.

Sieci neuronowe wiec to podzbior algorytmiki :) Koniec wykladu :)

pozdrawiam
johny

0

ok.wyklad przyswojony ;-P . rozumiem wiec ze w sieciach uzywa sie tych wszystkich najbardziej znanych algorytmow?? sortowanie , euklides itp??

0

Nie, sortowania czy euklidesa to raczej nie. Chociaz to tez kwestia implementacji sieci. Sieci to raczej pomysl (czyli kolejny algorytm) na rozwiazanie problemu. Wiecej tam raczej matematyki niz czego innego.
Moze podam przyklad:

  • jest problem klastrowania (czyli grupowania) kilku wektorow. Mamy losowo dane wektory i pasowaloby je dobrac w jakies sensowne grupy - czyli najbardziej pasujace do siebie wiektory niech beda zgrupowane.

Mozna do tego uzyc np. statystyki ale mozna tez uzyc sieci Kohonena, ktora opiera sie w zasadzie na powtarzaniu konkretnego wzoru do osiagniecia stadium zgrupowania.

Albo algorytmy genetyczne. Typowy przyklad: mamy dany wielomian, ale nie znamy wspolczynnikow. Mamy tez dane punkty, przez ktore przechodzi. Zalozmy, ze punktow jest malo, na tyle, zeby nie mozna bylo obliczyc wielomianiu z ukladu rownan. Tworzymy wiec populacje, ktora obrazuje losowe wspolczynniki tego wielomianu. Za pomoca funkcji sprawdzajacej jak daleko wylosowany wielomian lezy od punktow sprawdzamy, ktora z grup w populacji najbardziej pasuje. Teraz z tych najlepiej dobranych wspolczynnikow tworzymy nowa populacje i tak w kolko, poki nie znajdziemy odpowiednio dobrego przyblizenia.

Siec Hopfielda. Za pomoca kilku wzorow i odpowiedniego potraktowania wejscia jestesmy w stanie zapamietac wzorzec (np. litere) i sprawdzic czy inny wzorzec jest do niego podobny - tu nawet dosc znieksztalcone wzorce potrafia byc wykrywane.

Sieci neuronowe przydaja sie w sytuacjach kiedy trzeba 'ocenic' cos - nie tylko wyliczyc. Albo stworzyc 'obraz' sytuacji na podstawie danych. Np. mamy zestaw danych dotyczacych jednego tematu, na ktory skladaja sie 3 czynniki. Na podstawie nauki sieci neuronowej mozna stwierdzic ktore czynniki wplywaja na sytuacje bardziej, a ktore mniej. Mozna tez to zrobic statystycznie (np. regresja wielokrotna), ale sieci mozna zmieniac dynamicznie i sa bardziej elastyczne.

Przydaja sie szczegolnie w zastosowaniach np-zupelnych, gdzie znane algorytmy sa za wolne, a wystarcza nam wynik bliski optymalnemu.

pozdrawiam
johny

0

rozumiem. pytam bo chcialbym zglebic temat algorytmow (tych bardziej klasycznych), a ze moje wyobrazenie na temat sieci bardzo sie z nimi wiazalo, chcialem uczyc sie ich "przy pomocy" sieci. widze ze to jednak nie jest zbyt dobry pomysl. a szkoda, sieci sa ekstremalnie ciekawe. tak czy siak-wielkie dzieki ;-)

0

O sieciach neuronowych na studiach mozesz poczytaj TUTAJ

1 użytkowników online, w tym zalogowanych: 0, gości: 1