вот на стадии настройки экспертной системы можно действительно натворить чтото типа ручки для налаживания обратной связи.
Отредактировано fabal (2011-02-28 00:13:47)
ticklinginrussia |
Привет, Гость! Войдите или зарегистрируйтесь.
Вы здесь » ticklinginrussia » Tickling forum » как измерить щекотку?
вот на стадии настройки экспертной системы можно действительно натворить чтото типа ручки для налаживания обратной связи.
Отредактировано fabal (2011-02-28 00:13:47)
перцептрон-это один из вариантов построения нейронных сетей.
Однослойный перцепторон не решает задачу исключаещего или, что доказано математически и явилось следствием того, что на нейронные сети "забили" в течение примерно тридцати лет, так что использование перцептрона в качестве оценивающего фактора не объективно.
вот на стадии настройки экспертной системы можно действительно натворить чтото типа ручки для налаживания обратной связи.
А вот feedback действительно необходим, лучше двигайся в этом направлении.
так ктож тебе сказал,что однослойный надо юзать?
Зато трехслойный на мой взгляд тут вполне пойдет.
Я выбрал как экспертную систему трехслойный перцептрон потому,что если иметь вменяемую обратную связь,можно использовать обратное распространение ошибки для обучения.Кроме того,на мой взгляд распознание того специфического напряжения в мышцах можно свести к задаче распознавания образов.
пояснения:
обратное распространение ошибки-это алгоритм обучения нейронной сети.
Как определить количество слоёв и количество нейронов в каждом слое?
Каким образом представлять знания в экпертной системе и что в твоём понимании должна представлять из себя экспертная система?
1.обычно это вообще экспериментально подбирается.Или из той формулы для определения колличества запоминаемых образов(правда тогда надо сперва иметь экспериментальные данные).
Недавно также читал о методике с динамическим подбором числа нейронов.но пока недоразобрался.в интернетах там толком математической основы не представлено,так что ищу литературу.Не могу пока сказать,насколько это хорошая идея.
2.Для начала о том,что она должна делать.Располагать текущий уровень интенсивности щекотки на некой безразмерной сравнительной шкале(то есть там нет едениц,но можно сказать,что сейчас интенсивность ощущений выше в 2 раза,чем 5 мин назад).
Представление знаний о системе.На вход мы получаем спектр напряжения мышц.А в самой системе знания будут представлены как входный коэффициенты нейронов(ежели выберем вариант с перцептроном).
Тут мне кажется чтобы говорить предметнее,надо переходить к практике.То есть достать измерительную аппаратуру.
обычно это вообще экспериментально подбирается.Или из той формулы для определения колличества запоминаемых образов(правда тогда надо сперва иметь экспериментальные данные).
Недавно также читал о методике с динамическим подбором числа нейронов.но пока недоразобрался.в интернетах там толком математической основы не представлено,так что ищу литературу.Не могу пока сказать,насколько это хорошая идея.
Первое - нужно иметь непротиворечивые исходные данные, подчинённые нормальному закону распределения и в огромном количестве.
Второе - формула для определения количества нейронов по емкости сети (количество распознаваемых образов) работает исключительно в сетях с определённой архитектрурой (Хопфилда и Хэмминга), которые содержат один слой нейронов.
Третье - весьма сомнительно, что есть эффективные алгоритимы динамического подбора нейронов.
Для начала о том,что она должна делать.Располагать текущий уровень интенсивности щекотки на некой безразмерной сравнительной шкале(то есть там нет едениц,но можно сказать,что сейчас интенсивность ощущений выше в 2 раза,чем 5 мин назад).
Представление знаний о системе.На вход мы получаем спектр напряжения мышц.А в самой системе знания будут представлены как входный коэффициенты нейронов(ежели выберем вариант с перцептроном).
Между экспертными системами и нейронными сетями огромная разница, поэтому принципиально важно различать эти понятия. Знания, по определению, в нейронных сетях хранятся в весовых коэффициентах, в то время, как экспертная система - это система более высокого логического уровня, в которой знания представляются совершенно иным образом, в зависимости от конкретной задачи.
Кроме этого, всё придётся представлять в виде шкал и цифр, а это отдельная область знаний, требующая не меньшего внимания, чем нейронные сети.
1.ну условие с нормальным распределением является необходимым только для задачи кластеризации.Но у нас посути есть один класс и требуется только выяснить степень принадлежности к нему.
2.Неа.Там просто другая формула.Я точно ее не помню.Но там для многослойного была формула на http://neuroengine.com/ .Вроде работала.
3.тут ничего не могу сказать пока что.ибо в процессе поиска информации.
4.нейросеть-это способ реализации конкретно этой экспертной системы(да и не только экспертных систем).
предложить какойнибудь другой пока сложно.Ибо сама возможность такой системы держится на гипотезе,что распознавание физических ощущений можно свести к распознаванию образов.
5.Сразу говорю,что да,нейрон в Р слое один.Да,его достаточно,если использовать как пороговую функцию пологую сигмоиду.
неплохой механизм подбора числа нейронов-регрессивный.То есть мы тыркаем заведомо большее число нейронов,чем оно нам надо.Обучаем.
дальше проверяется,какие нейроны слабо влияют на результат и таковые удаляются.
Для нашего случая не думаю,что подойдет,так как у нас размер выборки может увеличиваться.Ищу данные по прогрессивному механизму.Там еще была какаято хрень с генетическим подбором,но оно мозгоебно и я пока не выкурил.
Могу лишь посоветовать почитать что-нибудь по математическим методам интерполяции, экстраполяции, фильтрам, динамическим фильтрам (в частности, фильтр Калмана) и базовую теорию по нейронным сетям (С. Хайкен).
экстраполяция и интерполяция здесь нах не надо.
Фильтры-надо подумать,как.
Сайт, на который ты дал ссылку, на мой взгляд, представляет собой не очень серьёзный сборник статей - винегрет обо всём и одновременно ни о чём. Например, морфологический анализ не имеет ничего общего с ИИ - такую задачу сейчас решает элементарный ворд.
Давай сойдёмся на том, что я не верю в то, что это возможно и сомневаюсь в твоих методах достижения этого.
1.я сказал,что гдето там формула для вычисления емкости многослойного перцептрона.
2.ясно.
я сказал,что гдето там формула для вычисления емкости многослойного перцептрона.
Если есть формула для решения твоей задачи, то за неё можно Нобелевскую премию получить.
А <= 2^BV
A-кол-во образов,В - количество нейронов в слое, V- количество слоев
Отредактировано fabal (2011-03-02 20:38:45)
Есть ли хоть какой-то вывод этой формулы? На каком основании считается, что она работает? Где описание опытов, если считается, что экспериментально доказана её работоспособность? Хоть какие-то математические обоснования этой формулы?
ээээ -_-
количестко эндорфинов в крови измерить?
ЗЫ если такую машину автоматизации щекотки изобретут я ж тогда вообще из дома выходить не буду -_-
ЗЫ если такую машину автоматизации щекотки изобретут я ж тогда вообще из дома выходить не буду -_-
Не легче ли живого партнера найти?
если такую машину автоматизации щекотки изобретут я ж тогда вообще из дома выходить не буду -_-
не изобретут
не изобретут
Ну вот зачем ты тут нас всех последней надежды лишил?? )
ЗЫ если такую машину автоматизации щекотки изобретут я ж тогда вообще из дома выходить не буду -_-
Не легче ли живого партнера найти?
-_- с моей стеснительностью лучше машинку
хотя на самом деле все куда проще, вы правы
-_- с моей стеснительностью лучше машинку
хотя на самом деле все куда проще, вы правы
С возрастом снеснительность уменьшается. Так что все у тебя еще впереди
Вы здесь » ticklinginrussia » Tickling forum » как измерить щекотку?