Рубрика «нейронная сеть» - 3

1. Введение

В наше время для разработки программного обеспечения приходиться приложить не мало усилий. Слишком много времени тратится на то что логично было бы возложить на компьютеры выбор методологи, проектирование, написание технического задания, тестирование все это делает человек и делает очень медленно. Но возможно ли это в принципе? Доктор технических наук Максим Щербаков в своей лекции «Нейронные сети: maths & magic» ответил: «Да, это возможно». Хорошо иметь автоматизированного помощника, который решит задачу просто имея некие критерии и шаблоны при этом платить ему не надо и сделает он это в кратчайшее время, но какие конкретно задачи могут решать нейронные сети в наше время? Развитие машинного обучения в наши дни идет семимильными шагами не сегодня так завтра машины смогут заменить человека в рутинных задачах. Составление технического задания не самое приятное занятие особенно из-за необходимости расписать все крайне подробно и по форме (подробнее в 4 пункте). Каждая компания выбирает определенную методологию разработки программного обеспечения и меняет её крайне редко. Как же быть если для проекта другая методология подходит лучше прежней или нынешняя не подходит вовсе? Логично было бы заменить, но какую выбрать (подробнее в 5 пункте)? Правильное тестирование должно занимать приличное количество времени и людей. Довольно затратно и долго (подробнее в 6 пункте). Нейронная сеть удешевит и ускорит все эти этапы.
Читать полностью »

Разработка AI для пошаговой игры на Node.js (часть 1) - 1
Всем привет!
Прошло целых полтора года с момента написания моей первой статьи на Хабре. С тех пор проект FOTM претерпел ряд изменений. В начале пройдёмся вкратце по всем модернизациям, а затем перейдём к детальному разбору основной фичи — AI.Читать полностью »

В этой статье не будет ни одной строчки кода, тут будет просто теория метода
обучения нейронных сетей, который я разрабатываю последние пол-года. Реализацию метода планирую в следующей статье.

Перспективы безытеративного обучения нейронных сетей очень велики, это, потенциально, самый быстрый способ обучения НС. Начать цикл работ по безытеративному обучению я хочу с самого простого случая(где упрощать уже некуда). А именно, с однослойной сети прямого распространения с линейной активационной функцией, взвешенного сумматора.Читать полностью »

image

Создать управляемый в реальном времени контроллер для виртуальных персонажей — сложная задача даже при наличии большого количества доступных высококачественных данных захвата движения.

Частично это связано с тем, что к контроллеру персонажей предъявляется масса требований, и только при соответствии им всем он может быть полезным. Контроллер должен уметь учиться на больших объемах данных, но при этом не требовать большого количества ручной предварительной обработки данных, а также должны максимально быстро работать и не требовать больших объемов памяти.

И хотя в этой области уже достигнут некоторый прогресс, почти все существующие подходы соответствуют одному или нескольким из этих требований, но не удовлетворяют им всем. Кроме того, если проектируемая местность будет иметь рельеф с большим количеством препятствий, это еще серьезнее усложняет дело. Персонажу приходится менять темп движения, прыгать, уклоняться или взбираться на возвышенности, следуя командам пользователя.

При таком сценарии нужна система, которая может учиться на основе очень большого количества данных о движении, поскольку существует очень много разных комбинаций траекторий движения и соответствующих геометрий.

Разработки в области глубинного обучения нейронных сетей потенциально могут решить эту проблему: они могут учиться на больших наборах данных, и однажды обученные, они занимают мало памяти и быстро выполняют поставленные задачи. Остается открытым вопрос о том, как именно нейронные сети лучше всего применять к данным движения таким образом, чтобы получать высококачественный результат в режиме реального времени с минимальной обработкой данных.

Исследователи из Эдинбургского университета разработали новую систему обучения, называемую фазово-функциональной нейронной сетью (PFNN), которая использует машинное обучение для анимации персонажей в видеоиграх и других приложениях. Читать полностью »

В прошлый раз мы разобрались, как в принципе устроен цифровой конструктор — откуда в нем столько ограничений, почему они важны и как помогают учить детей и взрослых правильным вещам.

7 команд, которые создают цифровые конструкторы: вчера, сегодня, завтра - 1

Сегодня без сухой теории — просто возьмем и посмотрим на цифровые конструкторы, которые сошли с дистанции, отлично себя чувствуют или только запускаются. Узнаем, как менялись модели их дистрибуции и почему нас ждет волна автоматизации всего.
Читать полностью »

Ослабьте разум, братья и сестры.
Ибо грядет.

Новая Крипторелигия, адепты которой не снимают смарт–крестик и браслетные амулеты, молвятся в смартконы, майнят в техпрогресс (каждый день награждаются за это биткоинами с бесконечно–высокой внутренней стоимостью) и верят в цифровое продолжение жизни.

Цифровое продолжение жизни — начинается с момента (внутри виртуального 21–го века) на следующий после вашей аналоговой смерти день, когда выращенная в будущем пошагово/посекундно на вашем жизненном опыте, качественная копия вашей биологической — компьютерная нейросеть — узнаёт правду о том, кто она, что её оригинал умер, что настоящая свобода, «куда едем, барин?»Читать полностью »

Моделирование эмоций или электронное чувство новизны - 1

Без понимания природы возникновения интеллекта и механизмов разумного поведения невозможно создание искусственного интеллекта. Можно бесконечно составлять сети нейроподобных элементов варьируя их количество, организацию, алгоритмы, но невозможно случайным образом повторить то над чем трудилась эволюция миллионы лет.

Природа деятельности живых организмов определяется их потребностями, связанными с необходимостью выживать, питаться, размножаться и сохранять энергию. И ни одно живое существо не действует вне внутренних мотивов формируемых потребностями. И невозможно представить разум лишенный внутренних мотивов и целей. Каждое движение наших глаз, произнесение слов, формирование мыслей есть результат работы механизмов ответственных за удовлетворение наших потребностей. Стремление создать абсолютный интеллект, не обусловленный никакими потребностями, приведет к получению бездействующего механизма или действующего подобно автомату.

Наш окружающий мир очень сложен и многообразен и создание рефлексов на все случаи жизни, которые бы позволили организму быть в этом мире успешным, не предоставляется возможным. Поэтому природа создала механизм, который позволяет формировать и отбирать рефлексы, которые приводят к желаемому результату – это эмоции, или эмоциональные механизмы.

Но какие же потребности могут быть у искусственного интеллекта, ведь ему незачем испытывать голод, за зарядом его батареи может последить человек, а чувство страха может спровоцировать на действия к самообороне, любовь и привязанность – эти чувства даже Человеку создали множество хлопот. Единственное, что действительно необходимо искусственному интеллекту это желание обучаться, любопытство и стремление к новому. Природа всех эмоций сходна и все перечисленные эмоции, возможно, воплотить в искусственном интеллекте.
Читать полностью »

Память, консолидация памяти и бабушкины нейроны - 1

Первый вопрос, который возникает перед исследователями нервной системы и когнитивных процессов это, что такое память? Что такое память в биологическом аспекте? Как проявляется память на уровне отдельного нейрона? И в какой форме хранится информация в нервной системе?

И сейчас мы ответим на эти вопросы.
Читать полностью »

Вы заметили, что Фейсбук обрёл сверхъестественную способность распознавать ваших друзей на ваших фотографиях? В старые времена Фейсбук отмечал ваших друзей на фотографиях лишь после того, как вы щёлкали соответствующее изображение и вводили через клавиатуру имя вашего друга. Сейчас после вашей загрузки фотографии Фейсбук отмечает любого для вас, что похоже на волшебство:
Читать полностью »

В данной статье мне хочется рассказать о своем алгоритме драм-машины на базе нейронной сети.
Драм-машина предназначена для создания и редактирования повторяющихся музыкальных ударных фрагментов.
Классическим примером драм машины является драм-машины от кампании Roland (TR-808 и TR-909).
Драм-машина на нейронной сети - 1Драм-машина на нейронной сети - 2
Классические драм машины основаны на принципе пошагового программирования и включают в себя секвенсор, с помощью которого можно сделать цифровую запись аранжировки, то есть запрограммировать инструментальную пьесу.
Альтернативным подходом к программированию последовательности ударов является нейросетевой подход.
В данном случае драм машина использует нейронную сеть для получения повторяющихся ударов.
Читать полностью »


https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js