> Pre svega, zašto veštačke NM "rade"? Jasno je da one tek pomalo liče na stvarne > NM, pa pretpostavljam da mora da postoji teoretski dokaz da su u stanju da
> prepoznaju ili klasifikuju uzorke.
> Drugo, ograničenja zbog kojih se danas napuštaju, da li su u području treniranja > NM ili u području njihove efikasnosti, ili možda rezolucije, bez obzira na količinu
> treniranja?
Prednost n. mreza je zapravo istovremeno i njihova mana - tesko je
objasniti na konkretnom primeru zasto se mreza ponasa tako kako se ponasa, i ako ce mreza napraviti greski u , recimo, 0.1% slucaja ti ne mozes da matematickim formulama pokazes nekom investitoru kada ce se ti slucajevi desiti. Za neke probleme bi mozda vec danas bilo lakse koristiti n. mreze, ali nemogucnost
da izvedes formulu po kojoj se ponasa cini ih nepopularnim, pa na mars salju
robote koji koriste ekspertske sisteme, a ne n. mreze, naprimer.
> Ponovo, da li postoji fundamentalni razlog tog ograničenja? Da li je to problem
> prebrzog povećavanja broja potrebnih neurona sa povećanjem složenosti zadatka > (nepraktičnost) ili je jednostavno nemoguće "probiti barijeru" (teorijski limiti)?
pa po meni je ovo prvo, jer kako procesorska snaga raste exponencijalno, snaga n. mreze raste linearno - n. mreze napreduju nekako stihijski, u pozadini :-)
Danas se domet njihove primene relativno mali, ali je takodje cinjenica da se taj domet povecava kako vreme prolazi.
Posebno su mi zanimljive 'kreativne' neuralne mreze koje razvija Stephen Thaler,
(
www.imaginationengines.com - obavezno proverite) . Tamo su razvili sistem dve neuralne mreze koji _generise_ nova resenja koja su slicna datom uzorku. Koristili su je u industrijskom dizaju (generisanje novih oblika cetkica za zube - ludo!:-)), kao i u otkrivanju novih supercvrstih materijala i u nekim vojnim projektima...Oni danas po meni rade teorijski (i tehnoloski) high-end u ovoj oblasti.
> Da li je oseka NM deo oseke cele ideje masivnog simetričnog paralelizma? Sećam > se da su su kompjuteri sa masivnim paralelizmom ("kompjuterski sistemi četvrte i > pete generacije") bili rešenje u potrazi za dobrim problemom, a neuro mreže su
> trebale da budu taj problem, neka vrsta "paralelizatora" bilo kakvog zadatka, čak > i takvih koji zahtevaju iterativne algoritme rešavanja. Da li je danas dokazano da > je takva nada bila uzaludna?
mislim da je to kvantitavno pitanje -> racunari su jos uvek jako spori za ozbiljnije
primene n. mreza. primer : prepoznavanje kontinualnog govora - idealno bi bilo
imati rekurentnu mrezu koja koristi evolucioni algoritam, ali za ucenje takve
mreze nema dovoljno brzog racunara, pa sva sadasnja resenja su neka vrsta
'snalazenja' u nedostatku racunarske snage da se to resi onako kako se desava
u nasim glavama. :-) Pitanje je, u stvari, da li mozemo da 'ekstrakujemo' bas
sve formule i metode kod tih problema ili ce nam uvek ostati neke skrivene koje
ce nam onemoguciti da ikad nadjemo savrsena resenja. (umesto dovoljno dobrih)
Uzimajuci u obzir Murov zakon, cini se da ce to vreme doci :-)
pozdrav,
NS
pozdrav,
ns