|
Сообщение от EmperioAf
|
|
А в чём отличие от того как обычно подбирают кол-во нужных слоёв для нейро-сети?
|
В том что структура нейросети будет разной, возможно даже отличаться от животных. То есть нейрны могут свои виртуальные аксоны как хош переплетать. Возможно даже получится превзойти природу, так как у нас будет узкая задача "распознавание картинок" а не "выживание" где распознавание картинок побочная задача.
а вообще да, идея баянистая:
То есть при обучении нейросети мы просто задаем веса опсиывающие ассоциации сетки. А я хочу чтобы можно было менять саму форму и структуру сетки, чтобы оно могло вообще создать не солои я не знаю, цепочки, кружки, штуки без названия, колоночки, разные нейроструктуры, которые бы там как то обьединялись хитро. всякие оптимизации, в общем все то что делает природа: перебирает кучу вариантов а самые лучшие оставляет)
То есть мы описываем типа гены, массив генов, дальше виртуальная рибасома типа виртуально определяет структуру мяса, структуру расположения нейронов, далее мы обучаем сетку, далее тестируем.
тестируем параметры (скорость обучения, качество работы)
то есть мы
не просто софтвере будем обучать с подкреплением "хорошо плохо", а еще и использовать некие аналоги генов описывающие
хардвере - форму строения виртуального мяса сетки.
То есть типа сделать мясо, посмотреть насколько круто оно обучается и насколько быстро работает. Попробовать сделать другое мясо, сравнить на сколько быстро ОНО обучается и насколько круто работает. И так много много итераций рандомных. Ну а дальше ты знаешь), выбираем лучшие и двигаемся в том направлении.