tiphareth: Cyclicly co-fibrant co-homotopy

(Читать комментарии) - (Добавить комментарий)

sometimes
2020-02-14 23:25 (ссылка)

Нечеткие множества - это по факту тип double, все классификаторы внутри
вычисляют какой-то род степени правдоподобия принадлежности классу. Так что такого рода хардварь - это NVIDIA 2080 Ti, TPU и какое-то сейчас ещё более продвинутое говно параллельное недавно выпустили с низким энергопотреблением. Впрочем, число ядер ещё пока совсем несравнимо с числом нейронов в коре - хотя нейрон и более примитивное вычислительное устройство, чем GPU-ядро (но не столь примитивное, как считалось ранее). Но все-таки какую-нибудь аплизию вряд ли получится "обучить" играть в шахматы - а было бы забавно; собаку или дельфина, наверное, можно.

(Ответить) (Уровень выше) (Ветвь дискуссии)

stereo_sanctity
2020-02-15 17:36 (ссылка)

не, я больше про neuro-fuzzy подходы
(ANFIS: https://en.wikipedia.org/wiki/Adaptive_neuro_fuzzy_inference_system , и ее потомки),

сейчас очень ного используется это подход в системах с on-chip learning ,
типа умных вебкамер без бэкенда и теде ,

требует много слабее железо чем "традиционный" DL, и работает не хуже, но зачастую железо идет как SoC с единственным применением. плюс можно проследить полностью за тем как система делает inference в большинстве случаев, нет проблемы черного ящика, как с модными ныне NN без нечеткой логики.

но вот фундаментальные исследования сильно тормозят и там фигачат по сути полтора сингапурца/тайваньца : https://ieeexplore.ieee.org/author/37301984400 и соавторы + с середины нулевых особо новых алгоритмов нетути.

Nvidia 2080 Ti это уже хорошо ближе чем нейроморфные интерфейсы, конечно. мне еще Jetson Nano нравится из подобного хардваря,
но чтобы там чтото реальное было,
нужно массово раздавать такие камни,
просить людей подключать к сети,
типа как BOINC вот был,
чтобы машина обучалась постоянно в сети,
чтото подобное

(Ответить) (Уровень выше)

(Читать комментарии) -