Тебе зачем?

@komar к хуйку применять, зачем же ещё. Давно были подобные идеи (я даже рассказывал про старые попытки), а теперь вот вспомнил их.

@gds Дык это и интересно. Что за задача? Ничего ты не рассказывал. А то ML — это как правило повыебываться, какой я умный.

@polecat ну ты даёшь. Трендово было несколько лет назад. А теперь -- чистая история. Пару лет пройдёт -- и это будет такой же классикой, как лямбда-исчисление.

@komar да там не задача, скорее просто идейки. Авторство-хуявторство, стиль текста.

@gds Ясно. Ну если придумаешь что-нибудь смешное — говори.

@gds пруф или дедфуды дипломы пишут

@gds Ага, будет, только не с фон-неймановской архитектурой компухетров с дорогими вычислениями.

Я даже как-то не думаю, что на bnw найдётся человек, кто бы реально занимался этим кроме внешнего интереса. В студентотстве переписывал когнитрон на qt, адаптировал и настраивал под распознавание цифирок, может я ебланил, может алгоритмы, но эта хуйня жрала овер дохуя ресурсов и требовала большого периода обучения, чтобы начать давать результат. Короче тупняк и говно этот ваш машинлёрнинг, просто как забить мозг ненужным хламом ок, может даже диссер защитить, я работал с дипломом выпускника, а так нахуй надо корочи.

@je ты серьезно? :0 В обработке биосигналов применяется повсеместно, да и не только там.

@8 Для какой цели нейросеть в обработке биосигналов и что за природа сигналов?

Чтобы адекватно предсказывать выходные данные по входным. Откуда я знаю, про какие сигналы ты говоришь? По любым, содержащим полезную информацию, можно обучить. Чем зашумленнее и нелинейнее, тем сложнее.

@8 Интересно бы вот на это посмотреть, просто настройка и обучение часто требуют времени большего, чем написать жёсткий алгоритм, который будет молотить это со скоростью, к какой не приблизятся нейросети. // с дивана кун

@8 только к предсказанию процессов маркова обучение не применимо

@je что-что? какой алгоритм? а обучение чем не часть алгоритма? а, ты предлагаешь вместо того, чтобы показать алгоритму эталонные входные и выходные сигналы, ПОДОБРАТЬ ВРУЧНУЮ закон, по которому входной превращается в выходной? ну... мгхм... удачи?

@anonymous черт, анонимуса теперь рефлекторно ставлю

@je представь что ты анализируешь ЭЭГ и каждый день к тебе приходит новый пациент. если у тебя алгоритм с обучением, ты просто выбираешь эталонные участки на ЭЭГ каждого пациента, и алгоритм подстраивается под особенности данного пациента. а с "жестким алгоритмом" так не выйдет.

@8 Да почему нет-то, нейросеть + обучение = конечный автомат, где обучение это подстроечные коэффициенты для автомата. Вот и всё.

@je > кусок кода в работе > алгоритм в несколько строчек пнятн. что это за язык со словом procedure и фигурными скобочками?

@je создается впечатление, что у тебя машинное обучение == нейронные сети это действительно так?

@8 Псевдокод.

@je и как ты в жестком алгоритме будешь вносить поправки на индивидуальные особенности пациента? коэффициенты вручную поменяешь?

@8 Не совсем, для меня нейросети == реально, пусть и плохо работающий пример алгоритмов с обучением. Машинное обучение == громкие словечки, за которыми ничего не стоит.

@je :0 Машинное обучение - название области знаний, включающей в себя знания об алгоритмах, использующих обучение по набору входных и выходных данных для того, чтобы в итоге моделировать выходные данные, зная только входные. >громкие словечки, за которыми ничего не стоит. Какие-то у тебя странные комплексы.

@8 Я не думал над твоей задаей, не стану торопиться, но думаю всё это можно грамотно сделать и на жёстких алгоритмах. Если нейруха у вас в этой прикладой области хорошо прижилась, то это хорошо только, значит на славу CS работает. Ты рассказывай, мы послушаем с удовольствием.

@je обучаю алгоритмы без использования нейронных сетей <_< на самом деле любой обучаемый алгоритм можно назвать нейронной сетью, т.к. он ест входные данные и выдает выходные

@8 *перед этим построив f(входных), которая = выходным

@8 Так любые программы работают, если чо. Нейросеть сама коэффициенты весовых функций выбирает, чтобы достичь лучшего результата, вот это выделяет её в нейросеть.

@je наверное, недостаточно ясно выразилась. *перед этим ПОДОБРАВ КОЭФФИЦИЕНТЫ f(входных), которая = выходным

@je я привыкла называть нейросетями только те алгоритмы, которые удобно разрисовывать в виде нейронных сетей. а те, которые можно и нарисовать, но только как однослойные, и в этом слое происходит еще много разной активности, не присущей классическим нейросетям (не только коэф. выбирают, но и используют входные данные для получения параметров весовых функиций, например), называю обучающимися алгоритмами.

@8 Ну ладно, хорошо, накидай топик-стартеру литературы, если шаришь. Я чото не могу найти ничего достойного, сам по частичкам собирал то, что меня интересовало. Вот какая-то бумажка, но здесь много матана и мало программинга, я сам это точно сходу не понимаю http://lia.univ-avignon.fr/chercheurs/torres/livres/book-neuro-intro.pdf

@8 Вообще вам это в какой-то форме дают лекциями или просто посадили и выдали клавиатуру, показав что тыкать?

@je из 6 лет что я училась в универе, в последние 3-4 года и лекции читали, и клавиатуру давали. гармоничное развитие. лекции показывали, что тыкать. как без лекций показать? :0

@8 ТОПЕКСТАРТЕР ПЕЗДУЙ В УНЕВЕР через 6 лет приходи

@8 А, ну то есть у тебя профильное образование, ясно. Здесь-то люди хотят сесть и завтра написать бабу-робота.

@komar ну что ты такой злой можно и книжечку почитать только я хз, какую. что довольно странно, в лекциях иногда понятно объяснялось то, понятное объяснение к чему не гуглилось.

@je а, ну тогда все просто: не выйдет :3

@8 обосрался

@komar а, вот почему ты такой злой был... ну теперь тебе лучше?!

@je шареш, тупые нейронки отбрасываем сразу. Надо ещё чото. Про то и спрашиваю. Ну или умные нейронки надо, но это сомневаюсь.

@je вот это норм, автор жжот.

@8 значит, ты знаешь, что такое "машинное обучение". Если не по википедии, то подкинь грамотных ссылок. Это будет рационально!

@je много страниц! Тем не менее, попробую на досуге, молодость вспомню.

@komar ХУЙ ВИДЕЛ ДА

спроси тут http://juick.com/duckling у ШАД есть лекции http://shad.yandex.ru/lectures . Где-то рекомендовали это http://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation-ebook/dp/B00AF1AYTQ

@ckorzhik в жуйк не пойду, а за ссылки благодарю.

@gds при желании можно найти контактик и идти спрашивать туда //inb4 одни сорта говн хуже других

@ckorzhik да, думаю, на этом человеке мир клином не сошёлся, как-нибудь сам попробую dive into ml. // говно с тоней хуже говна без тони

@gds инженер (@engineer) ещё постоянно пишет про ai. Может быть, можно у него поспрашивать.

@ckorzhik хорошая идея, спрошу.

@ckorzhik > implying человек с ником @engineer может не только пиздеть

@goren вот да. // но они же только с виду разумные, иначе уже были бы тут

@goren Можно ради интереса провести эксперимент и позвать, но я сильно сомневаюсь в успехе.

@ckorzhik У них тут не как у антона и чешут на поинт.

@goren да понятно, чем -- привычной аудиторией. Гитхаб круче остальных тоже именно поэтому.

@goren а тут ведь нахуй послать могут, страшно и фрустрация.

@komar на поинте не видел, сорь. btw, куда подевались люди, которые в давние времена писали про матанец на жуйке? Всякие dukkha, akemi, bubo-bubo и прочие.

@goren Насовсем.

@gds только за этим и сижу, ле

@mugiseyebrows компенсируешь своё реаллайф-существование в образе альфа-самца?

@gds не распарсил, я здеся альфа или тама альфа // я имел ввиду что сижу чтобы иметь возможность быть сразу посланым нахуй в случае неправоты или неуверенности в позиции, в культурном обществе (вроде хабры (ле)) чтобы донести до собеседника что он не прав разводят словесное хуёмоё которое не помогает а мешает понять, а так назвали тебя тупой бинарной пиздой и сразу видно свою ошибку

@mugiseyebrows это да. Однако поначалу понял тебя так, что ты тут сидишь с единственной целью "быть посланным нахуй".