Redes neuronales artificiales. - página 8

 
gpwr:

¿Quién lo ha establecido? Podemos clasificar un objeto después de 50 milisegundos con un 80% de precisión. Muchos mamíferos lo hacen aún más rápido para evitar ser comidos (evolución). Las redes artificiales lo hacen en pocos segundos, y en un buckgrind vacío. El poder del cerebro está en su paralelismo, que nunca podremos alcanzar con los medios convencionales de la tecnología informática. Nadie niega la utilidad de la negociación automatizada, pero las redes no sustituirán al cerebro del operador en la búsqueda de patrones en el mercado en los próximos 20-30 años. Se necesitan muchas neuronas. ¿Alguien cree que una red con 10-20 neuronas puede sustituir al cerebro del comerciante? ¡Qué criatura más tonta debe ser este comerciante!

Por eso hay gente que trabaja en tecnologías informáticas poco habituales. ))

Kwabena Boahen habla de un ordenador que funciona como un cerebro

Квабена Боахен рассказывает о компьютере, который работает по принципу мозга
Квабена Боахен рассказывает о компьютере, который работает по принципу мозга
  • www.ted.com
Исследователь Квабена Боахен ищет пути повторения в силиконе колоссальной вычислительной мощности человеческого мозга, поскольку изучение беспорядочных, характеризующихся высокой избыточностью процессов, протекающих в голове человека, даёт реальный толчок для создания небольшого, лёгкого и супер...
 
tol64:

Así que hay gente que trabaja en tecnología informática inusual. ))

Kwabena Boahen habla de un ordenador que funciona como un cerebro

Conozco personalmente a Kwabena. También conozco el proyecto SpiNNaker de Manchester y a su líder Steve Furber, que desarrolló el primer ARM(http://apt.cs.man.ac.uk/projects/SpiNNaker/project/). Steve consiguió meter 18 procesadores ARM en un solo chip y 48 chips, es decir, 864 procesadores en paralelo. Cada procesador calcula 500 neuronas, es decir, 432 mil neuronas. Hasta ahora esta red no hace nada útil. También sé que otros grupos están desarrollando un nuevo tipo de procesador. Todavía está muy lejos de la realidad, de ahí mi predicción de que deberá esperar entre 20 y 30 años.

Research Groups: APT - Advanced Processor Technologies (School of Computer Science - The University of Manchester)
Research Groups: APT - Advanced Processor Technologies (School of Computer Science - The University of Manchester)
  • apt.cs.man.ac.uk
What are the Goals of the SpiNNaker Project? SpiNNaker is a novel massively-parallel computer architecture, inspired by the fundamental structure and function of the human brain, which itself is composed of billions of simple computing elements, communicating using unreliable spikes. The project's objectives are two-fold: To provide a...
 
gpwr:

Conozco personalmente a Kwabena. También conozco el proyecto SpiNNaker de Manchester y a su líder Steve Furber, que desarrolló el primer ARM(http://apt.cs.man.ac.uk/projects/SpiNNaker/project/). Steve consiguió meter 18 procesadores ARM en un solo chip y 48 chips, es decir, 864 procesadores en paralelo. Cada procesador calcula 500 neuronas, es decir, 432 mil neuronas. Hasta ahora esta red no hace nada útil. También sé que otros grupos están desarrollando un nuevo tipo de procesador. Todavía está muy lejos de la realidad, de ahí mi predicción de esperar 20-30 años.

Estoy de acuerdo con Joo en lo de "no es necesario copiar la naturaleza...".

También estoy de acuerdo contigo en que el cerebro humano funciona con bastante eficacia... pero

una persona para sumar " 2 + 2 " necesita reconocer la imagen de "2", luego la imagen de "+" y después otra vez "2", luego encontrar la asociación de la sección "matemáticas",

Recuerda que el ejemplo debe coincidir con la respuesta.

¿No cree que dicho método, aunque universal (que permitió al hombre elevarse por encima del reino de la naturaleza), es ineficaz comparado con el ordenador?

De hecho, todo el mundo, por alguna razón, sigue el camino de la naturaleza, pero la naturaleza nunca ha tenido matemáticas, y los métodos probados por la naturaleza no son eficaces en esta doctrina, por eso para llegar a ser un matemático sobresaliente hay que negar casi el mundo, y dedicarse enteramente a las matemáticas (lo que en la traducción significa mantener los conocimientos adquiridos de las matemáticas en las asociaciones más cercanas). Pero al mismo tiempo, una máquina tonta con MathCad lo resuelve todo con mucha más eficacia que el matemático más brillante.

En mi opinión, el "ordenador es un asistente humano", como un perro con dientes más fuertes y un olfato más agudo.

 
Urain:

Estoy de acuerdo con Joo en lo de "no es necesario copiar la naturaleza...".

También estoy de acuerdo contigo en que el cerebro humano funciona con bastante eficacia... pero

una persona para sumar "2 + 2" tiene que reconocer la imagen "2", luego la imagen "+", luego otra vez la imagen "2", luego encontrar la asociación de la sección "matemáticas",

y luego recordar que el ejemplo debe coincidir con la respuesta.

¿No crees que ese método, aunque universal (que permitió al hombre elevarse por encima del reino de la naturaleza), pero en comparación con el ordenador es ineficaz?

De hecho, todo el mundo, por alguna razón, sigue el camino de la naturaleza, pero la naturaleza nunca tuvo matemáticas, y los métodos probados por la naturaleza no son eficaces en esta doctrina, por eso para llegar a ser un matemático sobresaliente uno debe casi negar el mundo, y dedicarse por completo a las matemáticas (lo que significa mantener el conocimiento recibido de las matemáticas en las asociaciones más cercanas). Pero al mismo tiempo, una máquina tonta con MathCad lo resuelve todo con mucha más eficacia que el matemático más brillante.

En mi opinión, el "ordenador es un asistente humano", como un perro con dientes más fuertes y un olfato más agudo.

La discusión es sobre redes neuronales artificiales. Desde mi punto de vista, las redes artificiales modernas no pueden sustituir al cerebro del operador en la búsqueda de patrones en el mercado. Hasta ahora sólo utilizan la regresión, es decir, la modelización de una salida (compra/venta) como función no lineal de las entradas. Los pesos de la red se optimizan minimizando el error en los ejemplos pasados, lo que no garantiza su rentabilidad en los datos no aprendidos. Aumentar el número de neuronas en la red -como en cualquier otro modelo no lineal- permite reducir a cero el error en los ejemplos de entrenamiento, pero no ayuda a la rentabilidad de la red en el futuro y sólo la perjudica (reentrenamiento). Todo el mundo lo sabe ya. Para garantizar que la red tenga al menos algunas posibilidades, es necesario elegir tales entradas, que tienen un efecto consistente en la salida. La elección de las entradas la hacemos estudiando los datos anteriores y encontrando regularidades. La propia red se convierte en una herramienta de modelización no lineal de entrada-salida, no de búsqueda de patrones. Para que una red busque patrones, debe estar construida según el principio de nuestro cerebro. Aumentar estúpidamente el número de neuronas en las redes ordinarias no conduciría a nada, de lo contrario los elefantes serían tan inteligentes como nosotros (el mismo número de neuronas).

No he menospreciado el papel del ordenador en ningún sitio, pero sin un humano seguirían siendo de hierro. Es posible que en el futuro nuevos tipos de redes aprendan a encontrar patrones en los datos. Pero conociendo el estado actual de la investigación en este campo, tenemos que esperar y esperar. Por cierto, ¿alguien se ha preguntado alguna vez que los libros y películas de ciencia ficción predijeron robots en un futuro que ya es pasado, pero que nunca llegaron? La humanidad ha aprendido a volar a la luna, los ordenadores e Internet son rápidos, pero los robots no aparecen por ningún lado.

 
gpwr:

Conozco personalmente a Kwabena. También conozco el proyecto SpiNNaker de Manchester y a su líder Steve Furber, que desarrolló el primer ARM(http://apt.cs.man.ac.uk/projects/SpiNNaker/project/). Steve consiguió meter 18 procesadores ARM en un solo chip y 48 chips, es decir, 864 procesadores en paralelo. Cada procesador calcula 500 neuronas, es decir, 432 mil neuronas. Hasta ahora esta red no hace nada útil. También tengo conocimiento de que otros grupos están desarrollando un nuevo tipo de procesador. Hasta ahora está muy lejos de la realidad, por lo que preveía esperar 20-30 años.

Es estupendo que conozca personalmente a estos investigadores. ¿Conoces a Henry Markram? Su predicción en 2009 fue de 10 años. :) Me pregunto en qué punto se encuentra ahora.

Henry Markram está construyendo un cerebro en un superordenador

Генри Маркрам строит мозг в суперкомпьютере
Генри Маркрам строит мозг в суперкомпьютере
  • www.ted.com
Тайны устройства разума могут быть решены, и довольно скоро, говорит Генри Маркрам. Поскольку умственные заболевания, память и восприятие составлены из нейронов и электрических сигналов, он планирует обнаружить всё это с помощью суперкомпьютера, который смоделирует все 100...
 
gpwr:

No te entiendo, la discusión es sobre redes neuronales artificiales. Mi punto de vista es que las redes artificiales modernas no permiten sustituir el cerebro del trader en la búsqueda de patrones en el mercado. Hasta ahora sólo utilizan la regresión, es decir, la modelización de la producción (compra/venta) como función no lineal de las entradas. Los pesos de la red se optimizan minimizando el error en los ejemplos pasados, lo que no garantiza su rentabilidad en los datos no aprendidos. Aumentar el número de neuronas en la red -como en cualquier otro modelo no lineal- permite reducir a cero el error en los ejemplos de entrenamiento, pero no ayuda a la rentabilidad de la red en el futuro y sólo la perjudica (reentrenamiento). Todo el mundo lo sabe ya. Para garantizar que la red tenga al menos algunas posibilidades, es necesario elegir tales entradas, que tienen un efecto consistente en la salida. La elección de las entradas la hacemos estudiando los datos anteriores y encontrando regularidades. La propia red se convierte en una herramienta de modelización no lineal de entrada-salida, no de búsqueda de patrones. Para que una red busque patrones, debe estar construida según el principio de nuestro cerebro. Aumentar estúpidamente el número de neuronas en las redes ordinarias no conduciría a nada, de lo contrario los elefantes serían tan inteligentes como nosotros (el mismo número de neuronas).

No he menospreciado el papel del ordenador en ningún sitio, pero sin un humano seguirían siendo de hierro. Es posible que en el futuro nuevos tipos de redes aprendan a encontrar patrones en los datos. Pero conociendo el estado actual de la investigación en este campo, tenemos que esperar y esperar. Por cierto, ¿alguien se ha preguntado alguna vez que los libros y películas de ciencia ficción predijeron robots en un futuro que ya es pasado, pero que nunca llegaron? La humanidad ha volado a la luna, los ordenadores e Internet son rápidos, pero los robots no aparecen por ninguna parte.

Simplemente cuestioné la propia dirección de la investigación en NS, el propio paradigma de la copia de la naturaleza.

Tengo grandes dudas de que una red construida a imagen y semejanza del cerebro humano supere al creador.

Creo que la investigación en materia de NS tiene que ir en la dirección de la percepción directa de los datos digitales, mientras que ahora los números de NS son sólo imágenes.

 
Urain: Simplemente cuestioné la propia dirección de la investigación en NS, el propio paradigma de la copia de la naturaleza.

los medios técnicos nunca han copiado a la naturaleza, ya sea una rueda o un avión, pero son perfectamente capaces de hacer su trabajo, por lo que las SN deben trabajar con modelos matemáticos y no deben imitar el análisis/la toma de decisiones de un comerciante

SZS: Imagina cómo sería una cámara que replicara el proceso de un artista )))))

 
IgorM:

los medios técnicos nunca han copiado a la naturaleza, ya sea una rueda o un avión, pero son perfectamente capaces de hacer su trabajo, por lo que las SN deben trabajar con modelos matemáticos y no deben imitar el análisis/la toma de decisiones de un comerciante

ZS: Imagina cómo sería una cámara que replicara el proceso de un artista )))))

La cámara copia el ojo, así que el ejemplo no cuenta. Pero en general has acertado con el sentido de mi post.
 
Urain:
La cámara copia el ojo, así que el ejemplo no cuenta. Pero, en general, has acertado con el sentido de mi post.
Pero también he presentado un argumento en contra. La cámara fotográfica supera muchas veces las capacidades del ojo, si también es un telescopio. ))
 
Urain: La cámara copia el ojo, así que el ejemplo no cuenta. Pero en general has acertado con el sentido de mi post.

Estoy de acuerdo en que la cámara copia el ojo, pero el resultado es el mismo que para un artista - una imagen en papel, lo único que no describí el proceso tecnológico de hacer una foto

Así que finalmente entendimos por qué los NS no siempre tienen éxito en el comercio: el problema no está en los NS, sino en el modelo matemático de la información del mercado, que los NS proporcionan para la formación - que cierran las últimas 2, 3, ... 100 barras, que leen los indicadores técnicos, en una palabra "para lo que eres bueno", tenemos que entender lo que la información del mercado es realmente importante para el comercio - patrones? últimas barras? volúmenes? hora del día? .... Y lo triste es que habiendo filtrado la información innecesaria y creado un modelo matemático del mercado, se puede construir una TS eficaz sin NS.