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...
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...
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...
誰が制定したのですか？私たちは、50ミリ秒後に80％の精度で物体を分類することができます。これは、どんなバックグランジでも1秒間に20個です。 多くの哺乳類は、食べられないようにするために、さらに速くします（進化）。人工網は数秒で、しかも空のバックグラインドで行う。脳の力はその並列性にあり、従来のコンピュータ技術では決して実現できない。 自動売買の有用性を否定する人はいないが、今後20〜30年の間に、市場のパターン探索においてネットワークがトレーダーの脳に取って代わることはないだろう。多くの神経細胞が必要なのです。10～20個のニューロンを持つネットワークがトレーダーの脳の代わりになると思っている人はいるのだろうか？このトレーダーは、なんという間抜けな生き物なのだろう。
だから、変わったコンピューター技術に取り組む人たちがいるのです。))
クワベナ・ボアヘンが語る、脳のように働くコンピューター
だから、変わったコンピューター技術に取り組む人たちがいるのです。))
クワベナ・ボアヘンが語る、脳のように働くコンピューター
Kwabenaは個人的に知っていますが、マンチェスターのSpiNNakerプロジェクトやそのリーダーで、最初のARM（http://apt.cs.man.ac.uk/projects/SpiNNaker/project/）を開発したSteve Furberのことも知っています。スティーブは、1チップに18個のARMプロセッサーを搭載し、48チップ、つまり864個の並列プロセッサーを搭載することに成功したのです。各プロセッサは500ニューロン、すなわち432,000ニューロンを計算する。今のところ、このネットワークは何も役に立ちません。また、他のグループが新しいタイプのプロセッサーを開発していることも知っています。まだ現実には程遠いので、20～30年は待たねばならないというのが私の予想です。
Kwabenaは個人的に知っていますが、マンチェスターのSpiNNakerプロジェクトやそのリーダーで、最初のARM（http://apt.cs.man.ac.uk/projects/SpiNNaker/project/）を開発したSteve Furberのことも知っています。スティーブは、1チップに18個のARMプロセッサーを搭載し、48チップ、つまり864個の並列プロセッサーを搭載することに成功したのです。各プロセッサは500ニューロン、すなわち432,000ニューロンを計算する。今のところ、このネットワークは何も役に立ちません。また、他のグループが新しいタイプのプロセッサーを開発していることも知っています。まだ現実には程遠いので、私は20～30年後と予想しています。
自然を真似る必要はない...」については、Jooさんの意見に賛成です。
また、人間の脳がかなり効率的に働いていることも、同感です...。けど
2＋2」の足し算をするためには、「2」のイメージを認識し、次に「＋」のイメージ、そして再び「2」のイメージを認識し、「数学」のセクションから関連性を見出す必要があるのです。
例題と答えを一致させることを忘れないようにしましょう。
このような方法は、普遍的ではあるが（人間が自然の領域を超えることができた）、コンピュータに比べれば非力だと思わないか。
実際、誰もが何らかの理由で自然の道に従っているが、自然には数学がなく、自然が試した方法はこの教義では有効ではない。だからこそ、優れた数学者になるためには、ほとんど世界を否定し、数学にすべてを捧げなければならない（直訳すれば、習得した数学の知識を身近に置いておくという意味）のだ。しかし、同時に、MathCadを持った馬鹿な機械が、最も優秀な数学者よりもずっと効率的にすべてを解決してしまうのです。
SZY 「コンピュータは、歯が丈夫で嗅覚が鋭い犬のような、人間のアシスタント」だと考えています。
自然を真似る必要はない...」という部分については、Jooさんと同意見です。
また、人間の脳がかなり効率的に働いていることも、同感です...。けど
2＋2」の足し算をする人は、「2」の画像を認識し、次に「＋」の画像を認識し、また「2」の画像を認識し、「数学」のセクションから関連性を見つけなければなりません。
と言って、例題と答えを一致させることを忘れないようにしましょう。
このような方法は、普遍的ではあるが（人間が自然の領域を超えることができた）、コンピュータと比較すると非効率的だと思いませんか？
実際、誰もが何らかの理由で自然の道に従っているが、自然には数学はなかったし、自然が試した方法はこの教義では有効ではない。だからこそ、優れた数学者になるためには、ほとんど世界を否定し、数学に完全に専念しなければならない（つまり、数学の知識を身近に置いておくことである）のである。しかし、同時に、MathCadを持った馬鹿な機械が、最も優秀な数学者よりもずっと効率的にすべてを解決してしまうのです。
SZY 「コンピュータは、歯が丈夫で嗅覚が鋭い犬のような、人間のアシスタント」だと考えています。
人工ニューラルネットワークについての議論です。私の考えでは、現代の人工ネットワークは、市場のパターンを 探索するトレーダーの頭脳に取って代わることはできません。これまでのところ、彼らは回帰、すなわち入力の非線形関数としての出力（買い/売り）のモデリングしか使用していません。ネットワークの重みは、過去の例における誤差を最小化することで最適化されるが、これは未学習のデータに対する収益性を保証するものではない。ネットワーク内のニューロン数を増やすと、他の非線形モデルと同様に、学習例での誤差をゼロにすることができますが、将来的にネットワークの収益性に貢献することはなく、ダメージを与えるだけです（再トレーニング）。もうみんな知っていますよ。ネットワークが少なくとも何らかの可能性を持つようにするためには、出力に一貫した影響を与えるような入力を選択する必要がある。この入力の選択は、過去のデータを研究し、規則性を見出すことによって、私たちが行っています。ネットワークそのものは、パターンを見つけるためではなく、非線形入出力モデリングのためのツールになる。ネットワークがパターンを探すためには、私たちの脳の原理に従って構築される必要があります。普通のネットワークで神経細胞の数をバカスカ増やしても何の意味もない。さもなければ、ゾウは我々と同じように賢くなる（神経細胞の数は同じだ）。
私はここでコンピュータの役割を軽視したわけではありませんが、人間がいなければ、彼らはまだ鉄のままです。将来的には、新しいタイプのネットワークがデータのパターンを見つけることを学習するようになる可能性があります。しかし、この分野の研究の現状を知ると、待つしかない。ところで、SFの本や映画で、すでに過去のものとなった未来のロボットを予測していたのに、それが来なかったことを不思議に思った人はいないだろうか？人類は月へ飛ぶことを覚え、コンピュータとインターネットは速くなったが、ロボットはどこにもいない!
Kwabenaは個人的に知っていますが、マンチェスターのSpiNNakerプロジェクトやそのリーダーで、最初のARM（http://apt.cs.man.ac.uk/projects/SpiNNaker/project/）を開発したSteve Furberのことも知っています。スティーブは、1チップに18個のARMプロセッサーを搭載し、48チップ、つまり864個の並列プロセッサーを搭載することに成功したのです。各プロセッサは500ニューロン、すなわち432,000ニューロンを計算する。今のところ、このネットワークは何も役に立ちません。また、他のグループが新しいタイプのプロセッサーを開発していることも知っています。今のところ現実離れしているので、20～30年待つと予測したわけです。
そのような研究者を個人的に知っているのは素晴らしいことです。ヘンリー・マークラムをご存知ですか？2009年の予測では10年だった。:)今、彼はどのような立ち位置にいるのだろう。
ヘンリー・マークラムはスーパーコンピュータの中で脳を構築している
人工神経回路網について議論しているのですが、よくわかりません。私の考えでは、現代の人工ネットワークは、市場のパターンを探索するトレーダーの頭脳に取って代わることはできないと思っています。こ れまでのところ、彼らは回帰、すなわち入力の非線形関数としての出力（買い/売り）のモデリングしか使用していません。ネットワークの重みは、過去の例における誤差を最小化することで最適化されるが、これは未学習のデータに対する収益性を保証するものではない。ネットワーク内のニューロン数を増やすと、他の非線形モデルと同様に、学習例での誤差をゼロにすることができますが、将来的にネットワークの収益性に貢献することはなく、ダメージを与えるだけです（再トレーニング）。もうみんな知っていますよ。ネットワークが少なくとも何らかの可能性を持つようにするためには、出力に一貫した影響を与えるような入力を選択する必要があるのです。この入力の選択は、過去のデータを研究し、規則性を見出すことによって、私たちが行っています。ネットワークそのものは、パターンを見つけるためではなく、非線形入出力モデリングのためのツールになる。ネットワークがパターンを探すためには、私たちの脳の原理に従って構築される必要があります。普通のネットワークで神経細胞の数をバカスカ増やしても何の意味もない。さもなければ、ゾウは我々と同じように賢くなる（神経細胞の数は同じだ）。
私はここでコンピュータの役割を軽視したわけではありませんが、人間がいなければ、彼らはまだ鉄のままです。将来的には、新しいタイプのネットワークがデータのパターンを見つけることを学習するようになる可能性があります。しかし、この分野の研究の現状を知ると、待つしかない。ところで、SFの本や映画で、すでに過去のものとなった未来のロボットを予測していたのに、それが来なかったことを不思議に思った人はいないだろうか？月への飛行、高速コンピュータとインターネット、でもロボットはない!
私は、NSの研究の方向性、自然を写すというパラダイムそのものに疑問を持っただけなのです。
人間の脳をイメージして作られたネットワークが、クリエイターを超えることができるのか、大いに疑問があります。
NSの研究は、今のNSの数値がイメージに過ぎないのに対し、デジタルデータを直接認識する方向に進む必要があると考えています。
技術的手段は、車輪であれ飛行機であれ、自然をコピーしたことはないが、その仕事をすることは完全に可能である。したがって、NSは数学的モデルを扱うべきで、トレーダーの分析・意思決定を真似るべきではない
SZS: アーティストのプロセスを再現するカメラがどのようなものか想像してみてください ))))。
技術的手段は、車輪であれ飛行機であれ、自然をコピーしたことはないが、その仕事をすることは完全に可能である。したがって、NSは数学的モデルを扱うべきで、トレーダーの分析・意思決定を真似るべきではない
ZS: アーティストのプロセスを再現したカメラがどんなものか想像してみてください ))))
カメラは目をコピーするので、例のものはカウントされません。しかし、全体としては、私の投稿のポイントを正しく捉えています。
カメラが目をコピーすることには同意しますが、結果はアーティストと同じです - 紙の上のイメージ、私が写真を作る技術的なプロセスを記述しなかった唯一のもの
NSの問題ではなく、NSがトレーニングのために提供する市場情報の数理モデルの問題なのです。過去2、3、...100のバーを閉じる人、テクニカル指標を読む人、一言で言えば「あなたが得意なもののために」、我々は市場情報が取引にとって本当に重要であるかを理解しなければなりません - パターン？ 最後の数バー？ ボリューム？ 時間帯？そして悲しいことに、不要な情報をフィルターにかけ、市場の数学的モデルを作り上げたことで、NSなしでも効果的なTSを構築することができるのです。