Форум: Проблемы искусственного интеллекта

Регистрация | Вход

Все темы | Новая тема  Стр.3 (4) << < Пред. | След. > >>    Поиск:
Автор	Тема: На: Некоторые предложения
гость 188.123.241.*	На: Некоторые предложения Добавлено: 13 янв 11 18:00 lqrd 13 янв 11 17:00 [...ок, поясню...] ok, спасибо. продожду, пока у вас фильтры заработают [Ответ][Цитата]
NO. Сообщений: 10700	На: Некоторые предложения Добавлено: 13 янв 11 19:10 Цитата: Автор: Andrey По поводу кота. Интеллектуальной системе нет разницы - вы ее обучаете, происходит обучение при взаимодействии с другими похожими системами, или происходит обучение при взаимодейсвтии с неживой природой. Все это - окружающая среда. Вы тоже являетесь частью среды, к которой система приспосабливается. Коты плохо учатся, возьмем собак. Если уже есть группа обученных, мы к ним подсаживаем новую. Она станет обученной? Они же между собой общаются. Далее, когда человек учит собак, он пользуется этими собачьими способами или своими человеческими? Если человеческими, то может ли собака перенять не только знания, но и способ обучения? [Ответ][Цитата]
Andrey Сообщений: 128	На: Некоторые предложения Добавлено: 13 янв 11 19:22 Цитата: Автор: NO. Коты плохо учатся, возьмем собак. Если уже есть группа обученных, мы к ним подсаживаем новую. Она станет обученной? Они же между собой общаются. Далее, когда человек учит собак, он пользуется этими собачьими способами или своими человеческими? Если человеческими, то может ли собака перенять не только знания, но и способ обучения? Один из признанных методов дрессировки так и называется - подражательный. Многие специалисты не считают его основным, но как один из методов его признают все. Всем нужным навыкам только с помощью этого метода обучить собаку нельзя, но при выработке многих навыков он работает. Многое зависит от индивидуальных особенностей животного, от возраста. Молодые собаки лучше обучаются этим методом. Известно много фактов обучения собак без участия человека. Городские дворняги так учатся правильно переходить дорогу - подражая опытным собакам. Англичане сцепляют коротким поводком (метр длиной) двух собак - опытную и молодую. И со сворой собак охотятся. Через год молодую собаку можно использовать на охоте уже без сцепки с опытной. Она осваивает все навыки - от того, с какой стороны лошади двигаться (пропуская встречные автомобили при движении вдоль дороги, например) до специальных навыков работы по зверю. Они утверждают, что вообще никак не дрессируют своих собак, те, мол, сами учатся. Я лично применял подражательный метод при работе на препятствиях (барьер, бум, лестница), пуская молодую собаку за опытной, и при защитной дрессировке. Замечал, что при работе в группе собаки пытаются повторять и навыки послушания. Коты, кстати, учатся прекрасно. Только их врожденные мотивации не совпадают с вашими планами, как правило. То есть, они учатся тому, что надо им. [Ответ][Цитата]
lqrd Сообщений: 42	На: Некоторые предложения Добавлено: 13 янв 11 20:26 Цитата: Автор: Andrey Как вы планируете отфильтровать сигнал уже на входе, если в конкретный момент времени невозможно сказать, станет ли этот сигнал мусором, или важным сигнальным раздражителем? Решение о переводе сигнала в одну из категорий будет зависеть от того, что произойдет через некоторое время. А ваш первичный фильтр уже отсеивает часть сигналов, не пропуская их на уровень информации (в терминах, фигурирующих в вашей схеме). Хороший вопрос. Хоть и простой. Рассмотрим видеофильтры. 1. фильтр по месту Не зависит от обучения. Активируется при перемещении. Позволяет акцентировать на выполнении перемещения большую часть ресурсов(бо процесс непростой) Механика: Двигаемся по пути, не поворачиваем зрительные сенсоры в стороны, не поднимаем высоко. Регистрируем объекты только из нижнего полукруга экрана. 2.фильтр по движущимся Не зависит от обучения. Активируется, когда число текущих процессов(регистрируемых действий каких-либо объектов) больше, ну например 20(зависит от производительности). Механика: обработка видео состоит из трех этапов: 1.калибровка камеры для совмещения с пред.скрином. 2-регистрация движущихся объектов 3 - регистрация свойств подвижных и неподвижных объектов. Т.е. при включении фильтра третий этап просто отбрасываем. 3.фильтр по мелким Не зависит от обучения. Активен всегда. Отключается при необходимости. Необходимость отключения можно указать в карточках инструкций(где требуется). 4.ну и наконец фильтр по ожидаемым объектам. ЗАВИСИТ ОТ ОБУЧЕНИЯ. Место хранения накопленных параметров фильтров - карточки зон и карточки инструкций. Накопление параметров(под параметрами имею ввиду объекты, на которые не надо реагировать) происходит во время сна. Просматриваем накопленные за день процессы, берем последовательно каждый объект из процесса, оцениваем влияние на процесс. Не было влияния - объект стал на единичку ближе к тому, чтобы стать одним из параметров фильтра(только для зоны, в которой происходил процесс). Активируется при входе в зону, либо при выполнении инструкций. Цитата: Автор: Andrey Далее. Я бы не стал смешивать все типы сигналов в единый образ. Есть зрительный образ, есть звуковой, и так далее. Они могут быть связаны, связи могут образовываться и исчезать. Каждый тип образа - часть конструктора, из которого формируется модель поведения. разные типы образов не смешиваются. На схеме они проходят через одну процедуру не для смешивания, а для того чтобы определить тип образа(объект действие знание) и направить его дальше, по нужной стрелочке. Цитата: Автор: Andrey Где находится память? Где хранятся инструкции, модели поведения, сигналы или их образы? память - отдельный файл для каждого нового дня. две колонки: "дата", "ссылка на процесс" Инструкции хранятся в xml файлах в БД. Модели поведения в карточках триггеров(рефлексов). но тут отдельно нужно говорить - тема большая. Сигналы нигде. преобразуются в образы почти сразу. Образы преобразуются в ссылки на объекты и хранятся в процессах. либо в знания и хранятся в карточках объектов в БД. Цитата: Автор: Andrey Продумана ли схема работы системы в зависимости от времени? После поступления сигнала как долго хранится информация об этом сигнале, как время поступления сигнала в систему влияет на дальннейшие процессы? Если два сигнала поступили одновременно, в течение секунды, минуты, суток - разница есть? Связь между ними устанавливается, или нет? Каков механизм создания таких связей при обучении и их разрушения при переобучении? Связь между сигналами. сигналы превращаются в образы, образы падают в процессы. Обработка образа и установление связей происходит при обработке процесса, опираясь на контекст процесса. Пример: Проц1: Ем суп. проц2: смотрю телевизор. В телевизоре кулинарное шоу, ведущая варит суп и вдруг говорит, что суп недосолен. Если я буду устанавливать связи еще до попадания образа в процесс, есть шанс, что я начну солить свой суп. От времени разумеется зависит. если сигнал(будущий образ) поступил через час, то вероятнее всего он попадет в другой процесс. Механизм создания связей при обучении. Во первых связи хранятся в БД в виде ссылочек в картах, в виде расположения объектов в одном блоке или в одной карте, в блоках причинно-следственных связей в инструкциях, в таблицах триггеров. Про обучение напишу отдельно, на примере. Цитата: Автор: Andrey Имеет ли значение сила сигнала? Громкость звука, например. Для распознавания звука к сожалению имеет. Для выделения образа почти не имеет. Просто, как связная информация пойдет. Цитата: Автор: Andrey Все сигналы, поступающие в систему при помощи рецепторов, нужно делить на три категории: 1. Информационный мусор, не требующий реагирования. 2. Сигнальные раздражители, запускающие запрограммированное (врожденное) или выработанное (в ходе обучения или полученное с опытом) поведение. 3. Незнакомые раздражители, вызывающие ориентировочную реакцию (при последующих повторениях переходящие в первую или вторую категорию). Пример: Вы смотрите фильм. К какому типу относятся все сигналы порожденные этим фильмом? Как их обрабатывать? [Ответ][Цитата]
Andrey Сообщений: 128	На: Некоторые предложения Добавлено: 13 янв 11 22:32 Теперь немного уяснил, как вы представляете себе работу фильтров. То есть, система обучается по тактам, каждый такт = период бодрствования + период сна. Получается, что пока система не "поспит" (не обработает всю накопленную за "активный" период информацию), ее действия будут учитывать только опыт, полученный по предыдущие "сутки" включительно. Смысл понятен, но это искусственное ограничение возможностей системы. Почему бы не обрабатывать сигналы, если есть свободные вычислительные мощности? И никакого обучения в период, меньший периода системных "суток", по вашей схеме не получится. Впрочем, ваша модель может работать достаточно эффективно при условии укорачивания "суток". Ничто не мешает сделать "сутки" длительностью хоть минута. Если фильтры 1-3 не зависят от обучения, то система не может адаптировать их к местным условиям. Например, "по мелким", или "по движущимся". Получается, есть условия, в которых ваши фильтры работают оптимальным образом. Но если обстановка меняется, фильтр не адаптируется. Например, едет робот по полю. Встречает дерево, на дереве - стая воробьев. Как ведут себя ваши фильтры "по мелким", "по движущимся"? Система отключается на запись сигналов, или всех воробьев пишет? При движении - идет запись в память всей обстановки "нижней полусферы"? А зачем, если местность однотипная? И получается, что в этот период система может "прозевать" сигналы в небе? По вычислению ожидаемых объектов ваша мысль понятна. Но вам бы было легче оперировать понятием условный рефлекс, мне кажется. Насчет процессов понял. Но у вас не предусмотрено моделирование ситуации, когда связь между событиями есть, а временное несовпадение достигает нескольких часов. Силу сигнала вы недооцениваете зря. В естественных условиях не только громкость звука имеет значение, но и уровень сейсмических колебаний, яркость вспышек, сила удара. Одно дело - дождь по крышке робота стучит, другое - камни сыпятся. Цитата: Автор: lqrd Пример: Вы смотрите фильм. К какому типу относятся все сигналы порожденные этим фильмом? Как их обрабатывать? Вы привели сложный пример, так как фильм - это последовательности разных типов сигналов, действующих длительное время. Здесь и вербальная информация (тексты), и аудио, и видео. Но все же попробуем. Как я уже говорил выше, тип сигнала определяется системой субъективно, в зависимости от ее состояния. То есть, фильм каждая интеллектуальная система будет воспринимать по-своему, в зависимости от индивидуальных врожденных (запрограммированных) особенностей и полученного прежде опыта. И в зависимости от текущих "весов" мотиваций, инстинктов и высших задач системы. Но так или иначе все сигналы будут разложены на три группы - "мусор", который не запомнится и не будет дальше обработан, сигналы, вызывающие ориентировочное поведение (пристальное внимание в случае просмотра фильма) и сигналы, активирующие реакции поведения. Например, сцена обеда в ресторане будет по-разному воспринята от текущего уровня пищевой мотивации, вид особи ротивоположного пола - от текущего уровня сексуальной мотивации, и так далее. Кроме того, отлел высших задач активирует инстинкты, а те - усиливают или ослабляют мотивации, управляющие простыми динамическими стереотипами. Так, если у вас приоритетная задача - изучение проблем ИИ, то как только в фильме речь пойдет об этой теме, ушки вы навострите. Но и не пропустите сцену обеда, если чувствуете голод. [Ответ][Цитата]
lqrd Сообщений: 42	На: Некоторые предложения Добавлено: 14 янв 11 0:00 Цитата: Автор: Andrey Ничто не мешает сделать "сутки" длительностью хоть минута. полностью согласен Цитата: Автор: Andrey Если фильтры 1-3 не зависят от обучения, то система не может адаптировать их к местным условиям. Например, "по мелким", или "по движущимся". Получается, есть условия, в которых ваши фильтры работают оптимальным образом. Но если обстановка меняется, фильтр не адаптируется. Например, едет робот по полю. Встречает дерево, на дереве - стая воробьев. Как ведут себя ваши фильтры "по мелким", "по движущимся"? Система отключается на запись сигналов, или всех воробьев пишет? фильтр "по месту" и "по мелким" в незнакомой местности отрубаем принудительно. Согласен. Стая воробьев, толпа, рой мошкары, лес вдалеке, трава на лужайке должны восприниматься как один составной объект. так что фильтр "по движущимся" не запустится. Фильтр сработает на воробьев, только если они начнут летать в непосредственной близости от робота. Будут мешать, будут хорошо различимы. Для примера возьмем радиус 1.5 метра . Цитата: Автор: Andrey При движении - идет запись в память всей обстановки "нижней полусферы"? А зачем, если местность однотипная? И получается, что в этот период система может "прозевать" сигналы в небе? Конечно не всей, памяти не хватит. Регистрируются в памяти только изменения местности: дерево спилили, дом построили, светофор поставили. +Процессы встреченных объектов, прошедших через фильтры. Может "прозевать" сигналы в небе, да. Точно так же, как и человек может прозевать прилетевший с крыши кирпич. Цитата: Автор: Andrey Насчет процессов понял. Но у вас не предусмотрено моделирование ситуации, когда связь между событиями ест, а временное несовпадение достигает нескольких часов. Пусть в какой-то момент возник процесс "обучение в университете." В планы сразу записывается ежедневный план "ходить на пары"(план порожден процессом "обучение в университете")" Утром проснулся, выполнил процесс "одеться", процесс "чистить зубы", процесс "позавтракать", приступил к процессу "сходить на пары". Выполнил процесс. Процесс "сходить на пары" записываем как подпроцесс процесса "обучение в университете". и так ежедневно. Я к тому, что допустима вложенность подпроцессов любой глубины. И без ограничения по времени. Цитата: Автор: Andrey Силу сигнала вы недооцениваете зря. В естественных условиях не только громкость звука имеет значение, но и уровень сейсмических колебаний, яркость вспышек, сила удара. Одно дело - дождь по крышке робота стучит, другое - камни сыпятся. согласен Цитата: Автор: Andrey Но так или иначе все сигналы будут разложены на три группы - "мусор", который не запомнится и не будет дальше обработан, сигналы, вызывающие ориентировочное поведение (пристальное внимание в случае просмотра фильма) и сигналы, активирующие реакции поведения. Т.е. сигналы фильма просочатся сквозь фильтры под флагом "незнакомые раздражители". Но ведь, даже если фильм новый, почти все незнакомые раздражители я увижу в первой половине фильма. Дальше они уже будут знакомыми. Какой тип будет у сигналов во второй половине фильма? Думаю, на начальном этапе надо просто мусор отсеивать, а классифицировать позже. Уже внутри процесса и его контекста. [Ответ][Цитата]
Andrey Сообщений: 128	На: Некоторые предложения Добавлено: 14 янв 11 0:40 Стоп. Как это при движении могут фиксироваться изменения на местности, если фильтр этот в вашей системе не предполагает обучения? Про систему вложенных процессов понял. В моей схеме координация низкоуровневых процессов происходит уровнем выше. По поводу идентификации реальных объектов есть вопросы. Ваша схема не предусматривает ситуации неполной идентификации, когда поступившая информация неполна, и частично соответствует нескольким образам сразу. Это может быть проблемой. По фильму. Да, к концу фильма вы адаптируетесь к яркости, звуку и обстановке в фильме. И отслеживаете только сюжетные повороты. [Ответ][Цитата]
NO. Сообщений: 10700	На: Некоторые предложения Добавлено: 14 янв 11 9:17 Цитата: Автор: Andrey Я лично применял подражательный метод при работе на препятствиях (барьер, бум, лестница), пуская молодую собаку за опытной Ну вот наверно собаки никогда не научатся пускать молодую за опытной. У них инстинкты выше чем высшая чего-то там. [Ответ][Цитата]
Andrey Сообщений: 128	На: Некоторые предложения Добавлено: 14 янв 11 11:31 Цитата: Автор: NO. Ну вот наверно собаки никогда не научатся пускать молодую за опытной. У них инстинкты выше чем высшая чего-то там. Я, наверное, недостаточно подробно пояснил. В природе высокоразвитые животные постоянно учатся друг у друга. Дрессировщики просто используют этот метод. Причем, в природе эффективность подражания как метода обучения выше для молодых животных. [Ответ][Цитата]
lqrd Сообщений: 42	На: Некоторые предложения Добавлено: 14 янв 11 11:40 Цитата: Автор: Andrey Стоп. Как это при движении могут фиксироваться изменения на местности, если фильтр этот в вашей системе не предполагает обучения? Есть карточки пространств. Например карточка "реальное пространство". Есть карточки подпространств. Подпространство "Россия", "Евразия", "Москва", "кремль". допускается вложенность. Есть карточки зон. Обязательно наличие якорного объекта(здание, памятник, перекресток...), вокруг которого и образуется зона. Тут же храниться матрица зоны, пути, ссылки на неподвижные объекты объекты(дома деревья). Находясь в движении и переходя из одной зоны в другую: 1.фиксируем якорный объект. 2.Находим в БД карточку зоны соответствующую якорному объекту. 3.Активируем матрицу зоны 4.проверяем есть ли глобальные изменения зоны(упавшее дерево) Если нет - берем из карточки зоны подходящий путь - проходим эту зону. Если есть - заносим изменения матрицы зоны, ищем альтернативный путь внутри зоны. не нашли - ищем путь через соседние зоны. Цитата: Автор: Andrey Ваша схема не предусматривает ситуации неполной идентификации, когда поступившая информация неполна, и частично соответствует нескольким образам сразу. Это может быть проблемой. Для ответа на вопрос нужно внести ясность в термин "набор свойств". Нужно понимать, что большинство существительных в русском языке это наборы свойств, а не объекты. Пример: Ежик. Это не объект. Существует миллионы отдельных объектов ежиков. А само слово "ежик" - это набор свойств, который несет в себе общие свойства этой группы объектов. Такие как: "высота ниже 30 см" "живой", "колючий", "фыркает", "лакает молоко". Это хорошо прослеживается, например, в английском языке. Видим определенный артикль "the"- значит объект. Неопределенный артикль "a" - неопределенный объект(набор свойств). Еще примеры. Диван - набор свойств. Диван в углу вашей комнаты - объект. Снег - набор свойств. Снег, который Вы взяли в руки - объект. Человек - набор свойств. Человек, на которого Вы смотрите - объект. Т.о. примерная карточка набора свойств "ежик": //блок шкальных свойств размер меньше 30 см //блок контуров (34,45)(3,43)(56,87)....(45,3) .... //блок инструкций в качестве субъекта фыркать лакать молоко .... //блок подчиненных объектов известный ежик 1 известный ежик 2 ..... Идентификация объекта. Вначале, идентификация производится по истинным свойствам: 1.Контур 2.цветокарта 3.звуковой сигнал Для примера этих свойств достаточно. +Также понадобятся таблицы преобразования: 1."контур" - "набор свойств" 2."цветокарта" - "набор свойств" 3."звук" - "набор свойств" Таблицы будут большими. к сожалению без них никак не обойтись. Для оптимизации поиска можно заводить такие таблицы для каждой зоны. Скорость вырастет на пару порядков. Пример. Вижу как "нечто" запрыгнуло с пола на шкаф. Вариант 1. если объект двигается, то нам повезло: можно сразу определить контур объекта целиком. далее, определяем 1/несколько подходящих по контуру "наборов свойств" из таблицы преобразования №1. например подходят наборы свойств: "кошка(животное)" "ежик" "кошка(меховая игрушка)". далее, смотрим на цветокарту этого контура, ищем соответствия в таблице преобразования цветокарт. например подходят наборы свойств: "шапка" "кошка(животное)" "ежик" "кошка(меховая игрушка)" . если это нечто в полете еще и мяукало - совсем хорошо. например подходят наборы свойств: "сотовый телефон" "кошка(животное)". ищем пересечения. нашли: "кошка(животное)" далее, смотрим у этого набора свойств подчиненные объекты. сравниваем свойства каждого подчиненного объекта и этой неопределенной кошки. 1.сравниваем состав: 4 лапы, хвост, голова, усы, шрамы... 2.подробно сравниваем скин 3.сравниваем размер 4.сравниваем действие если совпадение обнаружено - объект определен(obj_0000121012). берем карточку этого объекта из БД(в этой карте есть ссылки на наборы свойств "кошка" "барсиК") если совпадение не обнаружено - заводим новый объект(obj_0000121015). в карточку заносим ссылку на набор свойств "кошка", заполняем значения, которые определили, сюда же заносим ссылку на действие "запрыгивать на шкаф". если в будущем(через 5 минут/через год) выяснится, что это таки был Барсик - переносим информацию из obj_0000121015 в obj_0000121012. obj_0000121015 удаляем. Вариант 2. если нам не повезло и "нечто" не шевелится. Все то же самое, только в начале придется определять контуры цветопятен, потом экспериментировать - ближние цветопятна пытаться объединять в один контур..... Если же все совсем плохо и мы даже не смогли определить набор свойств "кошка". то заводим новый объект. заполняем контур, скин, размер, действие... ссылку на наборы свойств не заполняем. Объект готов. [Ответ][Цитата]
NO. Сообщений: 10700	На: Некоторые предложения Добавлено: 14 янв 11 15:28 Цитата: Автор: Andrey Я, наверное, недостаточно подробно пояснил. В природе высокоразвитые животные постоянно учатся друг у друга. Дрессировщики просто используют этот метод. Причем, в природе эффективность подражания как метода обучения выше для молодых животных. Ну ясно всё. Вы же их для себя дрессируете, а не для них. Чтобы не было путаницы лучше это обучением не называть. [Ответ][Цитата]
Andrey Сообщений: 128	На: Некоторые предложения Добавлено: 14 янв 11 15:31 По идентификации объектов смысл понятен. Я планирую примерно тот же механизм с некоторыми важными отличиями, которые вызваны особенностями устройства памяти. Будут учтены: 1. Сила сигнала. 2. Давность его воздействия и повторяемость. 3. Степень генерализации условных связей. То есть, любой сигнал преобразуется в несколько образов (происходит это в анализаторе чувствительного центра). Образ может быть передан, сохранен в памяти или обработан в первой степени, а может быть абстрагирован в степень от 2 до n, где n - количество допустимых степеней абстракции. Абстракция в следующую степень происходит путем пересчета исходного образа по стандартному для анализатора алгоритму. Первая степень абстракции - исходная, содержит наиболее подробную информацию. n и применяемый алгоритм характеризуют предельное разрешение анализатора. Например, если речь идет о звуке, то при n=11, при приведении трех битов к одному в каждой степени абстракции и при длительности анализируемого сигнала в 1 секунду мы получаем 172 кбит/с. Такой разрешающей способности звукового анализатора может быть достаточно для большинства задач. То есть, образ сигнала длительностью секунда первой степени абстракции (n=1) такой системы "весит" 172 кбит, образ высшей степени (n=11) весит один бит. Каждый сигнал в предельной степени абстракции равен любому другому сигналу, обработанному этим же анализатором. Следовательно, нет непохожих звуков. Любые два звука похожи при определенном значении n. Идентификация сигнала (распознавание) происходит всегда, но с разным значением n, которое определяет степень идентификации. Для каждого анализатора остается еще и проблема идентификации одновременных сигналов (например, выделение звука из шума), а также проблема поиска начальной и конечной точки сигнала в непрерывно воспринимаемом потоке. Эту проблему можно решить, применяя разные алгоритмы фильтрации к звуковому потоку, выделяя сигналы и находя соответствия в сформированной ранее базе данных. Так как незнакомых звуков для обученной системы не существует (хотя бы в степени абстракции n каждый сигнал приводится к 1 биту), то каждый сигнал будет идентифицирован. Далее запускается программа ориентировочного поведения (ее работа зависит от уровня n идентификации сигнала, чем выше полученный n), а также программа дифференцировки сигнального раздражителя или "мусора". Цитата: Автор: lqrd Есть карточки пространств. Например карточка "реальное пространство". Есть карточки подпространств. Подпространство "Россия", "евразия", "москва", "кремль". допускается вложенность. Есть карточки зон. Объязательно наличие якорного объекта(здание, памятник, перекресток...), вокруг которого и образуется зона. Тут же храниться матрица зоны, пути, ссылки на неподвижные объекты объекты(дома деревья). Вот эту базу данных - "карточки", как вы их называете, программируют раз и навсегда заранее, или формирует сама система в процессе работы? [Ответ][Цитата]
lqrd Сообщений: 42	На: Некоторые предложения Добавлено: 14 янв 11 18:11 Цитата: Автор: Andrey 1. Сила сигнала. я учитываю силу сигнала. в специальном блоке шкальных значений в "карточках объектов", и в блоке шкальных свойств в "карточках наборов свойств". Цитата: Автор: Andrey 2. Давность его воздействия и повторяемость. благодарю за наводку. про повторяемость еще не думал, нужно прикинуть, куда внедрить обработчики. еще немного про категории сигналов. Цитата: Автор: Andrey Все сигналы, поступающие в систему при помощи рецепторов, нужно делить на три категории: 1. Информационный мусор, не требующий реагирования. 2. Сигнальные раздражители, запускающие запрограммированное (врожденное) или выработанное (в ходе обучения или полученное с опытом) поведение. 3. Незнакомые раздражители, вызывающие ориентировочную реакцию (при последующих повторениях переходящие в первую или вторую категорию). пример. Вася и Петя мои друзья. Предположим на уроке физкультуры я вижу, что Вася прыгает выше Пети. Вася мне знаком, Петя мне знаком, т.е. сами объекты не являются незнакомыми раздражителями. Предположим, сигнальных раздражителей на Васю и Петю у меня нет. Предположим, сигнальных раздражителей на действие "человек прыгает" у меня нет. Получается, что информация "Вася прыгает выше Пети" - однозначно информационный мусор(методом исключения) и воспринята не будет? Это если предположить, что под сигналами Вы имеете ввиду образы. однако, Цитата: Автор: Andrey То есть, любой сигнал преобразуется в несколько образов.... если под сигналами Вы имеете ввиду сами сигналы, то ситуация совсем запутывается: предположим, в правом верхнем углу скрина появился сигнал "цвет=зеленый". Как определить его категорию, если непонятно что это вообще такое? Дерево? Годзилла? Как определить категорию сигнала "контур = квадрат?" сигнала "яркость =80"? сигнала "громкость =85"? про звук если я правильно понял, то сглаживаем кривую звука, пока не натолкнемся хотя бы на одно соответствие в БД? А как выделить границы исследуемой фонемы? Звуковые кривые непрерывны, и могут быть совершенно крякозябренными. Переходы от одной фонемы к другой совершенно не видны. Цитата: Автор: Andrey Вот эту базу данных - "карточки", как вы их называете, программируют раз и навсегда заранее, или формирует сама система в процессе работы? 99,999% карточек сформируются сами. Задам только технические. [Ответ][Цитата]
Andrey Сообщений: 128	На: Некоторые предложения Добавлено: 14 янв 11 19:16 Цитата: Автор: lqrd Вася и Петя мои друзья. Предположим на уроке физкультуры я вижу, что Вася прыгает выше Пети. Вася мне знаком, Петя мне знаком, т.е. сами объекты не являются незнакомыми раздражителями. Предположим, сигнальных раздражителей на Васю и Петю у меня нет. Предположим, сигнальных раздражителей на действие "человек прыгает" у меня нет. Получается, что информация "Вася прыгает выше Пети" - однозначно информационный мусор(методом исключения) и воспринята не будет? Не так. Если Вася и Петя ваши друзья, то образы сигналов от них (позволяющие идентифицировать Васю и Петю) уже являются сигнальными раздражителями. Вы идентифицируете своего друга по внешнему виду или голосу, и у вас инициируются опаределенные реакции - эмоции, связанные образы и так далее. Если сигнальных раздражителей нет, то образы Васи и Пети становятся мусором, и друзьями эти люди быть не могут. Как люди, которых вы видите не впервые, но о которых вся важная информация заключается в самом факте их существования, и все. Охранник на входе в офисное здание вам безразличен. Но как только вы начинаете с ним здороваться, уже устанавливаются определенные связи между сигналами. Цитата: Автор: lqrd если под сигналами Вы имеете ввиду сами сигналы, то ситуация совсем запутывается: предположим, в правом верхнем углу скрина появился сигнал "цвет=зеленый". Как определить его категорию, если непонятно что это вообще такое? Дерево? Годзилла? Как определить категорию сигнала "контур = квадрат?" сигнала "яркость =80"? сигнала "громкость =85"? Яркость - отдельно, громкость - отдельно. Яркость характерна для зрительных образов, громкость - для звуковых. Между двумя образами может устанавливаться или рваться связь, но в один эти образы не смешиваются. Выше отдела рефлексов есть отдел реакций поведения. В рамках инструкции реакции узнавания особи (одной из запрограммированных реакций) происходит установление прочных связей между несколькими образами одного или разных типов. Еще выше, на уровне инстинктов, есть инструкция инстинкта дружеского поведения (если брать пример с Петей и Васей), в рамках которой определена последовательность поведения по отношению к другу. Эта инструкция использует нижестоящую реакцию узнавания (и несколько других реакций). Вася и Петя прыгают. Вы видите это впервые, сигнальных раздражителей на действие "человек прыгает" у вас нет. Инициируется ориентировочное поведение. Все дальнейшие образы в рамках инструкции ориентировочного поведения хранятся во временной памяти. Если позднее прыжки повторяются, происходит то же самое. Анализируются две последовательности образов, от момента прыжков. Если выявляеется один или несколько образов, поступивших через одно и то же время после образа прыжков, то устанавливается временная связь. Все немного сложнее, так как учитыывается и значимость событий. Теперь по визуальным образам из вашего примера. Есть один образ - картинка. Анализатор пытается 1. Найти соответствие в памяти изображению целиком 2. Выделить составные части изображения и найти им соответствие в памяти. Мы знаем, что каждому изображению соответствие будет найдено, на одном из уровней абстракции (хотя бы на высшем - один бит, то есть факт наличия сигнала как такового). Поэтому все идентифицированные образы фильтруются по уровню абстракции. Например, зленая хрень раньше не встречалась. Путем пересчета абстракций выясняется, что зеленая хрень соответствует белому кролику при n = 9 (девятый уровень абстракции). Причем, образ белого кролика у нас есть с уровня n = 6, а уже при n = 8 образы не совпадают. Но других вариантов нет, больше совпадений в базе нет. Пересчет прекращается, происходит запуск двух процессов: 1. Идентификация Хрень = Белый кролик. Допустим, Белый кролик у нас в категории мусора. Мусор не является сигнальным раздражителем, связанное поведение не запускается. 2. Запуск ориентировочного поведения (независимо от процесса 1). Интенсивность ориентировочной реакции будет высока, так как n достаточно высок (интенсивность прямо зависит от величины n). В ходе ориентировочного поведения зеленая хрень исследуется повторной фотосъемкой, повышаются чувствительность всех чувствительных центров. А также отслеживаются дальнейшие события. В дальнейшем или уровень илдентификации n понижается (все-таки кролик, но не белый, например), или образ дифферинциируется от образа кролика. И зеленая хрень хранится в базе как отдельный образ, в дальнейшем или получая условные связи (если после появления зеленой хрени происходит одно и то же событие), или переходя в категорию мусора. Кстати, само слово "квадрат" - абстрактное понятие, сигнал, образ которого есть образ звукового сигнала. Показывая роботу квадрат и говоря это слово, вы через некоторое время выработаете связь между визуальным и звуковым образом. Показывая разные квадраты, вы заставите робота абстрагировать визуальный образ в более высшую степень. Показывая треугольник, и называя его треугольником, вы заставите робота дифференцировать визуальные и звуковые образы квадратов от треугольников (при этом акустический образ слова "треугольник" будет прочно связан с соответствующим визуальным образом, а образ слова "квадрат" - с визображением квадрата.) Система универсальна, так как роботу в принципе все равно, что идентифицировать и дифференцировать - квадраты с треугольниками, или виды птиц. Или лица людей. Или номера машин. [Ответ][Цитата]
Andrey Сообщений: 128	На: Некоторые предложения Добавлено: 14 янв 11 19:27 Цитата: Автор: lqrd про звук если я правильно понял, то сглаживаем кривую звука, пока не натолкнемся хотя бы на одно соответствие в БД? А как выделить границы исследуемой фонемы? Звуковые кривые непрерывны, и могут быть совершенно крякозябренными. Переходы от одной фонемы к другой совершенно не видны. Анализатор выделяет фрагменты по паузам, или по снижению интенсивности амплитудных пиков (в случае с фоновым шумом). Сначала выделяются минимальные по продолжыиельности отрезки (до установленного программно значения, определяющего разрешающую способность анализатора по выделению отдельных звуков). Этим отрезкам ищется соответвтсиве в базе данных. Затем происходит шумоподавление (в качестве образца шума может использоваться как выделенная из отрезка гармоника, так и образцы шума из кратковременной памяти, которые сенсоры приняли ранее). Затем берутся более длинные отрезки, анализ повторяется. Так происходит до тех пор, пока не будет достигнута идентификация с максимально низкой степенью абстракции. [Ответ][Цитата]
Стр.3 (4): 1  2  [3]  4 << < Пред. | След. > >>