Форум: Проблемы искусственного интеллекта

Регистрация | Вход

Все темы | Новая тема  Стр.1 (3) След. > >>    Поиск:
Автор	Тема: Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели
гоcть Сообщений: 87	Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели Добавлено: 01 июн 17 7:28 Попытаюсь “на пальцах”, растолковать сущность идеи: Допустим мы имеем дело с временным рядом с множеством признаков и некоторая нелинейная закономерность претерпевает “дрейф” то есть изменяется плавно во времени, предположим этот дрейф относительно регулярный(непрерывный, гладкий), нужно чтобы этот дрейф отрабатывался на опережение. В пространстве признаков что то типа: То есть как бы маска класса “движется” в пространстве признаков, как шарик в 2д-квадратике на картинке, нужно чтобы по ряду изменяющихся окон предсказать маску на перёд. Что то типа трекинга объектов в 2d, только в N-d, гипермасок классов на опережение. Честно признаюсь, не люблю я RNN, тем паче ужас вроде LTCM, хочу понять как так сделать без рекурентности и прочего безобразия с “памятью”. Заранее спасибо за любой поток сознания по теме, ветка будет чиститься от флуда. [Ответ][Цитата]
rrr3 Сообщений: 11857	На: Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели Добавлено: 01 июн 17 8:08 Цитата: Автор: гоcть Попытаюсь “на пальцах”, растолковать сущность идеи: ...нужно чтобы этот... ...В пространстве признаков... Заранее спасибо за любой поток сознания по теме, ветка будет чиститься от флуда. Хорошо, что будет чиститься... значит можно спокойно пофлудить... 1. Идеи не увидел... от слова вообще. Увидел только описание хотелки. Может это была идея хотелки... 2. По сути это хотелка (с учетом "в пространстве признаков") того, что обычно называют AGI/СИИ, просто изложена в каком-то частном описании. 3. Если в двух словах, то можно было бы тоже самое сказать примерно так - нужно "решение" по созданию нечто, что может отражать любые (от слов "в пространстве признаков") длящиеся во времени устойчивости (закономерности, включая динамические любой степени вложенности и сложности). А еще короче, нужно AGI/СИИ. Своих идей пока нет, идеи связанные с RNN, LTCM (понятия не имею что это такое ) не предлагать, буду чистить. Как Вам такой поток "сознания"?! (удалять можно без предупреждений) [Ответ][Цитата]
Михайло Сообщений: 2366	На: Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели Добавлено: 01 июн 17 8:21 Вы сформулировали пример настолько четко, что для него можно подобрать простое решение безо всяких методов машинного обучения. Вы должны определить (вычислить) скорость и ускорение дрейфа по примерам и затем по полученной модели прогнозировать сдвиг. Не все же делается машинным обучением со случайными начальными параметрами, то бишь без мозгов аналитика. [Ответ][Цитата]
гость 173.254.216.*	На: Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели Добавлено: 01 июн 17 8:43 Цитата: Автор: гоcть Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели ИМХО Вам нужно сделать регрессию параметров ряда обученных моделей. [Ответ][Цитата]
гоcть Сообщений: 87	На: Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели Добавлено: 01 июн 17 11:02 Цитата: Автор: гость ИМХО Вам нужно сделать регрессию параметров ряда обученных моделей. Да, это первое что в голову приходит, каким образом такое импровизировать на простых моделях, я четко представляю, например наивных байесах , когда вся модель это два вектора средних и матрицы ковариаций, проблемы начинается когда модели с множество параметров, а главное когда эти параметры не тривиальным образом отображаются в результирующее сечение гипер-пространства. Например если взять MLP и переобучать на новой порции данных заново, пускай и той же архитектуры, и взять затем веса сеток как вектор для регресии, то ничего хорошего из этого не выйдет, а с наив-баесами думаю выйдет, на днях проверю. Но другое дело если не заново обучать а ДО-обучать MLP… Но как например это сделать с лесом? [Ответ][Цитата]
гоcть Сообщений: 87	На: Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели Добавлено: 01 июн 17 11:03 Цитата: Автор: Михайло Вы сформулировали пример настолько четко, что для него можно подобрать простое решение безо всяких методов машинного обучения. Вы должны определить (вычислить) скорость и ускорение дрейфа по примерам и затем по полученной модели прогнозировать сдвиг. Не все же делается машинным обучением со случайными начальными параметрами, то бишь без мозгов аналитика. Вы видимо не совсем поняли что я задумал, что не удивительно, я бы врядли сам понял если бы кто то что то подобное предлагал))) ML потому что задача про ML, картинки привел я как 2д пример того как модель делит гаперпространство на два класса, так вот со временем распределение “эволюционирует”, вопрос как классифицировать с учетом этой эволюции, как бы “предвосхищать” на перед смещение, по прошлым смещениям. [Ответ][Цитата]
NO. Сообщений: 10700	На: Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели Добавлено: 01 июн 17 12:05 Сначала кластеризация, потом экстраполяция. Кадры это разрезы статичного 3-мерного объекта. [Ответ][Цитата]
Михайло Сообщений: 2366	На: Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели Добавлено: 01 июн 17 12:06 Ну в чем проблема предикции вообще? Строишь математическую модель и предсказываешь... [Ответ][Цитата]
NO. Сообщений: 10700	На: Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели Добавлено: 01 июн 17 12:40 Изменено: 01 июн 17 12:45 наверно проблема как имея два класса точек найти круг [Ответ][Цитата]
гость 173.254.216.*	На: Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели +1 Добавлено: 01 июн 17 15:52 Цитата: Автор: гоcть Да, это первое что в голову приходит, каким образом такое импровизировать на простых моделях, я четко представляю, например наивных байесах , когда вся модель это два вектора средних и матрицы ковариаций, проблемы начинается когда модели с множество параметров, а главное когда эти параметры не тривиальным образом отображаются в результирующее сечение гипер-пространства. Например если взять MLP и переобучать на новой порции данных заново, пускай и той же архитектуры, и взять затем веса сеток как вектор для регресии, то ничего хорошего из этого не выйдет, а с наив-баесами думаю выйдет, на днях проверю. Но другое дело если не заново обучать а ДО-обучать MLP… Но как например это сделать с лесом? Если модель сложная и параметры каждый раз значат совсем что то новое, то очевидно регрессия не поможет. Можно делать локальные экстраполяции, для каждой точки, например в простом случае считаем на двух моделях ответы, вычисляем градиент и прибавляем его к последнему ответу, это будет этакий N-мерный “занос”. Можно по ряду ответов моделей считать более сложные экстраполяции. [Ответ][Цитата]
гоcть Сообщений: 87	На: Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели Добавлено: 02 июн 17 4:51 Цитата: Автор: NO. Сначала кластеризация, потом экстраполяция. Это зачем? Цитата: Автор: NO. Кадры это разрезы статичного 3-мерного объекта. Это так, но что это нам даёт? Цитата: Автор: NO. наверно проблема как имея два класса точек найти круг Поясните плиз... Цитата: Автор: гость 173.254.216.* Можно делать локальные экстраполяции, для каждой точки, например в простом случае считаем на двух моделях ответы, вычисляем градиент и прибавляем его к последнему ответу, это будет этакий N-мерный “занос”. Можно по ряду ответов моделей считать более сложные экстраполяции. Хммм... а это похоже то что надо! [Ответ][Цитата]
kondrat Сообщений: 4026	На: Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели Добавлено: 02 июн 17 6:52 Градиенты, экстраполяции... Это точно про ML? Точнее, нужно ли использовать эти термины и инструменты явно? А какая топология собирается обучаться? Боюсь, что в чисто слоистой ничего интересного не получится. [Ответ][Цитата]
Калитеран Сообщений: 585	На: Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели Добавлено: 02 июн 17 8:10 Цитата: Автор: гоcть Не смотря на то Вы и потрудились проиллюстрировать свою хотелку, однако мне лично не совсем ясна суть, уж простите. Предлагаю на конкретном примере шаг за шагом показать что есть и что надо. Как минимум ответьте на следующие вопросы: 1)Что значит каждый “кадр”? Это я так понимаю отдельный датасет? Если так, то как они связанны? 2)Какой “кадр”(датасет) прогнозируется(классифицируется)? И почему нельзя для классификации использовать наиболее релевантные данные? То есть если кружок плывет, то брать только последний датасет для обучения, или учить угадывать следующий. [Ответ][Цитата]
NO. Сообщений: 10700	На: Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели Добавлено: 02 июн 17 11:10 Кластеризацией находим кружок, экстраполяцией находим его место в воображаемом будущем. 3D чтобы видеть всё целиком и искать более удобную аналитику, чем просто по кусочкам. >Поясните плиз... Это долго. Я так понимаю сейчас задача освоить разные техники и решать задачи в заданной постановке, пусть даже получается ерунда. А пересматривать условия и действительно решать проблемы это следующий уровень. Но я тут замечу, что математическая постановка часто уводит в сторону от потребностей к возможностям, решение таких задач потом находится, но никому не нужное. Математика очень абстрактна, мы много информации теряем когда реальные задачи подменяем математическими. Часто от математиков хотят, чтобы те решили не математическую задачу математическими методами. После долгих мучений такое получается для тестового примера, а на рабочих опять ничего не работает. Прикладная математика это много дополнительных знаний к обычной, а ещё больше личного опыта. [Ответ][Цитата]
● Сообщений: 105	На: Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели Добавлено: 03 июн 17 4:51 Цитата: Автор: гоcть Экстраполяция(опережающий треккинг) дрейфа гипер-маски ML-модели Не нужно ничего “трекать”, просто время в фичу засунуть и всё будет в шоколаде. NO полностью прав, не смотря на его иносказательный формат общения, у Вас получатся не 2д кружок, а 3д ммм… “сосиска”, легко разделимая от фона, любым нелинейным классификатором и не нужна Вам RNN, если она Вам так противна, кстати почему если не секрет [Ответ][Цитата]
Стр.1 (3): [1]  2  3 След. > >>