Бот програмата се научава да преминава Марио

Това не е невронна мрежа, а общ генетичен алгоритъм. Невронната мрежа е в състояние да намери решение на подобна ситуация въз основа на предишен опит (разпределение на теглото на персептроните). Точно там, комбинациите от клавиши просто се повтарят, докато се получи нов резултат. Няколко лидери се избират от поколението (което е предало) и се създава ново население. И така отново и отново, докато някой от индивидите стигне до края. Променете нещо на нивото и човекът ще го прецака.

дойде тук само за да напиша това

просто интелигентна груба сила

Ето една невронна мрежа + генетичен алгоритъм. Последният се използва за трениране на мрежата, вместо за някакъв наклон по наклон.

Погледнете изходния код, можете да видите, че има както невронна мрежа, така и генетичен алгоритъм за нейното обучение. Това, което се използва тук, се нарича NEAT: https://en.wikipedia.org/wiki/Neuroevolution_of_augmenting_topologies

Данни от екрана - мрежов вход, ключ - изход. Тоест на теория добре обучената мрежа трябва да се справи с всяко ниво, не непременно първоначалното.

Да, сега те разбирам. Всъщност клавишите се натискат не случайно, а въз основа на решението на невронната мрежа и генетичният алгоритъм го обучава. Прав си!

Едва сега се оказва, че невронната мрежа прави само нови кликвания - тя не ревизира решенията си за предишните поколения. Въпреки че в идеалния случай след всяка тренировка трябва да преизчислите всички кликвания.

доколкото разбирам, той преразглежда, иначе в самото начало, докато вървеше няколко метра напред без смърт, щеше да върви в крайния резултат при преминаване, но не, мрежата реши, че ще скочи по-бързо и той вече скачаше.

Не съм чел източника, но ще бъда умен))
На теория. Тази мрежа е прекалено намалена до това конкретно ниво, просто защото те имат матрица около символа като вход. Мрежата може да се справи с други нива, но много по-лошо от първоначалното. Тъй като моделът за въвеждане през цялото време е бил един и същ (това ниво), което означава, че тежестите на мрежата са били изострени за него. Особено ако имат сензори за време, които ще повлияят на кантара специално за това ниво. Ако в процеса на обучение всеки път е дадено различно ниво, тогава. не е факт, че мрежата би се научила да прави каквото и да било.
Ако се забавляват с механизми за отслабване, те вероятно могат да се справят с всеки.

Е, преквалификацията на мрежата от моделите на текущото ниво е много по-бърза от ученето от нулата за всяко ново ниво (и нови модели, които вероятно са нещо подобно на предишните), защото?

Това е невронна мрежа, нали. Но ползите от невронната мрежа са отречени. Обикновено архитектурата на невронната мрежа предполага учене чрез примери (обратно разпространение, k-средства и т.н.) и тогава цялата годност пада върху раменете на гена. алгоритъм, а за невронните мрежи с нарастване на невроните/слоевете/точността на тежестите, пространството за търсене (брой възможни варианти на генома) нараства много (не, МНОГО) бързо.

Като цяло, добър пример за доказателство за концепция. Лошо е, ако някой защити тезата на кандидата за това, и някаква полудържавна банка (прочетете постовете по-долу сокобан) ще провали куп тесто, за да загрее въздуха със суперкомпютър.

K-означава обикновено клъстериране, не знам как да тренирам мрежата. А размножаването отзад също не е идеално за тренировка, защото местни минимуми и всичко това.

Общият алгоритъм също е локални минимуми и всичко това:)

Спасяват само мутации на коне, но това вече е еволюционен алгоритъм, а не канон.

Генерал алги се използва изключително рядко и при съвсем други задачи.

1. В този случай е много разточително да се прилага genalg, защото задачата е проста (отново обучението на обикновена невронна мрежа е глупаво).

2. Genalg се използва при изключително сложни задачи с голяма изчислителна мощност (добре, няколко етажа желязо за 1 мегават)

3. Завършихте ли четенето?:) Генетичният алгоритъм по своята същност е само един от МЕТОДИТЕ за обучение на невронна мрежа;) Това е просто АЛГОРИТЪМ!

P.S. Най-вероятно (искам да повярвам) сте обикновен студент и те търкат такива глупости на лекции, но по-добре забравете всичко. Вече 3 години искам да създам тук дълга публикация за невронните мрежи и алгоритмите за тяхното обучение, но съм мързелив:) Има много интересни неща в англоезичната преса;)

Тук той учи само с генетичен алгоритъм:)

Прочетете какво е genalg;) Има епохи, но не и популации. Мрежата е същата:)

След няколко дни ще се опитам да напиша публикация за невронните мрежи, иначе наскоро се появиха много глупости за невронните мрежи и хамстерите виждат Граала в тях (не, невронните мрежи няма да създадат изкуствен ум)

Нормална мрежа, с входове, изходи и сигмоид за активиране.

Вече не мога да споря. Просто съм бомбардиран!

По дяволите, прочетете за невронните мрежи и генетичните алгоритми поне в wiki!

О, какво е това? Не може да бъде, но това е невронна мрежа, генерирана за следващия геном!

А отдолу има и кръстосване и мутации, типични за генетичните алгоритми.

Детето има бомби, а сега просто му скъсахте дупето.

Никога изобщо не съм имал курс по невронни мрежи или генетични алгоритми. По образование съм корабен механик:)

Генетичният алгоритъм избира от куп невронни мрежи и тук функционира една невронна мрежа с усложнения!

Това по-ясно ли е? Когато genalg работи, се създават куп невронни мрежи (куп!) И gealg вече избира по-упоритите! Моля, научете поне основите на невронните мрежи (там е много лесно и просто). Вече съм бомбардиран.

Защо толкова бомбардирате:) За Big Data е необходима голяма изчислителна мощ. Къде е тук? Но той не е, задачата е съвсем проста. И за решаването на такава задача е достатъчен обикновен, дори офис компютър.

Можете ли да споделите своя професионален опит? Какви мрежи и алгоритми за обучение използвате, за какви задачи?