Распознавание объектов

[MihalNik]

Сообщение от WorldMaster

Чтобы изобрести что-то действительно новое нужно как минимум изучить матчасть существующих решений.

Матчать существующих решений может вообще не содержать способа изобретения новых. Тут либо изначально будет содержаться какое-либо отличие либо оно возникнет позже, но вероятность сильно снижается, если приемлемое решение уже есть)))

Платные, по этому даже для эксперемента использовать не буду.

Есть же открытые, OpenCV какой-нибудь.

[WorldMaster]

Сообщение от MihalNik

Матчать существующих решений может вообще не содержать способа изобретения новых. Тут либо изначально будет содержаться какое-либо отличие либо оно возникнет позже, но вероятность сильно снижается, если приемлемое решение уже есть.

Как так.. Способа изобретения новых методов вообще не существует. Суть изучения матчасти в том чтобы не повторять уже пройденный путь. Некоторые применяемые сегодня алгоритмы действительно математически сложные. Какой смысл тратить кучу времени на повтор этих действий.

[MihalNik]

Сообщение от WorldMaster

Способа изобретения новых методов вообще не существует.

Раскрытие противоречий, поиск отсутствующих данных, более общих или частных решений, новые условия. Физические и теоретические эксперименты. Естественно, опыт не гарантирует положительного результата, иначе зачем он нужен?

Сообщение от WorldMaster

Суть изучения матчасти в том чтобы не повторять уже пройденный путь.

Заранее неизвестно, совпадёт ли путь с уже пройденными или нет. Чем сложнее задача, тем больше вероятность отличительных особенностей решения. Когда-то показывали мужика, который захотел самостоятельно сделать вертолёт, по ходу дела он получил несколько патентов)

Сообщение от WorldMaster

Некоторые применяемые сегодня алгоритмы действительно математически сложные

Что не мешает повсеместно применять кучу неэффективных.

Сообщение от WorldMaster

Какой смысл тратить кучу времени на повтор

Изучение матчасти это тоже повтор некоторых действий. Притом очень многие действия очевидно бессмысленны, если посмотреть на них после её изучения Результат исторически многократной копипасты. Отличить устаревшую матчасть от современной новичкам вообще очень тяжело.

P.S.: оффтоп пошёл, однако.

[SAMOUCHKA]

Сообщение от LV1974

+ И ещё, наверное, можно нейросеть натренировать на распознавание.

А оказывается ни фига не магия. По читал заинтересовало, просто в начале страшно было.
Уважаемые форумчане - кто использовал нейросеть на практике?

[SAMOUCHKA]

В основном описываются трех-слойные нейросети

входной слой -> скрытый слой -> выходной слой
входной слой просто передает сигналы со входа на выход. Ни как не врублюсь - зачем нужен входной слой, если он просто пропускает сигнал через себя и ни чего не делает?

[LV1974]

Сообщение от SAMOUCHKA

В основном описываются трех-слойные нейросети

входной слой -> скрытый слой -> выходной слой
входной слой просто передает сигналы со входа на выход. Ни как не врублюсь - зачем нужен входной слой, если он просто пропускает сигнал через себя и ни чего не делает?

Вы работу перцептрона уже разбирали?
Вот эта модель:
входной слой -> скрытый слой -> выходной слой
- это по сути - "чёрный ящик".
Иногда приходится замыкать контур выхода на вход, чтобы получить стабилизацию системы (отрицательную обратную связь).

[SAMOUCHKA]

Вы работу перцептрона уже разбирали?

пока только иду к этому. Рассматривались примеры типа пойдет человек куда то, изходя из внешних условий. Ну или типа того, все довольно абстрактно.
Значит обратные связи, если они нужны подаются на входные нейроны?

Не могли бы посоветовать какой нибудь источник информации с кодом. Желательно на С++ или Java

[LV1974]

Сообщение от SAMOUCHKA

пока только иду к этому. Рассматривались примеры типа пойдет человек куда то, изходя из внешних условий. Ну или типа того, все довольно абстрактно.
Значит обратные связи, если они нужны подаются на входные нейроны?

Не могли бы посоветовать какой нибудь источник информации с кодом. Желательно на С++ или Java

Обратная связь - это из ТАУ (теория автоматического управления).
Что касается кода, то ничего Вам не могу предложить.
Не заморачивайтесь на готовый код.
Лучше - осваивайте терминологию этой области знаний.

[Pavia]

Сообщение от SAMOUCHKA

входной слой просто передает сигналы со входа на выход. Ни как не врублюсь - зачем нужен входной слой, если он просто пропускает сигнал через себя и ни чего не делает?

Вот вы загружаете данные из файла. Вы же должны их куда-то загрузить правильно?
Вот так и тут входной слой это и есть место куда помещаются входные данные.
Он размножает выходной сигнал. А так же приводит к одному масштабу параметры.
Реальные числа бесконечные, а в компьютере они всегда ограничены. 23 бита или 52 бита. Так вот если мы сложим 1234+0٫00001234 то из за округления получите 1234. Как результат система не сойдётся.

Сообщение от SAMOUCHKA

Ну или типа того, все довольно абстрактно.
Значит обратные связи, если они нужны подаются на входные нейроны?

Сказочку про кашу из топора читали? Вот НС это и есть такой топор. Вот только ингредиенты каши неизвестно и выбираются по вкусу разработчика. Так что обратные связи можете заводить куда хотите. Но я бы посмотрел на то как это делается в рекурсивных НС (абр. RNN)

Сообщение от SAMOUCHKA

Не могли бы посоветовать какой нибудь источник информации с кодом. Желательно на С++ или Java

Интернет. Видов НС в последнее время развелся целый зоопарк, да и способов обучения.
Perceptron
ANN
RNN
CNN
SOM

backpropagation
Autoencoder
GMM
HMM
LSTM

Да и чётких алгоритмов тут не было каждый делает по своему.

[SAMOUCHKA]

А усреднять входные значения нужно? я вот о чем:
пусть есть нейрон с N входами. с этих входов значения суммируются (i1 + i2 + iN) и далее, если значение скажем более 0.5, на выходе нейрона 1.0.
Может после суммирования нужно усреднить? то есть (i1 + i2 + i3 + iN) / N.
Или сразу сравнивать с каким то порогом, в моем случае 0.5