Телеграмм чат группы nerdparty страница 5034

Ясно, спасибо

Sergey in Клуб веселых и задумчивых

22:41пожаловаться #1

мои поздравления 🥳

22:43пожаловаться #2

Мне кажется, что в некоторых случаях работу нейронов на каких-то уровнях можно будет свести к набору алгоритмов, а не вот этой неведомой магии нейронок, где правила формируются каким-то случайным образом. А алгоритмы, насколько понимаю, работают легче, чем такая неопределённая сетка.

22:44пожаловаться #3

😊😊😊

22:45пожаловаться #4

А вот у меня вопрос - в ходе раундов обучения нейронок формируются ли между какими-то нейронами что-то типа волн? Имею в виду, что в каких-то нейронах механизм проходит один цикл обратного распространения ошибок, а в других по какой-то причине - несколько?

22:47пожаловаться #5

A Complex-Valued Oscillatory Neural Network for Storage and Retrieval of Multidimensional Aperiodic Signals

А, хотя кажется что-то подобное придумывают https://www.frontiersin.org/articles/10.3389/fncom.2021.551111/full?utm_source=F-AAE&utm_medium=EMLF&utm_campaign=MRK_1651992_55_Neuros_20210603_arts_A

Frontiers

Recurrent neural networks with associative memory properties are typically based on fixed-point dynamics, which is fundamentally distinct from the oscillatory dynamics of the brain. There have been proposals for oscillatory associative memories, but here too, in the majority of cases, only binary patterns are stored as oscillatory states in the network. Oscillatory neural network models typically operate at a single/common frequency. At multiple frequencies, even a pair of oscillators with real coupling exhibits rich dynamics of Arnold tongues, not easily harnessed to achieve reliable memory storage and retrieval. Since real brain dynamics comprises of a wide range of spectral components, there is a need for oscillatory neural network models that operate at multiple frequencies. We propose an oscillatory neural network that can model multiple time series simultaneously by performing a Fourier-like decomposition of the signals. We show that these enhanced properties of a network of Hopf oscillators become possible…

22:51пожаловаться #6

Ещё бы понимать, что всё это значит :DDD

22:52пожаловаться #7

Долгая краткосрочная память

Это называется https://ru.wikipedia.org/wiki/%D0%94%D0%BE%D0%BB%D0%B3%D0%B0%D1%8F_%D0%BA%D1%80%D0%B0%D1%82%D0%BA%D0%BE%D1%81%D1%80%D0%BE%D1%87%D0%BD%D0%B0%D1%8F_%D0%BF%D0%B0%D0%BC%D1%8F%D1%82%D1%8C

Wikipedia

разновидность архитектуры рекуррентных нейронных сетей

22:52пожаловаться #8

О, спасибо!)

22:53пожаловаться #9

Количество рекурсий внутри одного шага обучения может, в теории, быть произвольно большим

22:53пожаловаться #10

Эта картинка прям уже напоминает что-то биологическое)

22:53пожаловаться #11

"Увидел, осознал, отреагировал" скорее всего будет включать в себя несколько переключений между нейронами. Другое дело, что каждая такое "увидел" запускает разные параллельные пути активации, которые в зависимости от параметров сигнала и фильтров будут запускать разные реакции, некоторые даже без этапа "осознания". Например, резкая неожиданная вспышка света или звук вызовут активацию короткого пути для реакции, ещё до осознания. И параллельно информация будет проходить ещё по более длинным путям для новой реакции и ещё запустятся процессы дообучения сети, чтобы в следующий раз реагировать более подготовленным образом.

Nikolay in Клуб веселых и задумчивых

23:11пожаловаться #12

мы можем получить очень сложную модель, а потом ее аппроксимировать простой нейронкой)

23:12пожаловаться #13

Кажется, это называется рефлекс. И, не знаю как называется, но когда после долгой тренировки управляешь машиной на автомате, без ментальных усилий.

23:13пожаловаться #14

Я тебе больше скажу, мы можем научить сложную нейронку, а потом, используя её как учителя, научить на два порядка более простую, потеряв только 1% целевой функции :) сразу простую учить не можем, т.к. для её обучения нужно примерно на столько же порядков больше исходных данных. А так их очень быстро генерирует учитель

23:14пожаловаться #15

По Павлову, второе называется "динамический стереотип" :)

23:19пожаловаться #16

Google и Гарвард выпустили визуализацию коннектома человеческого мозга на 1,4 петабайта

Кстати https://habr.com/ru/news/t/560906/

Habr

Исследователи Гарвардского университета совместно с Google AI создали трёхмерную карту одной миллионной части человеческого мозга, состоящую из 196 миллионов дву...

23:39пожаловаться #17

2021 June 04

Голый землекоп - 32. Мог ли вирус сбежать из лаборатории? Теории без заговора

Наверняка вы видели в соцсетях такие дискуссии, в которых сторонники природного происхождения вируса считают оппонентов конспирологами и идиотами, а сторонники лабораторного происхождения считают, что оппоненты просто на стороне злых учёных, коллабораторы. Любой разумный человек держался от этих споров подальше.

В научной среде происходила похожая вещь. Пока вдруг ситуация не начала стремительно меняться. Многие специалисты, предпочитавшие отмалчиваться, чтобы не лить воду на мельницу примитивной конспирологии, сегодня решительно вступили в дискуссию, и требуют расследовать возможный путь лабораторного происхождения.

Мы до сих пор не знаем, где возник этот новый вирус. Не знаем - не защищены от следующей вспышки. "Голый Землекоп" предлагает вам "не знать" вместе с учёными. Как обычно, мы - за просвещенную неопределенность: так интереснее следить за возможным развитием событий в ближайшие месяцы

Google Podcasts

Apple Podcasts

Web

YouTube

Spotify (не работает в России)

Yandex.Music

Castbox

Overcast

Google Podcasts

В последние дни все крупнейшие мировые медиа неожиданно заговорили о том, что пандемия коронавируса могла начаться с лабораторной утечки. В журнале Science письмо с требованием более внимательно изучить эту версию подписали 18 авторитетных ученых, а следом про возможное бегство вируса стали говорить повсюду. Почему именно сейчас? Илья Колмановский говорит с двумя подписантками письма в Science и пытается разобраться, где тут политика, а где наука.

Этот подкаст мы делаем совместно с сервисом онлайн-образования Яндекс.Практикум:

https://praktikum.yandex.ru/?utm_source=pr&utm_medium=content&utm_campaign=pr_content_main_zemlyakop

Телеграм-канал «Голый землекоп»:

https://t.me/kolm_zemlekop

Послушайте новый подкаст «Почему мы ещё живы»: https://podcast.ru/1568720773

Редактор: Андрей Борзенко

Продюсерка: Настя Якубовская

Звукорежиссер: Павел Цуриков

Композитор: Кира Вайнштейн

_____________

Это подкаст студии "Либо/Либо" — libolibo.ru

Instagram студии — Instagram.com/libolibostudio

Наш YouTube канал —…

Constantine Drozdov in Клуб веселых и задумчивых

03:06пожаловаться #18

А вы не интересовались публикациями? У меня был один вполне конспирологический вопрос - на первый взгляд по карте возникает ощущение, что ЮВА меньше всего страдает от COVID. Может, были публикации на эту тему?

03:12пожаловаться #19

Особенно Индия не страдает, да...