Код который строит первый слой гермионной сети.

#!/usr/bin/env python 2.7

import numpy as np

#   The result of the two structures like this
#   edges = np.array([(0, 1),(1, 0),(0, 4),(4, 3))])    
def signal_to_hn(N,vsignal,edges1,edges2):
    x0=0    # this is due to the numbering of objects when
    x1=x0+1     # creating in points_on_field() by numpy functions
    layer=0
    input0 = []
    input0_coordinate = {}  # the same ^^^
    tree0=[]
    pair0=[]
    pair_index=0
    medges1=[]
    medges2=[]
    for i in xrange(len(vsignal)):
        if (pair_index==2):
            if not pair0 in tree0:
                tree0.append(pair0)
                cell1=[]
                x0_coordinate = input0_coordinate[pair0[0]]
                cell1.append(x0_coordinate)
                cell1.append(x1)
                medges1.append(cell1)
                cell2=[]
                x1_coordinate = input0_coordinate[pair0[1]]
                cell2.append(x1)
                cell2.append(x1_coordinate)
                medges2.append(cell2)
                x1=x1+N
                
            pair0=[]
            pair_index=0
        pair0.append(vsignal.item(i))
        pair_index=pair_index+1
        if  not vsignal.item(i) in input0 :
            input0.append(vsignal.item(i))
            input0_coordinate[vsignal.item(i)] = x0
            x0 = x0 + N
            if (x0 > N*N ):
                print "Need to increase the number of switching environment (N)"
                exit(0)

    return medges1, medges2

################################################################################
if __name__ == '__main__':

    N=5 # size of switching environment

    vsignal= np.array([0,0,0,0,1,1,1,1,1,0,0,0,0,0,0,1,1,1,0])
    medges1 = np.array([])
    medges2 = np.array([])
    
    edges1, edges2 = signal_to_hn(N,vsignal,medges1,medges2)
    print edges1, edges2
    exit(0)

По изменению цвета копиляров на лице человека и по другим физическим параметрам тела можно классифицировать некоторое различие в эмоциональных состояниях человека. Можно даже дать этим состояниям условные названия : нервозность (страх, стресс, недовольство), эфория (удовольствие, наслаждение), и т.д.

http://habrahabr.ru/post/208876/

Почитали бы хоть про гермионную сеть:

http://www.gotai.net/forum/default.aspx … 659#130659

Или про постановку задачи:

http://www.gotai.net/forum/default.aspx … 584#131584

В примере:

1 уровень состояний датчика - людей нет, кто то пришёл, все ушли только что, кто то есть
2 уровень последовательностей событий - предсказание - кто то придёт, предсказание - кто то останется, прдсказание - все уйдут
3 уровень времени - гипотеза развития событий (когда кто то придёт он либо уйдёт, либо останется)
4 уровень базы знаний - знания о том, что в доме бывают люди.

Вот дальше этого примера я не буду рассматривать пок не чего.

Расшифровка:

0-Уровень сети
==========

0 уровень - 2 датчика в 2 проходных каридорах и у каждого 2 состояния (есть люди и нет людей)
1 уровень 2*2=4 состояния.

1 - Уровень сети
===========

Давайте придадим смысл этим состояниям. Для этого возьмём 1 Луарвика и попробуем ему объяснить что значат эти 4 состояния, какой в них смысл и какой интеллект из этого можно получить.

1 сотояние - оба датчика не активны (смысл очевиден - людей нет)
2 состояние - 1 датчик сработал ( то есть система перешла из состояния 1 в состояние 2. (смысл очевиден - кто то пришёл в комнату 1).
3 состояние - 2 датчик сработал ( то есть система перешла из состояния 1 в состояние 3. (кто то пришёл в комнату 2).

А вот дальше гораздо, гораздо сложнее.

Система не знает можно ли попасть из комнаты 1 в комнату 2 и обратно, или можно попасть в комнату 2 непосредственно без комнаты 1. Вот выяснение этих фактов требует времени, в случае не яного задания топологии помещения. Вот этот факт и есть ИИ, если система получит его самостоятельно. Но есть но, допустим есть дверь между комнатой 1 и комнатой 2, в начале работы системы она была заштукатурена, а потом (когда система обучилась) проход снова открыли.

Получается, по мимо этих 2 датчиков желательно иметь ещё один источник информации - например видеокамеры широкого обзора. На этих видеокамерах надо диагностировать (используя алгоритмы обработки изображения) появление новых объектов. И надо уметь связывать новые объекты и показания датчиков (автоматически, без участия человека - без задания топологии помещения).

Второй вариант выяснения топологии - специальный подвижный робот с видео или радио или акустикой или да же группа роботов (взаимодействующая для построения топологии - работу этого алгоритма вы видели неоднократно в х.ф. типа "Прометей")

Есть состояние 4 - переход из комнаты 1 в комнату 2.
И состояние 5 - переход из комнаты 2 в комнату 1.

Дальше ещё сложнее:

Состояние 6:
А если вначале зашло 2 человека в комнату 1 и один из них прошёл в комнату 2, тогда у нас оба датчика работают.

Состояние 7: Зашли в комнату 2 и один из них прошёл в комнату 1, опять оба датчика работают.

Состояние 8: Они (2 человека) сговорились и зашли одновременно в комнату 1 и комнату 2

Состояние 9: Зашли с малым интервалом, достаточным для прохода в комнату 2.

Состояние 10: То же самое но вначале комната 2, затем малый интервал и комната 1.

Понятно что в случае 9-10 мы точно не можем сказать сколько людей зашло и вышло и где они находятся.

На втором уровне 4 состояния (4 перехода на 0 уровне):

1-датчики не работают. (смысл - не кого нет)
2 - 1 датчик работает, 2 не работает. (кто то есть в 1 комнате)
3 - 1 не работает, 2 работает (кто то есть во 2 комнате)
4 - оба датчика работают. (кто то есть везде)

2 Уровень сети (Сколько переходов на 1 уровне?)
===============================

Из комбинаторики известно (можно заложить этот алгоритм для автоматического прогнозирования максимальных затрат) число размещений по 2 буквы с повторениями (может не чего не происходить) и дадут нам количество переходов на уровне сети:

(n элементов, взятых по m, где элементы в наборе могут повторяться)

Понять формулу просто, если убрать из 16 состояний 4 неподвижных состояния, то 12 получается так.

Из 1 состояния мы можем оказаться в 3 других состояниях. Но всего у нас состояний 4. 4*3=12.

Теперь возьмём из поля Луарвика смысл этих состояний (частично мы описали выше 10 состояний). Попробуем определить что мы пропустили, при использовании только мыслей без математики.

Пропущены 2 простых состояния, года 1 человек или группа находилась в комнате, а потом вышла.

Как видим не все состояния одинаково полезны для произвольной системы.

Если бы работал алгоритм (в смысле Луарвика), то мы сразу бы сгенерировали уйму состояний.

А так как тут работает ИИ, то генерируются только состояния соответствующие поведению живых объектов в реальном мире, впрочем во время "сна" сети (когда продолжают повторятся те же сигналы - те 4 состояния 2 уровня и те 2 состояния 1 уровня когда не чего не движется) мы можем сделать прогноз всех пропущенных состояний и да же отработать ( в режиме моделирования реакции на эти новые (теоретически возможные состояния)).

То есть уровень неопределённости в такой системе ниже, чем в системе без Гермионной сети.

Повторяем пройденный материал (допустим живёт только 1 человек в однокомнатной квартире с кухней а проход между кухней и комнатой замурован, датчики стоят на входах в кухню и комнату):

1 уровень сети - сработка датчиков (4 состояния не бывает не когда, если оно возникнет нужно бить тревогу - звонить в полицию)
2 уровень сети - размуровывание двери (четыре активных состояния входы и выходы из комнаты и кухни и три стационарных - если кто то пролезет сквозь стену (влезет в форточку, когда человек спит в другой комнате - надо бить тревогу)

3 уровень сети - предсказания во времени поведения человека (если человек зашёл на кухню, то сразу после он выйдет, аналогично с комнатой). Если человек рассеянный то он может выйти из кухни и сразу снова войти, если заранее всегда думает то сразу после кухни идёт обязательно комната либо уход из дома. Количество состояний тут будет зависеть от человека. Если в доме будет робот с надёжной батарейкой, то тут будет минимальный набор состояний (так как робот обычно планирует свои действия на несколько шагов и не зависит от мелких факторов - например не будет гоняться за мухой, которая залетела в квартиру, если в функции робота это не входит).

Так же тут надо учитывать такую возможность, что отсчёт будет начат с момента, когда человек находился на кухне (а не в прихожей). Поэтому будут состояния вышел из кухни и зашёл в комнату на этом уровне.

4 уровень - сильно зависит от времени, будет масса комбинаций связанных со статичными стотояниями. (например сколько циклов работы гермионной сети человек пробыл в кухне).

Так как Гермионная сеть бинарная то в этом есть и достоинство и недостаток.

Недостаток в том что будут дублироватся двойственные состояния (начало движения произошло с кухни или с прихожей?). Это будет зависеть от чётного или нечётного числа интервалов в неподвижных состояниях.

Достоинство в том, что это по сути бинардик Филипова, где классификация устанавливается автоматически.

Так же есть вопросы (на которые можно ответить только практикой). Когда считать гермионную сеть обученной и доверить включения света? Ответ будет где то между построением минимального набора (хотя бы один узел на самом верхнем уровне - верхний уровень мы задаём при старте системы). Полагаю что на практике уровень вложенности гермионных сетей будет зависеть от самой конфигурации.

Таким образом задача * в  определении ИИ системы сводиться просто заданием высоты (глубины) сети, после достижения которой, считаем сеть способной к самостоятельной работе.

Полагаю этот один параметр можно отдать в распоряжение * и прочим хвилосохвов

А , ну я понял:

Сколько чертей надо, что бы создать Бога?

Как подсчитываете без математики? В тъмах?

Похоже это вы тупите. Я вам по ссылке (почитайте внимательнее) написал как это сделать.
Только вы же не читатель, вы же писатель да к тому же пьяный (или это не вы были...)

Да же оценки дал. На 1 выключатель и один сенсор, надо 5 уровней и матрицу минимум 16x16.

Максимум 2^2^...^2 (2 в степени 2, в степени 2, в степени 2 и так 6 раз).

Впрочем можно представить это в виде гипперкуба или вложенных тензоров - суть не меняется.

Ах да надо добавить, что существует одноранговая самомаршрутизируемая сеть (читай можно сделать вычислительную систему распределённую с такими как раз параметрами для максимального случая) с такими параметрами и будет работать на той самой коробочке за 15 евро (что на фото), называется Netsukuku, мы её сделали в 2004 году. Берите, пользуйтесь - можете спасибо не говорить

Есть непрерывная логика. Если грубо - задаёшь любую гладкую функцию распределения и получает нечёткую логику. А вот если к этой функции ещё и фрактальную метрику добавить - то будет забавная модель. Только вот метрику надо подбирать исходя из экспериментальных данных, а их у людей нет (насколько я знаю).

Я бы предложил использовать искусственно выращенные органические сенсоры для получения необходимого объёма экспериментальных данных.

Идея интересная. Буфер сохранения делать надо. Как и буфер предсказания.
Анализировать можно разницу между текущими и ожидаемым буфером.

не согласен. даткчики и сенсоры стоят копейки + orange pi.
вопрос - несколько ты рукастый чтобы все это настроить.

- света
- газа
- движения
- влажности
- поля электромагнитного
- радиации

http://homedevice.pro/product-category/ … of-things/

Список датчиков:

Магнитное поле,
Вибрации,
Свет,
Компасс,
Влажность воздуха,
Влажность земли,
Наличие радиополя,
Наличие различных газов и смеси,
Температуры,
Давления,
Пожара,
Протечки,
Движения,
Тока,
Напряжения и т.д. по каждой почти физической величине.
Например разбор звуковых колебаний из шума,
Распознавание голоса,
Распознования позиции и жестов и т.д.
Парковки,
Открывания дверей и окон,
Пересечения лазерного луча (лазерный выключатель),
Уровня воды в танке и бачке,
Уровня топлива емкостной, механический, аккустический и т.д.
Положение по GPS/Глонас,
Наличия радио сетей связи и т.д.

http://intelag.holding.bz/file/pub/ttO8 … z2reYgFa2a

http://intelag.holding.bz/file/pub/NAAv … tvJUR0HX6i

https://www.youtube.com/watch?v=4zRq85791vo

НА непростых катамаранах она (система умный дом) уже лет 10 как штатно. А сейчас и в Автомобилях пойдет мода на умный автомобиль.