http://www.forumavia.ru/forum/0/6/44383 … 06_2.shtml

04/05/2005 [14:37:27]

Vint:

Да лана вам стебаться. Нафиг, абстрагируемся от названия. Гермионных, типа. Сетей, типа. Писё там просто. Это обычный управлятор на вроде автомата с обратной связью. Я этим занимался давно аж в 1995-м группа была на мат-мехе ЛГУ. Ну дык вот всё отличие таких девайсов от АОС в том, что они срабатывают не по факту уже случившихся отклонений сигналов на неких управляемых входах, а по прогнозируемым альтернативным пучкам вероятных отклонений, построенных на основании накопленного опыта. Ну и понятно, что управляющие сигналы генерятся ещё до того, как реальные события сложатся.
Термин "гермион" это я знаю как возник. Там элементарная единичка может находиться в двух состояниях Либо узел, либо связь, но как только состояние реализуется в виде чего либо, то ячейка закупоривается (герметизируется) Вот и получилось словечко "Герметичный ион". Ну, а когда всё это работает, то сеть формируется по мере накопления знаний, рождая узлы и связи. Вот и всё. Понятно, что на нейронные сети это не похоже, вот и выделено было направление как-бы новое (НИИММ им. Смирнова мат мех ЛГУ апрель 1990-й год) Моделировалась такая среда ещё аж на ЕС ЭВМ 1046 машинка "ДЕЛЬТА" ВЦ ЛГУ, если кто знает.

А работы не засекреченные, это тут кто-то зря версию кинул. Просто публикаций мало было, а потом всё свернулось само собой по причине безденежья. То, что работы закончены, так это может быть. Там, когда я из этого дела вышел было вроде как всё вполне устаканившимся.

И то, что в США таких направлений нет, вполне понятно почему. Они по публикациям новое отслеживают, а их практически и не было но не по причине секретности, а из-за простой лени. Работы тогда шли бурно, тема только формировалась ещё ничего не было понятно, что стоит предавать бумаге, как каркас, а чего из этого только гипотезы...

22/11/2005 [13:33:11]

Vint:

Да. Очень сильно и очень упрощённо. Тут выше выставленно начало, бытовавшей в те годы поговорки. "Устройства, которые мы создавали должны приносить пользу фактом своего существования своему создателю и вред его врагам."
Это я так, к слову.

Спасибо, НО, за ссылки.
Идея, на мой взгляд, совершенно нормальная, рабочая, но похоже, что принципиальная особенность - именно в "закупорке" найденных регулярностей. Правда и это в принципе мало отличается от текущего формирования и использования базы знаний. Не заметил, чтобы там и базы прецедентов тоже создавались и использовались. В общем, жаль, что коллеги тормознули это дело. Теперь много времени упущено.

10 определений интеллекта тут в форуме написаны мной.
Для вас подходит первое - набор ваших психологических комплексов. Тупой вопрос троля. Такой же ответ. Плюс вы лично должны мне 1 000 000 000 $

Если первое попавшийся пример некорректен для первого вашего предложения, советую выкинуть всю книгу (переписать). С вами всё ясно. Наш договор был чёткий 1 ошибка - ваше исправление всей книги. Вы его нарушили, теперь вот ещё и денег должны.

Определегие от Григория про гермионную сеть:

Пример озвучки отношений таков:
Форма "А" проявляется относительно формы "Б" в виде совокупности характерных признаков "Ж" а в обкладках рисовалась функция принадлежности характерных признаков, заданная на множестве "Ж" --- Б({Ж}) относительно Б. Для отношения структуры, фраза озвучки строилась так же, только вместо слова "проявляется" ставилось "состоит".

Если во вс? это въезжать конкретно, то получается, что отношения проявления олицетворяют поток текущих воздействий на М-форму, а отношения структуры, собственнно, ту форму или стуктуру, которую эта М-форма имеет на текущий момент. Понятно, что совокупность характеристик данная этими отношениями для конкретной М-формы исчерпывающе характеризует е? текущее состояние относительно конкретного наблюдателя.

На что тут следует обратить внимание. Всякое отношение уже одной своей записью демонстрирует наличие некоего наблюдателя, относительно которого строится представление. Функция принадлежности строится относительно М-формы - "наблюдателя". В качестве аргументов отношений используются М-формы, обозначенные русскими буквам.

А теперь делаем финт ушами и выда?м следующий тезис: "Никаких М-форм вообще нет. Отношения оперируют отношениями и проявляются и состоят друг относительно друга." Весь мир фрактал, а мы информионы.

Привожу как пример, всё таки более удачного определения (тополя и осины которые стоят вместе а белка прыгает с одного на другое дерево).

Другими словами - интеллект это информионы.

Для Луаврика и прочих должников 1B - белка которая перетаскивает орех с орехового дерева на тополь и есть информион/интеллект

а для тех кто хочет разобраться, можно сказать что форма деревьев на важна, важно семя с которого оно строиться, в семени заложены параметры дерева при взаимодействии с почвой, воздухом, влагой и солнцем.

Про сознание живой материи не буду говорить, эта тема мне не очень знакома (хотя есть соответствующие физические законы, решениями для которых являются солитоны (пакеты волн) пробегающие по электромагнитной основе в частности это могут быть звуковые волны). В виду разнообразия и сложности различных решений я не готов обсуждать эту тему.

А вот физическое взаимодействие почвы, воздуха, воды и солнечного света - до какой то мере можно смоделировать.

Причём семенем для этих отношений будет СФВ (физические операторы и когомологии этих операторов (топологические диаграммы))

Информионами они обозначали процесс создания фрактало-подобной структуры.
Именно процесс без остановки выращивания фрактала.  Так как для задания фрактала нужна функция, в физическом пространстве для заметного фрактала нужена среда - например дераво растёт из семени на фрактале грунте, потребляет воду и солнечный свет. Видимо семя, как образец из которого создаётся дерево и будет информионом. Так же, как я понял, мыслительный процесс они то же втиснули в понятие информион.

Допускаю что в информион можно втиснуть и эвристики ;-)

Для компьютера это скорее всего будет программа, которая создаёт программу, та в свою очередь ещё более детальную программу и так без остановки. Или как говорят в латинском языке - рекурсия

Ответ Григория:

http://ranet.socwit.com/blog/view?id=25 … onnaya_set

Занимался до 2003-го, но не нейронными, а гермионными. Это сильно иное.
Такие сетки не для моделирования, а для управления. Они не адаптивные, как нейронные, а формируемые и реконфигурирующиеся в процессе накопления данных. Применимы для решения задач типа удержания списка параметров какого-либо процесса в заданных диапазонах с конкретной целевой парадигмой.

Сильно специализированное направление.

Модель процесса, конечно формируется в виде сетевой структуры, но воспользоваться ею сторонний оператор не сможет, ибо она прошита альтернативными связями вероятных отклонений.

Выцепить конкретный образ из такой мочалки, конечно можно в бихолдере (аналог дебаггера для гермионства), но вот как его дальше использовать, ума не прикладу.

========================================
У Григория специфические термины - связано это с трудностью одновременного изучения области и отладки алгоритма.

Альтернативными связями вероятных отклонений - там из одного узла в верхней части сети может идти множество связей в низ. Список связей. Этот список может быть сгенерирован в результате ралаксации сети (когда от сенсоров не поступает новая информация, сеть может начать достраивать различные варианты)

Более востребованные (часто используемые) будут вначале списка.

Я согласен с вашей точкой зрения. Гермионная сеть делалась давно и довольно не затейлива по своему устройству. Можно попробовать использовать её просто для работы с сенсорами и эффекторами, а модель предметной области строить с учётом предложения Крона

Обратите внимание на статью Алгоритм_свёрточного_декодирования_Витерби.

http://ru.wikipedia.org/wiki/%D0%90%D0% … 0%B1%D0%B8

В статье делается вывод, что при больших размерах дерева поиска, как запланировано в Гермионной сети, фильтр трудно реализуем.
Естественно, что в общем случае такой декодер оказывается очень сложным и при больших размерах кодов n и k практически нереализуемым

Там можно взглянуть на картинки. Они чем то напоминают наиболее востребованные гермионные конструкции с исходящими вверх связями.
http://library.tuit.uz/skanir_knigi/boo … _kodir.htm
Ключевой особенностью алгоритма является наличие конечного числа ортогональных сигналов. Для гермионной сети это конечное число ветвления в узле-связи на уровне распознавания. Или другими словами если различные фразы имеют один и тот же хвост в длинной фразе, сложность сильно возрастает. Примерно так же как в притче о шахматной доске и зёрнышке ячменя (Геометрической прогрессии).

Но в Гермионной сети длинна кадра в теории бесконечна (мы помним фразу с самого начала) и упакована. Упакована, потому что мы помним инкремент.

Вот примерное описание взятое из Помех_кодир.

Например, входной последовательности 11001 соответствует путь, показанный на рис. 1.13 жирной линией и задающий выходную последовательность 11 10101111,
Недостатком данного представления сверточных кодов является экспоненциальный рост числа ветвей с ростом длины входной последовательности. Поэтому часто кодовое дерево изображают в виде кодовой решетки, при построении которой учитывается конечное число возможных состояний кодера, что дает возможность отождествлять вершины дерева, характеризуемые одинаковыми состояниями. Изображение кодовой решетки для вышеприведенного примера путь, соответствующий входной последовательности 11001, показаны на рис. 1.14

Тоесть 1.3 это Гермион структуры
А 1.4 это Гермион проявления

Подчёркиваю, всё это условно в силу ограниченных множеств возможных сигналов в декодирования Виттерби, короткого размера кадра и не использования в явном виде рекурсивных буферов или Текущего и Ожидаемого состояния в ЦУО/Р (Централизатор уровня опознования или ожидания или распознавания)

Гермионная сеть, похоже, это реализация декодирования Виттерби на параллельной системе.
http://electronix.ru/forum/lofiversion/ … 75046.html
http://www.dissercat.com/content/optima … mezhsimvol
http://www.mathnet.ru/php/archive.phtml … n_lang=rus

Вот на странице с крайней ссылки есть ссылка на статью
http://www.mathnet.ru/links/b74e125d160 … ppi954.pdf

В статье как раз описывается случай Гермиона проявления в параллельном режиме входных каналов. И даётся вывод что существует асимтотическая сходимость. Примерно так должна выглядеть работа математика по Гермионной сети. Полагаю математический анализ перед написанием самого алгоритма это хорошая идея. Другими словами, существует возможность распознания входного сигнала, хотя сложность декодирования входных каналов и возрастает.

Как и все фильтры подобного толка он основан на цепях Маркова. Можно посмотреть ссылки.
http://ru.wikipedia.org/wiki/%D0%90%D0% … 0%B1%D0%B8
http://ru.wikipedia.org/wiki/%D0%A6%D0% … 0%B2%D0%B0

Фильтр Калмана основан на передачи сигналов с выхода на входы, что и происходит в Гермионной сети, когда каналы достравается. Другими словами
сигналы со входа, преобразуются в сигналы на выходе, которые снова поступают на вход, если не чего особенного не происходит и не требуется смещения центра внимания.
http://ru.wikipedia.org/wiki/%D0%A4%D0% … 0%BD%D0%B0

Подробнее про фильтр Калмана в применении к Гермионной сети напишу позже.

Связь между Гермионной сетью и Фурье-преобразованием, примерно такая же как между рядом Тейлора и рядом Фурье (через ряд Лорана)

Связь между Гермионной сетью и Фурье-преобразованием, примерно такая же как между рядом Тейлора и рядом Фурье (через ряд Лорана).

В книге Шабат Б. В. "Введение в комплексный анализ" в разделе "Ряды Лорана" сказано: "Таким образом, ряд Фурье функции $\phi(t), t \in [0, 2\pi]$, записанный в комплексной форме, является рядом Лорана функции $f(z) = \phi(t)$, где $z = e^{it}$ на единичной окружности $\{\abs{z} = 1\}$. Очевидно, что и обратно, ряд Лорана функции $f(z)$ на единичной окружности является рядом Фурье функции $f(e^{it}) = \phi(t)$ на отрезке $[0, 2\pi]$."

Цель в Гермионной сети выбиралась саккадами (случайной сменой фокуса но в зависимости от среднего квадратичного отклонения). Поле зрение делилось на сектора, а сектора на части и для каждого сектора вычислялся коэффициент в зависимости от цвета

История была следующая:
Мы делали проект:
https://github.com/Ignat99/RaNet/wiki
http://forum.ksri.info/viewtopic.php?id=3204

Я описал грамматику с переносом формы слов (спряжения, склонения и т.д. на основе подхода проекта "Правда"). Но нужен был инструмент анализа и обучения, некий ИИ.

Вот так я набрёл на творчество Львова, но потом он любезно предоставил исходники, которые я собрал, запустил, прочитал, проанализировал.

Это был стартап, но денег так не кто и не увидел (так мне сказал Львов). Далее Львов занялся биткоинами. Сейчас кстати хороший момент для запуска некого научного информационного ресурса на блокчейне.

Позже мне предложили работать в любом институте России на выбор в рамках гос-программы правительства России, но я отказался, как всегда делаю в таких случаях. Обычно минусы перевешивают, а плюсов далеко не в два раза больше даже в самых хороших случаях.

Обратите внимание на статью Алгоритм_свёрточного_декодирования_Витерби.

http://ru.wikipedia.org/wiki/%D0%90%D0% … 0%B1%D0%B8

В статье делается вывод, что при больших размерах дерева поиска, как запланировано в Гермионной сети, фильтр трудно реализуем.
Естественно, что в общем случае такой декодер оказывается очень сложным и при больших размерах кодов n и k практически нереализуемым

Там можно взглянуть на картинки. Они чем то напоминают наиболее востребованные гермионные конструкции с исходящими вверх связями.
http://library.tuit.uz/skanir_knigi/boo … _kodir.htm
Ключевой особенностью алгоритма является наличие конечного числа ортогональных сигналов. Для гермионной сети это конечное число ветвления в узле-связи на уровне распознавания. Или другими словами если различные фразы имеют один и тот же хвост в длинной фразе, сложность сильно возрастает. Примерно так же как в притче о шахматной доске и зёрнышке ячменя (Геометрической прогрессии).

Но в Гермионной сети длинна кадра в теории бесконечна (мы помним фразу с самого начала) и упакована. Упакована, потому что мы помним инкремент.

Вот примерное описание взятое из Помех_кодир.

Например, входной последовательности 11001 соответствует путь, показанный на рис. 1.13 жирной линией и задающий выходную последовательность 11 10101111,
Недостатком данного представления сверточных кодов является экспоненциальный рост числа ветвей с ростом длины входной последовательности. Поэтому часто кодовое дерево изображают в виде кодовой решетки, при построении которой учитывается конечное число возможных состояний кодера, что дает возможность отождествлять вершины дерева, характеризуемые одинаковыми состояниями. Изображение кодовой решетки для вышеприведенного примера путь, соответствующий входной последовательности 11001, показаны на рис. 1.14

Тоесть 1.3 это Гермион структуры
А 1.4 это Гермион проявления

Подчёркиваю, всё это условно в силу ограниченных множеств возможных сигналов в декодирования Виттерби, короткого размера кадра и не использования в явном виде рекурсивных буферов или Текущего и Ожидаемого состояния в ЦУО/Р (Централизатор уровня опознования или ожидания или распознавания)

Гермионная сеть, похоже, это реализация декодирования Виттерби на параллельной системе.
http://electronix.ru/forum/lofiversion/ … 75046.html
http://www.dissercat.com/content/optima … mezhsimvol
http://www.mathnet.ru/php/archive.phtml … n_lang=rus

Вот на странице с крайней ссылки есть ссылка на статью
http://www.mathnet.ru/links/b74e125d160 … ppi954.pdf

В статье как раз описывается случай Гермиона проявления в параллельном режиме входных каналов. И даётся вывод что существует асимтотическая сходимость. Примерно так должна выглядеть работа математика по Гермионной сети. Полагаю математический анализ перед написанием самого алгоритма это хорошая идея. Другими словами, существует возможность распознания входного сигнала, хотя сложность декодирования входных каналов и возрастает.

Как и все фильтры подобного толка он основан на цепях Маркова. Можно посмотреть ссылки.
http://ru.wikipedia.org/wiki/%D0%90%D0% … 0%B1%D0%B8
http://ru.wikipedia.org/wiki/%D0%A6%D0% … 0%B2%D0%B0

Фильтр Калмана основан на передачи сигналов с выхода на входы, что и происходит в Гермионной сети, когда каналы достравается. Другими словами
сигналы со входа, преобразуются в сигналы на выходе, которые снова поступают на вход, если не чего особенного не происходит и не требуется смещения центра внимания.
http://ru.wikipedia.org/wiki/%D0%A4%D0% … 0%BD%D0%B0

Подробнее про фильтр Калмана в применении к Гермионной сети напишу позже.

Связь между Гермионной сетью и Фурье-преобразованием, примерно такая же как между рядом Тейлора и рядом Фурье (через ряд Лорана).

http://www.gotai.net/forum/default.aspx … 097#134097

Примерный текст:

Как вы видите на риснунке - происходит обучение в динамике.

В программе предусмотрено любое количество каналов как в формате звука, текста, просто символов или цифр.

Есть сенсоры, факты, датчики и узлы (где принимаются частные решения в диапазоне уровней).

Дальше я буду рассказывать сказки про свойства этой программы и да же покажу скриншоты

http://vk.com/topic-20856539_24197738

http://dl.dropbox.com/u/2837006/Prezent.rar

В архиве - исполняемый код программы. Если открыть панели, то можно увидеть как сеть растет с каждой новой последовательностью. Предсказания могут работать когда несколько входных каналов работают одновременно. Видимо по замыслу автора - Григория Львова - чем больше входных каналов, тем меньше неоднозначность в предсказании следующего состояния.

"За что купил, за то и продаю". Если попробовать попросить автора объяснить - никакого объяснения не получите - там только абстрактные идеи, которые на практике не работают (потому что у вас обычный компьютер а не дата-центр гугл).

Наверняка, с точки зрения Георгия Львова я не прав и твердолобый. Что я не понял светлую идею. Но зато это объясняет почему нет исходного кода в публичном репозитарии