Theoretische Informatik ne.neural-evol

10

Beweisbare Aussagen über genetische Algorithmen

Genetische Algorithmen werden in der Welt der Theorie nicht sehr gut aufgenommen, aber sie sind eine einigermaßen gut verwendete metaheuristische Methode (mit metaheuristisch meine ich eine Technik, die generisch auf viele Probleme wie Tempern, Gradientenabstieg und dergleichen angewendet wird). Tatsächlich ist eine GA-ähnliche Technik für euklidische TSP in der Praxis …

56 ds.algorithms ne.neural-evol

2

Universeller Approximationssatz - Neuronale Netze

Ich habe dies früher auf MSE gepostet , aber es wurde vorgeschlagen, dass es hier einen besseren Ort gibt, um zu fragen. Der universelle Näherungssatz besagt, dass "das Standard-Multilayer-Feed-Forward-Netzwerk mit einer einzelnen verborgenen Schicht, die eine begrenzte Anzahl von verborgenen Neuronen enthält, unter milden Annahmen zur Aktivierungsfunktion ein universeller Näherungswert …

23 approximation-algorithms ne.neural-evol na.numerical-analysis

1

Wie viel Rechenleistung passt in einen Kubikzentimeter?

Diese Frage ist eine Fortsetzung der Frage zu DNA-Algorithmen, die Aadita Mehra gestellt hat . In Kommentaren sagte Joe Fitzsimmons zum Teil: Der Radius des Systems muss proportional zur Masse skaliert werden, um dies zu vermeiden. Die Rechenleistung skaliert höchstens linear in der Masse. Ihre exponentielle Maschinenmenge hat also einen …

22 cc.complexity-theory quantum-computing ne.neural-evol physics natural-computing

2

Quanten-PAC-Lernen

Hintergrund Funktionen in sind PAC, die in quasipolynomialer Zeit mit einem klassischen Algorithmus lernbar sind, der zufällig ausgewählte O ( 2 l o g ( n ) O ( d ) ) -Anfragen benötigt, um eine Schaltung mit der Tiefe d [1] zu lernen. Wenn es kein 2 n o …

15 quantum-computing lg.learning machine-learning open-problem ne.neural-evol

1

Rechenleistung neuronaler Netze?

Angenommen, wir haben ein einschichtiges neuronales Feed-Forward-Netzwerk mit k Eingängen und einem Ausgang. Es berechnet eine Funktion aus . Es ist ziemlich leicht zu erkennen, dass diese mindestens die gleiche Rechenleistung wie A C 0 hat . Nur zum Spaß nennen wir den Satz von Funktionen, die von einem neuronalen …

13 cc.complexity-theory circuit-complexity machine-learning ne.neural-evol

12

Was sind einige reale Anwendungen für genetische Algorithmen?

Was sind einige reale Probleme, die mit einem genetischen Algorithmus gelöst wurden? Worin besteht das Problem? Was ist der Fitnesstest, um dieses Problem zu lösen?

13 ds.algorithms machine-learning ai.artificial-intel application-of-theory ne.neural-evol

5

Können neuronale Netze verwendet werden, um Algorithmen zu entwickeln?

Nach den immer neueren Erfolgen neuronaler Netze beim Spielen von Brettspielen könnte das nächste Ziel, das wir uns gesetzt haben, nützlicher sein, als Menschen in Starcraft zu schlagen. Genauer gesagt fragte ich mich, ob Können neuronale Netze trainiert werden, um klassische algorithmische Probleme zu lösen? Hier meine ich, dass das …

9 cc.complexity-theory ds.algorithms machine-learning ne.neural-evol

2

Zweck und Bestimmung, wann versteckte Ebenen verwendet werden sollen

Weiterverfolgung dieser Frage ... Ich versuche zu lernen, wie man neuronale Netze für meine Forschung verwendet und erstellt, und ein Punkt entgeht mir etwas. Mir ist klar, dass verborgene Schichten ein etwas notwendiger Teil davon sind, aber ich stecke in zwei Punkten fest, die meine Referenzen nicht zu meiner Zufriedenheit …

9 ne.neural-evol

Als «ne.neural-evol» getaggte Fragen