{quote}{login=ratboy}{date=18.08.2011 10:35}{thema=Модель нейросети}{post}Попытался сваять нейросеть для прогнозирования. Модель получилась вроде. Но слабо понимаю алгоритмы обучения сети. Кто хочет помочь - присоединяйтесь.  
Извините за оффтоп, если что...{/post}{/quote}  
Для таких целей есть специальные программы, например STATISTICA, котрая прекрасно уживается и с excel и другими БД

Цель написания - ради удовольствия и заодно попытаться спрогнозировать заболеваемость.  
Statistica и прочий заточенный софт использовал. Получаются неплохие результаты.    
Что касается создания книги - это место где будут хранится веса входов нейронов после обучения и прочая отладочная информация, а потом на основе этой книги можно будет создавать сети и использовать их.  
На теперешнем этапе пробую заставить сеть выучить таблицу умножения и решать уравнения.  
Если кому интересно, могу все расписать в подробностях...

{quote}{login=nerv}{date=18.08.2011 03:31}{thema=}{post}Вы хотите сказать, реально научить компьютер "думать"? : ){/post}{/quote}  
Как программа ему укажет, так и будет "Думать" (а не рассуждать, как человек).  
Появляются новые данные, они включаются в общий расчет, результаты изменяются, появляются новые данные... Самообучаемость.  
 
Но до искусственного интеллекта еще далеко :)

Нейронные сети - целая наука, не вникал.  
 
Например, при каких-то вычислениях в ячейке возможно появление "1". При этом дальнейшие вычисления будут неправильны.  
Сеть это определяет и при следующем появлении единицы игнорирует эту ветку вычислений.

ratboy, спасибо. Гляну. Можно в вкратце алгоритм нейронной сети?  
 
vikttur и Вам Спасибо : )

Упрощенно алгоритм такой:  
Основной компонент сети - нейрон. У него есть входы (в биологическом аналоге дендриты) и выход (аксон). Вход характеризуется значением и весом входа (то есть насколько вход важен). На выходе нейрона взвешенная сумма значений входов(сумма значение*вес). Нейроны объединяются в слои, слои нейронов соединяются в сеть.  
Соответственно сеть имеет входы (дендриты первого слоя) и выходы (аксоны последнего слоя).    
В моей сети входы, выходы, нейроны, слои и сама сеть это объекты реализованные на классах. Поэтому работать с ними легко и удобно. Вот здесь http://apsheronsk.bozo.ru/Neural/nnprog.html сеть реализована на многомерных массивах и разобраться сперва очень сложно.  
Для использования сети ее нужно обучить. Я хочу использовать сеть для прогнозирования и обучение будет реализовано с учителем. Обучения без учителя делают в основном для решения задач кластеризации. В таких задачах учитель действительно не нужен (вообще для кластеризации я использую алгоритм KMeans).  
Обучение происходит так (на примере таблицы умножения): подаю на первый вход число 1 на второй число 2. На выходе снимаю число. Разница между желаемым(2)и действительным - ошибка сети. На основе этой ошибки я подстраиваю веса входов нейронов. Прохожу по всей таблице умножения при этом подстраивая веса на основании ошибки. Полный проход по набору данных (в данном случае по таблице умножения) называется эпохой. Если все сделано правильно эпох так через 1000 сеть научится умножать числа (установятся правильные веса). Обучение прекращается,  веса сохраняются. Можно получать результаты: на входы подаются числа - на выходе правильное произведение. То же самое на примере решения уравнения типа x=y*3+y.  
Задача прогнозирования будет отличатся только способом подачи данных.  
Сеть не волшебная - она только умеет устанавливать и запоминать зависимости.

ratboy, благодарю за разъяснения : )  
 
В связи с чем возник вопрос:  
Зачем учить ее умножать, если компьютер это и так может?)  
 
>>Я хочу использовать сеть для прогнозирования.  
Если можно, пример (на словах).    
 
И в довесок вопрос: для чего еще можно использовать нейро сеть?

от еще интересный примерчик, жаль, код не открыт.

Читаю http://www.aiportal.ru/articles/neural-networks/back-propagation.html  
 
и параллельно бьюсь над алгоритмом сравнения текстов. Как закончу, постараюсь включиться в нейро сети. Хотя, до сих пор не понял интересно это мне или нет. Посмотрим...

ratboy, Про тему не забыл) Просто не хочется браться за одно, не доделав другое)  
Как идет обучение сети?

О своей заинтересованности я информировал Вас выше, правда, боюсь не потяну)  
Любую сложную задачу (как мне кажется) можно сформулировать просто. На пальцах: что хотите и что есть.

{Зачем учить ее умножать, если компьютер это и так может?){/post}{/quote}  
по секрету, комп не только умножать, но и суммировать не умеет

Что касается функций preamp и postamp, они точно верные. Проверено. Сигмоидная функция активации и ее производная (AntiSigma) тоже верно. А вот насчет тангенса не уверен. Вроде работает. Тангенс нагуглил. Сигма с ссылок выше. Функции предобработки с собственных мозгов.    
Что касается одновременного создания сети. http://robocraft.ru/blog/algorithm/560.html Вот тут очень понятное описание работы сети и алгоритма обратного распространения. У меня модель сети написана на классах: вход нейрона-нейрон-слой-сеть.    
Может по скайпу все объяснить???