>>71219
ОП here(кстати тут запары с sameperson есть)
Предлагаю закончить пиздежь про ANN. И постараюсь сделать outline своего мнения.
Мое мнение сильно пересекается со следущим: http://www.svms.org/anns.html .
Если мы говорим про стандартную задачу классификации(регрессии, кластерезации -- не суть, там почти то же самое), то ANN уже давно сливает везде. Сливает на обобщающей способности тк это и есть мерило качества классификатора. Вместо него советую посмотреть SVM/RandomForest или RVM(relevance vector machines).
Про примеры, что ANN сливает современным методам: я сейчас искать не буду(feel free to use google scholar yourself) но я почти получив, PhD в ведущем институте на материковой Eвропе могу сказать, что не видел за все время задачи, где ANN лучше.(Мой какбы "авторитет" в этом высказывании -- не аргумент, я просто делюсь опытом)
Про отношение к реальному мозгу:
*ANN используемые для задач pattern recognition вообще никак ни в каком приближении не описывают реальную работе мозга.
*Можно строить ДРУГИЕ модели и моделировать в лучшем случае нейронные культуры.
*Моделировать работу мозга вообще пока бессмысленно, who claims that they did -- are whores
Однако я не отрицаю, что в реальной не научной жизни black boxes могут конкретно помочь(например ГА). Но просто помните что если у вас задача классификации, то ANN давно сливают. That is my main point.
Кстати, я вспомнил хороший пример где ANN годно используются: convolution networks. Только сама исходная задача уже тоже решена другими методами, но идея в convolution networks(точнее свойство ANN) действительно годная и еще вполне может сыграть.
Если кто-то хочет еще пообсуждать суть ANN, создайте другой тред, там присоединюсь. Здесь хочется поговорить о state-of-art computer vision.