Informatique théorique ne.neural-evol

10

Déclarations prouvables sur les algorithmes génétiques

Les algorithmes génétiques n'ont pas beaucoup de poids dans le monde théorique, mais ils constituent une méthode métaheuristique assez bien utilisée (par métaheuristique, je veux dire une technique qui s'applique de manière générique à de nombreux problèmes, tels que l'annelage, la descente de gradient, etc.). En fait, une technique similaire …

56 ds.algorithms ne.neural-evol

2

Théorème d'approximation universelle - Réseaux de neurones

J'ai posté cela plus tôt sur MSE, mais il a été suggéré qu'ici pourrait être un meilleur endroit pour demander. Le théorème de l'approximation universelle stipule que "le réseau à anticipation multicouche standard avec une seule couche cachée, qui contient un nombre fini de neurones cachés, est un approximateur universel …

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

1

Quelle puissance de calcul rentre dans un centimètre cube?

Cette question fait suite à la question sur les algorithmes d'ADN posée par Aadita Mehra . Dans ses commentaires, Joe Fitzsimmons a déclaré, en partie: [L] e rayon du système doit évoluer proportionnellement à la masse pour éviter cela. La puissance de calcul évolue au plus linéairement dans la masse. …

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

2

Apprentissage Quantum PAC

Contexte Les fonctions dans sont PAC apprenables en temps quasi-polynomial avec un algorithme classique qui nécessite des requêtes choisies au hasard pour apprendre un circuit de profondeur d [1]. S'il n'y a pas d' algorithme de factorisation alors c'est optimal [2]. Bien sûr, sur un ordinateur quantique, nous savons comment …

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

1

Puissance de calcul des réseaux de neurones?

Supposons que nous ayons un réseau de neurones à rétroaction simple couche avec k entrées et une sortie. Il calcule une fonction à partir de , il est assez facile de voir que cela a au moins la même puissance de calcul que A C 0 . Juste pour le …

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

12

Quelles sont les applications réelles des algorithmes génétiques?

Quels sont les problèmes du monde réel qui ont été résolus en utilisant un algorithme génétique? Quel est le problème? Quel est le test de condition physique utilisé pour résoudre ce problème?

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

5

Les réseaux de neurones peuvent-ils être utilisés pour concevoir des algorithmes?

Après les succès de plus en plus récents des réseaux de neurones dans les jeux de société, on sent que le prochain objectif que nous nous sommes fixé pourrait être quelque chose de plus utile que de battre les humains dans Starcraft. Plus précisément, je me demandais si Les réseaux …

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

2

Objectif et déterminer quand utiliser des calques masqués

Suite à cette question ... J'essaie d'apprendre à utiliser et à créer des réseaux de neurones pour mes recherches, et un point m'échappe quelque peu. Je me rends compte que les couches cachées sont une partie quelque peu nécessaire de cela, mais je suis coincé sur deux points que mes …

9 ne.neural-evol

Questions marquées «ne.neural-evol»