Nikolay_Po (20.11.2019 23:59 - 21.11.2019 00:01, просмотров: 289) ответил ASDFS на Так и знал что все уже придумано. Спасибо, почитаю на досуге.
У меня был такой странный опыт, в чём-то схожий с работой нейросети и связанный с DSP: для расчёта каскада биквадратных фильтров использовал эволюционный "решатель" из "R" (CRAN R), когда сообщества (по числу ядер CPU) индивидуумов (на сколько хватало памяти и производительности) эволюционировали, подбирая коэффициенты под заданные требования к фильтру, отличные от стандартной маски "полоса задержания" и "полоса пропускания".
Нужно было обеспечить минимальное потребление ресурсов, обеспечив заданное подавление в ряде полос и заданное пропускание в одной полосе. Могу сказать, что если сохранять наработанный "индивидуумами" "опыт", нахождение решения очередного варианта происходило заметно быстрее, чем запуск с нуля. Непонравилась большая неопределённость - ниакаой гарантии, что найденное решение близко к оптимальному. Нет гарантий результата.
Выглядело это так: на языке R я создавал целочисленную модель каскада фильтров с целочисленными коэффициентами. Каждую итерацию на вход каскада фильтров подавался сигнал. Оценивалась реакция модели - нет ли переполнения в каждой из операций вычисления? Какой уровень шума вносит квантование? Нет ли возбуждения? Насоклько близки частотные характеристики к заданным? Всему этому давалась одна общая пропорциональная оценка, от которой зависели баллы индивидуумов. Каждые несколько итераций самые неуспешные индивидуумы гибли, успешные - размножались. Так же индивидуумы кочевали между сообществами (процессами ядер ЦП). По мне так можно провести аналогию с работой нейросети.