Использование нейронных сетей Опции

[3.14]

Тут ссылку на кучу книжек выложили - очень интересно.
Интересно, а много среди нас тех кто яростно использует эти самые нейронные сети и в каких задачах.
Я так прикинул куда их можно прикрутить.
Пусть фильтрация сигналов, дык вроде как оптимального фильтра круче нет на свете, да и с анализом оптималки куда проще, во всяком случае не сложнее.
Распознавание образов. Стояла актуальная задача (в общем так и не упала).
Прикупил книжку (не помню название синенькая такая), там был даже пример распознавания контуров объектов, так вот незадача самая важная часть (количественная оценка объекта, например танк=1.3 а дом=5) вычислялась Фурье преобразованием, а вот компаратор объектов выполнен на нейронах
Еще неудачный пример. Несколько лет назад, будучи студентом, попалась компьютеррка с популяризацией эволюционных методов обучения нейронных сетей. От прочитанного эмоции лились через край (в возбужденной голове мелькали фразы "Я понял суть мироздания! Миру пи@дец!"). Принялся за дело. Для начала решил из одного урезанного нейрона получить эволюционными методами кореллятор. Написал в MatLab программку и вперед, за 15 минут расчета сеть (если можно так назвать) приблизилась к результату ~95% далее за сутки почти ни с места.
В общем, буду рад услышать ваши отзывы, только не надо бщих фраз типа "Ну а вы что хотели, это конкретные решения конкретных задач".

[qwesystemc]

Самое главное это понять что ничего магического НС делать не могут: на самом деле это просто линейные функции, то есть задается плоскость и нейрон определяет с какой стороны от нее находятся входные данные, ну а обучение это просто выбор этой плоскости. Более сложные НС это еще простенькая схемка приделанная к нескольким нейронам. Вот и получается что они могут решать только задачи которые (пусть приближенно) можно описать таким тривиальным способом.

[gab]

Самое главное это понять что ничего магического НС делать не могут: на самом деле это просто линейные функции, то есть задается плоскость и нейрон определяет с какой стороны от нее находятся входные данные, ну а обучение это просто выбор этой плоскости. Более сложные НС это еще простенькая схемка приделанная к нескольким нейронам. Вот и получается что они могут решать только задачи которые (пусть приближенно) можно описать таким тривиальным способом.

А я работаю с апроксимацией биологических. Они нелинейные. Там _так_ весело.

PS: А вообще очень интересно: когда говорят о нейронках всегда имеют ввиду этот уродский перцептрон или его выродков. Они конечно-же решают свой узкий круг задач, но как-будто ничего другого нет. Я просто занимаюсь моделированием реального нейрона (клетки) и сразу замечаю огрехи, которые допустили в 60-е года . Что самое удивительное, эта лапша до сих пор вешается умным (и не только) людям на уши. Единственный луч света это -- aimatrix.nm.ru. Там автор пришёл к таким же идеям (т.е. выделение и обобщение механизмов обработки информации в нейроне). И вообще, я против называть взвешенный сумматор -- нейроном.