Обучающая выборка из матриц разного размера

@SharpProg · Регистрация: 24.01.2017

Author24 — интернет-сервис помощи студентам

Как использовать подобную выборку для обучения? Возможно ли вообще её применить для обучения, или упростить, или применить в генетическом алгоритме?

echs · 17.04.2017, 11:33

SharpProg
Вообще говоря размеры матрицы могут играть значение,
если количество элементов само по себе что-то значит.
В реальных программах большее значение имеют выборки
равной длины (хотя я могу здесь и ошибаться).
Для обучения лучше всего матрицу записать как линейный
массив. Вот из этого и исходите.

@SharpProg · 17.04.2017, 12:06 **[ТС]**

Линейный массив = вектор, а вектор - это частный случай матрицы.
Суть в том, что каждый элемент выборки зависит от предыдущих на некотором диапазоне N. Лучше я ничего не придумал, чем для каждого последующего элемента включать предыдущий элемент + новые данные с помощью объединения их в матрицу.

echs · 17.04.2017, 15:30

SharpProg
Знаете как я поступил, чтобы обучить программу играющую
в шашки... В шашках используются 32 клетки. Итак имеем
массив. белая шашка - число 1, черная шашка - число 2, пустое
поле - число 0 и так далее. Тогда для описания хода нужен
массив длиной 64 символа (Массив, а не матрица). Первые
32 символа - начальное положение. Следующие 32 - конечное
положение. Программа запоминает все эти ходы, если она
выиграет, если проиграет, то запоминает ходы противника.
Вся запись идет в файл, который программа потом может
обработать и выбрать самые лучшие ходы, несущие победу.
...
хотя это тоже можно записать в матрицу...

@SharpProg · 17.04.2017, 15:51 **[ТС]**

Но в итоге у вас выборка фиксированной длины. И к тому же анализ хода зависит только от текущей позиции на доске, а не от того какие ходы были сделаны ранее.

echs · 17.04.2017, 19:57

SharpProg
Вы верно все подметили, но не учли одного.
Если позиция выигрышная, то она и будет всегда
выигрышной, если только не делать глупых ходов.
А программа их точно делать не будет!! Она и
настроена на выбор позиций, которые ведут к победе.

Новые блоги и статьи Все статьи Все блоги /
Java Micronaut в Docker: контейнеризация с Maven и Jib Javaican 16.03.2025 Когда речь заходит о микросервисной архитектуре на Java, фреймворк Micronaut выделяется среди конкурентов. Он создан с учётом особенностей облачных сред и контейнеров, что делает его идеальным. . .	Управление зависимостями в Java: Сравнение Spring, Guice и Dagger 2 Javaican 16.03.2025 Инъекция зависимостей (Dependency Injection, DI) — один из фундаментальных паттернов проектирования, который радикально меняет подход к созданию гибких и тестируемых Java-приложений. Суть этого. . .	Apache Airflow для оркестрации и автоматизации рабочих процессов Mr. Docker 16.03.2025 Управление сложными рабочими процессами — одна из главных головных болей инженеров данных и DevOps-специалистов. Представьте себе: каждый день нужно запускать десятки скриптов в определенной. . .	Оптимизация приложений Java для ARM Javaican 16.03.2025 ARM-архитектура переживает настоящий бум популярности в технологическом мире. Когда-то воспринимаемая исключительно как решение для мобильных устройств и встраиваемых систем, сегодня она штурмует. . .	Управление состоянием в Vue 3 с Pinia и Composition API Reangularity 16.03.2025 Когда я начал работать с Vue несколько лет назад, мне казалось достаточным использовать простую передачу данных через props и события между компонентами. Однако уже на среднем по сложности проекте. . .
Введение в DevSecOps: основные принципы и инструменты Mr. Docker 16.03.2025 DevSecOps - это подход к разработке программного обеспечения, который объединяет в себе принципы разработки (Dev), безопасности (Sec) и эксплуатации (Ops). Суть подхода заключается в том, чтобы. . .	GitHub Actions vs Jenkins: Сравнение инструментов CI/CD Mr. Docker 16.03.2025 В этой битве за эффективность и скорость выпуска программных продуктов ключевую роль играют специализированные инструменты. Два гиганта в этой области — GitHub Actions и Jenkins — предлагают разные. . .	Реактивное программирование с Kafka Stream и Spring WebFlux Javaican 16.03.2025 Реактивное программирование – это программная парадигма, ориентированная на потоки данных и распространение изменений. Она позволяет выражать статические или динамические потоки данных и. . .	Простая нейросеть на КуМир: Учебное пособие по созданию и обучению нейронных сетей EggHead 16.03.2025 Искусственные нейронные сети — удивительная технология, позволяющая компьютерам имитировать работу человеческого мозга. Если вы хотя бы немного интересуетесь современными технологиями, то наверняка. . .	Исполнитель Кузнечик в КуМир: Решение задач EggHead 16.03.2025 Среди множества исполнителей в системе КуМир особое место занимает Кузнечик — простой, но невероятно полезный виртуальный персонаж, который перемещается по числовой прямой, выполняя ваши команды. На. . .

@SharpProg 7 / 7 / 1 Регистрация: 24.01.2017 Сообщений: 229
		1
	Обучающая выборка из матриц разного размера 17.04.2017, 08:31. Показов 863. Ответов 5 Метки нет (Все метки) Как использовать подобную выборку для обучения? Возможно ли вообще её применить для обучения, или упростить, или применить в генетическом алгоритме? 0

echs Регистрация: 23.10.2013 Сообщений: 5,076 Записей в блоге: 8
	17.04.2017, 11:33	2
	SharpProg Вообще говоря размеры матрицы могут играть значение, если количество элементов само по себе что-то значит. В реальных программах большее значение имеют выборки равной длины (хотя я могу здесь и ошибаться). Для обучения лучше всего матрицу записать как линейный массив. Вот из этого и исходите. 0

@SharpProg 7 / 7 / 1 Регистрация: 24.01.2017 Сообщений: 229
	17.04.2017, 12:06 [ТС]	3
	Линейный массив = вектор, а вектор - это частный случай матрицы. Суть в том, что каждый элемент выборки зависит от предыдущих на некотором диапазоне N. Лучше я ничего не придумал, чем для каждого последующего элемента включать предыдущий элемент + новые данные с помощью объединения их в матрицу. 0

echs Регистрация: 23.10.2013 Сообщений: 5,076 Записей в блоге: 8
	17.04.2017, 15:30	4
	SharpProg Знаете как я поступил, чтобы обучить программу играющую в шашки... В шашках используются 32 клетки. Итак имеем массив. белая шашка - число 1, черная шашка - число 2, пустое поле - число 0 и так далее. Тогда для описания хода нужен массив длиной 64 символа (Массив, а не матрица). Первые 32 символа - начальное положение. Следующие 32 - конечное положение. Программа запоминает все эти ходы, если она выиграет, если проиграет, то запоминает ходы противника. Вся запись идет в файл, который программа потом может обработать и выбрать самые лучшие ходы, несущие победу. ... хотя это тоже можно записать в матрицу... 0

@SharpProg 7 / 7 / 1 Регистрация: 24.01.2017 Сообщений: 229
	17.04.2017, 15:51 [ТС]	5
	Но в итоге у вас выборка фиксированной длины. И к тому же анализ хода зависит только от текущей позиции на доске, а не от того какие ходы были сделаны ранее. 1

echs Регистрация: 23.10.2013 Сообщений: 5,076 Записей в блоге: 8
	17.04.2017, 19:57	6
	SharpProg Вы верно все подметили, но не учли одного. Если позиция выигрышная, то она и будет всегда выигрышной, если только не делать глупых ходов. А программа их точно делать не будет!! Она и настроена на выбор позиций, которые ведут к победе. 0

Опции темы