Sieć neuronowa nauczyła się jak symulować zachowanie płynów i dymu | ENG

Efekty są na tyle poprawne, że możne je pomylić z rzeczywistym zachowaniem a złożoność obliczeniowa znacząco się zmniejszyła.

[b.....c]

Nie da się słuchać hinglish...

[MiroslawWypok]

@bluemusic: On jest chyba Włochem

[e.....W]

A czy mozemy sie nauczyc od takich sieci?

[A.....5]

@ensKW: Tak, nawet w miarę proste sieci neuronowe mogą nas oświecić w kwestii odporności naszego mózgu na uszkodzenia, naszych chorób psychicznych (poprzez modelowanie tych chorób w sztucznych sieciach). Sztuczne sieci służyć nam mogą do rzucania światła na to, co jest oczywiste w naszych mózgach, a co nie (kwestie świadomości, inteligencji, emocji).

[Paparapet]

@WolnoscRownoscBraterstwo: Wielu ludzi od psów powinno się uczyć.

[zielony007]

kolejny dowód na to ze żyjemy w matriksie. naczy sie w symulacji.

[Bartholomew]

Sieć neuronowa nauczyła się

A czego się musiała "nauczyć" sieć neuronowa aby liczyć dynamikę płynów?

Kolejny clickbait a jak się pomyśli nad tym, to nic z tego nie wynika. Jeśli sieć neuronowa symuluje fizykę, oznacza to WYŁĄCZNIE tyle, że umie policzyć ile to jest 2+2. Bo cała ta fizyka wewnątrz komputera to nic innego jak zestaw kilku zaledwie reguł rządzących interakcjami pomiędzy zbiorem punktów w przestrzeni. Sprowadza się to do ustawienia parametrów początkowych

[jigsaw96]

@Bartholomew: Chyba nie zrozumiales zamysłu. To nie jest symulacja na podstawie wzorow (zazwyczaj stosuje sie w cieczach wzor Stokesa-Naviera).

[jigsaw96]

@Bartholomew: Tak (zapewne dzięki propagacji wstecznej).

[MINDGAME]

Pisałem tam kiedyś jakiś programik w którym korzystałem z metody Hopfielda (uczenie perceptronu). Miałem 3 obrazki 3x3 piksele. Z tym, że jeden z tych obrazków był zakłócony i algorytm miał wybrać ten obraz przed zakłóceniem. Potem zwiększałem rozmiary obrazka. Trzeba mieć dużo samozaparcia, by w tym kierunku się rozwijać, a mnie to nie interesuje.

[mielnik69]

@MINDGAME: mhm, no i?

[urban24]

@MINDGAME: Też kiedyś sobie stworzyłem sieć neuronową, nieliniową z pięcioma warstwami ukrytymi, opartą o sigmoidalne neurony. Uczenie przez wsteczną propagację błędów, na wejściu wektor cech symbolu - liczba Eulera, centroid, współczynniki kształtu, te sprawy. Na początku nie chciała działać, więc stwierdziłem że poproszę kolegę o pomoc. Był u nas na roku taki Michał, co zawsze był przygotowany na zajęcia, zawsze miał zadania domowe, dobrze się uczył itp. Pewnego dnia pojechałem