1

Topic: Фильтр Калмана

Фильтры подобного рода называются рекурсивными. Потому что состояния выхода частично подаются на вход. Внутри фильтра значения сигналов умножаются на коэффициенты, например чтобы сгладить огибающую сигнала или найти наименьшее среднее всего буфера обмена.

Гермион структуры очень напоминает программу на функциональном языке типа ЛИСПА. Потому что собирает все эффекторные сигналы обходя по дереву Гермион структуры. Это дерево по сути есть индекс шестой нормальной формы (6NF) темпорально-пространственной (темпоральной и ситуативной) базы данных (БД).
http://ru.wikipedia.org/wiki/%D0%9D%D0% … 0%BC%D0%B0

Само сабой к этой форме нужны словари. Которые представлены в Гермионной сети Гнездом Подключения (ГП) нулевого уровня H1. В реальности у нас есть корпуса языков русского и английского. Так же есть программа распознавания голосовых команд и синтезатор голоса, что тоже можно отнести к ГП.

Гермион структуру можно рассматривать в пределе как элемент Вейфлет преобразования с иерархией частот или колебаний. Впрочем это можно представлять  в форме сетевидного фрактала. Возникает вопрос оптимизации Гермионной сети, когда Гермионные Пары сбрасываются на нижние уровни, освобождая место для абстракций и расширяя одновременно имеющиеся словари или рефлексы.

Фёдор: Что бы система сознания работала, кроме модели мира нужна модель желаемого мира (наше представление о добре и гармонии) Вот и получается что кроме механизма построения модели нужен механизм сравнения текущей модели и желаемой модели, собственно нужен участок памяти с разницей(дельтой) что можно назвать "стремлением" к новому состояни. Предполагаю что гиппокамп именно эту "дельту" формирует и запускает к "применению". Это свойство назвал бы "иметь свой интерес" для интелекта - механизм исправления внешнего мира исходя из свой точки зрения как должно быть по моему мнению справедливости (это фраза относительно центра-я-интелекта).

Гиппокамп работает на время, а таламус на пространство. Тоесть над Гермионной сетью должен быть регулятор стремлений, а не правила робототехники Азимова.

Рекомбинация прецедентов в глубине Гермионной сети (на верхних уровнях) при Центре внимания (ЦВ) в зоне предсказуемости это по сути Генетическое программирование. Выход из зоны предсказуемости это и есть отбор или целевая функция. Размножение это множественное наследование в Гермионн структуре. Тот самый случай, когда в Буфере ожидания у нас больше одного ожидаемого значения и когда мы можем мутировать дерево разбора Гермионн структуры.
http://habrahabr.ru/blogs/algorithm/128704/

Прикладываю книгу с описанием мутации деревьев программ - Коллективный разум. Тонни Сегарана.
Страница 284.
Во-первых, узлы, входящие в дерево, могут представлять очень сложные ком-
поненты, например вычисление расстояния или гауссовой функции.
Во-вторых, дерево может быть рекурсивным, если допускаются ссылки
на узлы, расположенные выше. С помощью таких деревьев можно орга-
низовывать циклы и более сложные управляющие структуры.

Оптимизацией в частности будет являться организация вызова рекурсивной процедуры с поверхностных уровней Гермионной стети  по ссылке на глубину  в сети.
Генетические фильтры, возможно подходящие кандидаты в функции со всеми 5 свойствами, включая ограничения для средних величин углов наклона.

2

Re: Фильтр Калмана

Автор: ЭГТРP   http://egtr.ru/forum/index.php

А как этот метод соотносятся к разложению Фурье?

Обратите внимание на статью Алгоритм_свёрточного_декодирования_Витерби.

http://ru.wikipedia.org/wiki/%D0%90%D0% … 0%B1%D0%B8

В статье делается вывод, что при больших размерах дерева поиска, как запланировано в Гермионной сети, фильтр трудно реализуем.
Естественно, что в общем случае такой декодер оказывается очень сложным и при больших размерах кодов n и k практически нереализуемым

Там можно взглянуть на картинки. Они чем то напоминают наиболее востребованные гермионные конструкции с исходящими вверх связями.
http://library.tuit.uz/skanir_knigi/boo … _kodir.htm
Ключевой особенностью алгоритма является наличие конечного числа ортогональных сигналов. Для гермионной сети это конечное число ветвления в узле-связи на уровне распознавания. Или другими словами если различные фразы имеют один и тот же хвост в длинной фразе, сложность сильно возрастает. Примерно так же как в притче о шахматной доске и зёрнышке ячменя (Геометрической прогрессии).

Но в Гермионной сети длинна кадра в теории бесконечна (мы помним фразу с самого начала) и упакована. Упакована, потому что мы помним инкремент.

Вот примерное описание взятое из Помех_кодир.

Например, входной последовательности 11001 соответствует путь, показанный на рис. 1.13 жирной линией и задающий выходную последовательность 11 10101111,
Недостатком данного представления сверточных кодов является экспоненциальный рост числа ветвей с ростом длины входной последовательности. Поэтому часто кодовое дерево изображают в виде кодовой решетки, при построении которой учитывается конечное число возможных состояний кодера, что дает возможность отождествлять вершины дерева, характеризуемые одинаковыми состояниями. Изображение кодовой решетки для вышеприведенного примера путь, соответствующий входной последовательности 11001, показаны на рис. 1.14

Тоесть 1.3 это Гермион структуры
А 1.4 это Гермион проявления

Подчёркиваю, всё это условно в силу ограниченных множеств возможных сигналов в декодирования Виттерби, короткого размера кадра и не использования в явном виде рекурсивных буферов или Текущего и Ожидаемого состояния в ЦУО/Р (Централизатор уровня опознования или ожидания или распознавания)

Гермионная сеть, похоже, это реализация декодирования Виттерби на параллельной системе.
http://electronix.ru/forum/lofiversion/ … 75046.html
http://www.dissercat.com/content/optima … mezhsimvol
http://www.mathnet.ru/php/archive.phtml … n_lang=rus

Вот на странице с крайней ссылки есть ссылка на статью
http://www.mathnet.ru/links/b74e125d160 … ppi954.pdf

В статье как раз описывается случай Гермиона проявления в параллельном режиме входных каналов. И даётся вывод что существует асимтотическая сходимость. Примерно так должна выглядеть работа математика по Гермионной сети. Полагаю математический анализ перед написанием самого алгоритма это хорошая идея. Другими словами, существует возможность распознания входного сигнала, хотя сложность декодирования входных каналов и возрастает.

Как и все фильтры подобного толка он основан на цепях Маркова. Можно посмотреть ссылки.
http://ru.wikipedia.org/wiki/%D0%90%D0% … 0%B1%D0%B8
http://ru.wikipedia.org/wiki/%D0%A6%D0% … 0%B2%D0%B0

Фильтр Калмана основан на передачи сигналов с выхода на входы, что и происходит в Гермионной сети, когда каналы достравается. Другими словами
сигналы со входа, преобразуются в сигналы на выходе, которые снова поступают на вход, если не чего особенного не происходит и не требуется смещения центра внимания.
http://ru.wikipedia.org/wiki/%D0%A4%D0% … 0%BD%D0%B0

Подробнее про фильтр Калмана в применении к Гермионной сети напишу позже.

Связь между Гермионной сетью и Фурье-преобразованием, примерно такая же как между рядом Тейлора и рядом Фурье (через ряд Лорана).

3

Re: Фильтр Калмана

Автор: ЭГТРP   http://egtr.ru/forum/index.php

Поскольку речь идёт о графах, можно однозначно говорить о нейронных структурах и применимости, характеристиками которых являются ЭМ волны, топология, и свойства нервных клеток. Возможно этот метод как раз и подойдёт для формализации Эмоций.

Не являясь специалистом по нейронным структурам и их модельному представлению. Зная современный уровень микропроцессоров и их возможности, а так же используя эту информацию для понимания как работает нейронная сеть:

https://github.com/google/deepdream/blo … ream.ipynb

Могу констатировать, что сети подобные гермионным подходят для создания сложных цифровых фильтров (подобных тем, что используют в мобильной связи для коррекции ошибок).
Я уже ссылался на Гермионные сети и их западный аналог:

http://www.gotai.net/forum/default.aspx … 376#130376

К сожалению создать более мощные (по количеству узлов) структуры, которые работают в режиме реального времени (цикл вычислений микросекунды) на современной электронной базе не представляется возможным. Поэтому я вынужден скептически высказаться по поводу вычисления или предсказания поведения нейронных структур мозга.

Эмоции довольно индивидуальны у каждого человека, вероятно на современной вычислительной базе не получить достаточное для практического использования время реакции.

Гермионные сети можно использовать для автоматизации жилища (включения и выключения света, реакции на команды голосом, управление отоплением и контроль сенсоров). IMHO

4

Re: Фильтр Калмана

Автор: ЭГТРP   http://egtr.ru/forum/index.php

В ЭГТР "Эмоции" это стабильные нейронные структуры которые запоминаются и извлекаются из памяти по мере необходимости для организации мышления. Т.е. это пространственная модель нейронной активности.  Проблема заключается в её описании и формализации. Например эмоции связанные с выражением 2+2=4 у всех людей одинаковые.

Гермионная структура, подобно совреенному фильтру. 256 входных каналов (это как 256 параметров степенного многочлена). Так вот для вычисления такого уравнения (которое и служит для коррекции ошибки в сетях мобильной связи) можно произвести микросхему с разумной ценой.

Большее количество входных сигналов и структуры для их обработки не возможно реализовать на современной технологической базе, доступной для людей у которых есть, скажем 50 000 долларов на проект.

С эмоциями человека однозначно связано гораздо больший объём входных данных, в данный момент нет физической возможности для реализации гермионной сети для такой задачи.

5

Re: Фильтр Калмана

Сорри, но тут скорее всего путаница. Я HTM не делал никогда и не планирую
Я программирую и применяю альтернативное и совсем непохожее - свёрточные нейросети (с обучением обратным распространением) и методы deep learning.

И относительно слов "Гермионную сеть (а называют её MNIST)"  Может, конечно и называют (мне лень смотреть нументовский сайт или, может быть, новую версию их pdfки по HTM) - но я всегда под именем MNIST понимал известную базу изображений рукописных цифр. На которой, да, свёрточные нейронные сети рвали и рвут любые "малослойные" алгоритмы распознавания/классификации. И если нументовцы подсунули эту базу своей сетке (и/или Вы подсунули эту базу своей гермионной) - то уравнивать название базы/задачи и название сети/метода всё равно нельзя.

6

Re: Фильтр Калмана

Цитата:
Автор: ignat99



HTM

Всё что есть в интернете я собрал тут (из первых рук от создателя Григория А. Львова (из Питера)):
http://ranet.socwit.com/blog/view?id=25 … onnaya_set

Есть ещё руководства по программе, могу прислать вам электронный адрес Григория, можно спросить у него эти руководства.
trandov@mail.ru

7

Re: Фильтр Калмана

нет, это самообман. Это вы привносите 'смысл состояний' в систему, а не система его вырабатиывает.

общая проблема общеизвестна - интерпретаций (интерпретирующих отображений) СИЛЬНО много (это как наибольший биноминальный коэффициент растет БЫСТРЕЕ чем экспоненциально в зависимости от нижнего индекса) - и есть неопределеннсть со средствами эффектиного подавления лишних вариантов.

вы ограничили уровень иерархии - о-4 - но на 5(6) уровне находятся самые сложные вещи - контекстуализация знания, человек как познающая системиа это не просто сенсорная сеть - он ждивет в РАЗНЫХ мирах, он одними и теми же сенсорами смотрит и в окно автомобиля и на экран телевизора, - разные контектсы ситуаций подразумевают РАЗНЫЕ скрытые переменные, о реальном собеседнике мы фантазируем ИНАЧЕ чем о поведении персонажа на экране.

еще раз - система должна генерировать гипотезы объяснения отклонения данных от ожидаемых - резервур интерпретирующих гипотез это база знаний, причем и метазнаний, знаний об ограниченности знаний и готовности к пересмотру убеждений. Вся это механика НЕ ОТРАЖЕНА в ваших иллюстрациях.

вы правильно отмечаете эвристику мультисенсорной интеграции, многомодельность объекта, но НЕ ОПИСЫВАЕТЕ 'полную' систему эвристик или предсистему порождающих метаэвристик. (механику обучения и менеджмента памяти)

вы сами отметили эскалацию сложности - но не сказали что вы знаете КАК ИМЕННО преодалеть барьер сложности. Одно дело подавлять сложность, не давать ей развиться - а другое дело столкнуться с ней лицом к лицу - когда у вас МНОГО сенсоров, когда среда сложная, когда эффекторы разнообразные и когда поведение потенциально неограниченно может быть сложным.

8

Re: Фильтр Калмана

вот опять это недопонимание. В узел (дискретную ячейку пространства) можно поместить модель уравнений максвелловского поля в виде эл. сети, можно моместить примитив Анатоля
(2 закольцованых цикла), можно поместить многообразие кольраби-яо, можно поместить формальный динамический нейрон, можно поместить простое отображение - но суть в том, как сеть обучается, насколько естественно она описана (чтобы имплантировать в нее те или иные эвристики и соображения) и насколько 'дешево' получаются те или ииные результаты.

в этом смысле кажется странным думать, что описание мозга агента через максвеллово поле это чем-то выигрышнее ('фундаментальнее') чем через нейронные представления. на нейронах самым естесвенным образом развиваются всякие нелинейные вещи - рециркуляция, самодействие, рекуррентности, релаксации, топологические (структурные и динамические) перестройки, эффекты двойной пластичности (структурно-параметрической), синхронизации..

9

Re: Фильтр Калмана

Автор: гость

1. нет, это самообман. Это вы привносите 'смысл состояний' в систему, а не система его вырабатиывает.

2. вы ограничили уровень иерархии - о-4 - но на 5(6) уровне находятся самые сложные вещи - контекстуализация знания, 

еще раз - система должна генерировать

3. гипотезы

4. объяснения

5. отклонения данных от ожидаемых -
резервур интерпретирующих гипотез это база знаний,

6. причем и метазнаний, знаний об ограниченности знаний и готовности к пересмотру убеждений.

7. вы правильно отмечаете эвристику мультисенсорной интеграции,

8. а другое дело столкнуться с сложностью лицом к лицу - когда у вас МНОГО сенсоров,

9. когда среда сложная,
10. когда эффекторы разнообразные и
11. когда поведение потенциально неограниченно может быть сложным.

Претензии:

12. многомодельность объекта,
но НЕ ОПИСЫВАЕТЕ 'полную' систему эвристик или
предсистему порождающих метаэвристик. (механику обучения и менеджмента памяти)
13. Вся это механика обучения и менеджмента памяти НЕ ОТРАЖЕНА в ваших иллюстрациях.
вы сами отметили эскалацию сложности - но не сказали что вы знаете КАК ИМЕННО преодалеть барьер сложности.

1. Информионы - отношения взаимодействия между процессами-фракталами.

http://www.gotai.net/forum/default.aspx … 320#132320

Предположим что информионы это и есть интеллект.

Примеры информионов -

A) семена (сиды) для Майнкрафта
[youtube]J4CvlRQnUpk[/youtube]
Но там задаётся климатический пояс (тип рельефа).

B) Физическую величину (безразмерную) с 8 операциями можно считать семенем для Системы физических величин из которой порождают все физические законы.

Но названия физических величин выбраны произвольно (часто по именам первооткрывателей) - поэтому считать эти названия смыслом - нет причин. Но для порядка восприятия людей (которые не имеют к этой системе не какого отношения), можно сделать гиперссылки (точнее они сделаны ещё около 10 лет назад). 

https://github.com/Ignat99/spq/blob/mas … cd_wiki.pl

Следующий этап, сделать ссылки на стандартный диф. уравнения и их решения с образными примерами для людей.

C) По поводу настоящих семян растений и деревьев, вполне можно спроектировать систему автоматического полива и микроклимата для любых растений с которой растения в процессе роста будут взаимодействовать.

https://github.com/Ignat99/msp/wiki

Причём спроектировать автоматически, задав всего лишь параметры оптимизации (цена, доступность компонентов, точность, скорость работы, уменьшение потребления энергии, или даже можно задать просто ссылкой на тип растения все необходимые параметры). Но потребуется база данных (наподобии приведённой по ссылке), собранная из открытых источников (интернет публикаций).

Например: Берём волновой автомат Крона как пример среды, размещаем в нём семена, получаем численные значения для вершин, граней, объёмов и так далее пока не получим моментальное состояние неинерциальной системы.

Допустим  для каждой подсистемы имеем в этом случае вложенный тензор C.
Далее часть параметров из одной подсистемы может поступать в другую подсистему.

Если капля воды втянулась деревом под воздействием солнца, будем считать эту каплю частью дерева. Хочу отметить, что не каких названий в нашей системе нет. А в матрице С у нас есть только 0 и 1 или -1,0,1 для троичной вычислительной платформы.


Это напоминает игру "Жизнь" но на другом уровне.

(по ссылке игра жизнь в виде дерева для Майнкрафта)
https://github.com/Ignat99/ConwayTree

В реальной системе, конечно должны делаться расчёты взаимодействия.

Теперь, предположим, нам надо предсказать развитие этой общей системы внешним алгоритмом.
Вот тут пожалуй можно использовать Гермионную сеть, отдельную для каждого дерева, соединив их темпоральной гемионной сетью с надстройкой в виде обычной гермионной стети со слоями термпоральной ( в которой и можно попытаться найти гипотезы объяснения и отклонения).

2. Что будет в архо-иерархии над гермионной сетью не могу предположить. Вероятно можно будет дать красивые названия процессам, которые там будут происходить. Но суть от этого не поменяется. Всё будет примерно как в иллюстрации с выключателем.

3. Гипотезы проще рассчитывать от финального результата. Что будет, если мы будем использовать вот этот набор сенсоров и получим вот такой результат в модели, какой вектор будет соответствовать сенсорам для этой ситуации. Для этого надо чётко знать запрещённые состояния сенсоров (которые можно получить из модели среды).

4. Объяснения понятные человеку? Или объяснения (начальные конфигурации) для другой гермионной стети? Наверное можно подобрать подходящую алгебру для описания слияния и разделения гермионных сетей. Операции будут подобны сортировке по дереву.

5. Отклонения от состояний зарегистрированных раннее приведут к росту гермионной сети, надстройке дополнительных уровней. Сенсоры действуют в ограниченном диапазоне (счётном). В случае измерения например расстояния, лучше измерять расстояния привязываясь к окружающим предметам а не абстрактной системе координат. Для этого делают эвристику по саккадам через объекты. Формальное выделение объекта можно получить довольно просто в рамках стандарта сжатия видеоизображения h.264-h.265. Но пока стоит задача доработки фильтров (прошивок видеокамер) для этого.

6. Допустим то что было стеной, стало вдруг предметом. Мы зарегистрировали этот предмет в Гермионной сети видеосенсоров. Этот сигнал попал в темпоральную сеть и оказался связанным с событием переключения сенсоров движения. Во время релаксации сети можно дополнить связь между конкретным узлом гермионной сети видеосенсоров и конкретным узлом сенсоров движения.
Тем самым связь из темпоральной сети мигрирует в сеть сенсоров движения. Аналогично можно дополнить гермионную сеть видеонаблюдения связью с сенсорами движения, что бы в случае срабатывания фокус видеонаблюдения сдвигался к этому новому объекту. Но лучший вариант это перенести один единственный узел из темпоральной сети в домен связи между сенсорами видеонаблюдения и присутствия.

8. Когда много сенсоров - у нас будет много гермионных сетей взаимодействия этих сенсоров.

9. Когда среда сложная - у нас будет много точек привязки на сцене и в модели.

10. Со сложными эффекторами не работал, но слышал что там используют понятие шины и цветовых маркеров. То есть есть выбранные критические состояния, которые надо обходить. Надеюсь что программа инициализации гермионной сети может обеспечить этот уровень. Путём издевательства над моделью.

11. Ни чего не могу сказать об этом, кроме как посоветовать заблокировать часть дверей во избежания сложного метания (неограниченно сложного поведения). Пример из жизни, для избежания неограниченно сложного поведения ракеты во время старта, ракета имеет вращательное ускорение.

По поводу претензий и мета-эвристик, спасибо за ваше напоминание:

Я внимательно выписал все, предлагаемые вами эвристики:

эвристика частотности,
отслеживаемом нейроподходом (в данном случае отслеживание гермионной сетью),
групповая частотность,
профиль использования,
эффективность использования,
динамическая приоретизация,
давность использования,
особые маркеры связей,
etc

Что бы то что я скажу работало, необходима проверка на эксперименте. Это долгая и кропотливая работа, для этого нужны ресурсы. В связи с этим фактом вспоминается Разностная машина Чарльза Бэббиджа. Была сделана почти полностью со значительными затратами и выставлена на 1 выставке между ковров.

Как бы без ресурсов нет смысла делать полноценную копию, хотя кое-какие идеи записать стоит конечно.

:-)

Управляющая реакция таких механизмов предопределяется не отклоняющимися величинами, а прогнозами по ожидаемым состояниям, как в наблюдателе Люенбергера и фильтре Калмана для множества буферов (ссылки и цитаты я давал в первом сообщении на этом форуме).

http://www.gotai.net/forum/default.aspx … 618#130618

http://www.gotai.net/forum/default.aspx … 622#130622

Каждая альтернатива характеризуется величиной стимульной переменной, которая представляет собой приведённое отклонение нескольких управляемых каналов восприятия за пределы допустимых значений. Чем меньше величина стимульной переменной, тем более выгодна альтернатива системе.


Помимо значительного опережения управляющей реакции, к особенностям аппаратов управления такого типа можно отнести возможность их использования для управления процессами, математическая модель которых либо не существует, либо чрезмерно сложна.

Поток данных, поступающих на носитель взаимодействует с потоком данных отклика носителя, результат этого взаимодействия записывается на носитель. Инкрементальная запись базы данных, другими словами, хотя в данном случае говорят об экономии ячеек памяти (например электретной).

10

Re: Фильтр Калмана

i.>

не нужно писать очевидно избыточно, - ведь объем материала не свидетельствует сам по себе о том, о чем он не может свидетельствовать по сути. Это как я бы вместо ответов стал бы перепечатывать азы нейропредставлений, ООР, многоагентного моделирования, логики (современной), антропологии..

многие вещи (не менее сложные) сделали БЕЗ кронова подхода. Вы тоже можете взять книги и почитать - аргументы в ТАКОМ стиле, пожалуйста, не используйте, это примитив.

концепция наблюдателей неспецифична гермионному подходу - она вполне развиваема в общей динамической теории, в киберфизике, в общей теории управления, в обучении с подкреплением.

установка на одноэкстремалность следовала из ваших рассуждений как нужно отвергать альтернативы (как их можно было понять). Типо что они просто не должны возникать как допустимые решения. Это и есть утопия.

еще раз - общий интеллект работает не только в физической среде - он работает в сложной реальности надстроенной над физическим - в реальности социальной, психологической, интерсубъективной, культурной, политической, в реальности
воображения. Построить экономическую теорию на физических основаниях попыток много, но сами такие попытки выглядят утопией. иррациональное рационализировать кажется и рациональными и иррациональным. Когнитивную машину не описать физически ИСЧЕРПЫВАЮЩЕ, как не описать компьютер с программами только в физических терминах. последовательность переключений триггеров (передач активности между нейронами, управления между объектами, сообщений между агентами) НЕ ОПРЕДЕЛЯЕТСЯ никакими физическими законами до того как соотв. установки не установлены. Это банально, но странно что для вас приходится это повторять. Логика программы возникает НЕ ИЗ физики, а под контролем НАДфизических переменных (логик за пределами логик физических законов) (см эйгена и эбелинга).

> Я могу лишь высказать гипотезу что взаимодействие характерное для поля мельчайших частей материи имеет связь с мыслительным процессом,

такой ход ординарен (хотя его совершал и пенроуз и чалмерс и мн. другие) и свидетельствует только о т.ск.'наивности' (cистемологической). Между наукой и философией есть очень важная прослойка - метатеории.

ваш пример о взаимодействии вещества и излучения не является аргументом в отношении чего-либо, что обсуждается.

человек думает не на излучениях а на соотношениях нейропроцессов - отношения между динамиками это НЕ ЗАКОНЫ динамик, значение той или иной активности (так или иначе упорядоченной) для системы, для СИСТЕМЫ АКТИВНОСТЕЙ (процессов) не есть
нечто физическое - значение, роль, вклад, функция, биологический/психологический смысл - это все РАСШИРЯЕТ физическое описание, вводит НОВЫЕ системоспецифичные переменные (как вы правильно упомянули - новые уровни абстракций) - и эти переменные увязаны не физическими законами, а закономерностями и историей формирования системы, свойствами опыта, системой случайностей. Над физикой есть метатеоретическая надстройка - общая теория информации, управления, систем, эволюции, значения-cмысла, невозможно же не понимать несводимость общей логики, математики, cемиотики к физике..

> это состояние фотонов может быть связано с мыслительными процессами человека.

извините великодушно, но мне кажется - а я могу ошибаться - но именно с таких спрямлений и начинается бредовая альтернативщина.

11

Re: Фильтр Калмана

i.> Попков

да, но нужна, повторяюсь, не частичная по функционалу самоорганизация (фильтрация, скажем, самосогласованная), но самоорганизация системная - чтобы фильтр был 'более чем фильтром' - чтобы не просто отфильтровывались модели, но чтобы сисема работала с моделями - а такая 'вторичная' фильтрация требует операционного механизма, менеджера работы с фильтрами, систему управления фильтрацией (первичной и вторичной). Т.е. управляющие фильтры насколько являются 'србственно' фильтрами? - ведь они должны нести библиотеки структур, что подразумевает иные внутренние задачи чем фильтрация.

да, когда я спросил * о том, что есть особо важного у крона, так я имел в виду в т.ч. и то, что идея двойственности глубоко зашита в его формализм (что, в общем-то, предопределено самой структурой поля).

и я хочу донести до вас генерализацию идеи кроновой двойственности - интеллект как машинка кроново-некронова (физика+информатика) (чтобы заново не повторять сказанное в серии предыдущих постов).

12

Re: Фильтр Калмана

i.> А вот почему он решил что из набора таких волн, можно сделать распознающую машину, я не знаю

ну, фильтр (распознавалка) еще туда сюда, а вот фильтр++.. типо внешняя стимуляция индуцирует токи в системе (кронове автомате), если есть достаточная настройка. Но потом
эта активность открывает внутренние источники энергии, система самовозбужается, начинает диссипировать энергию, порождать новые дисcипативные структуры, - структуры знания (опыта)как диссипативные каналы.. тензорам привет а синергетика и кинетика рулез..

мыслящая машинка это все-таки не структура непосредственно на 'гермионах', а система
на вторичных носителях, например нейронах.. и законы двойственности в нейросистеме (локальное-коллективное, нейрональное-когнитивное) требуют более специального (cпецифического) языка-представления, чем чрезмерно абстракный кронов формализм и его модель (гермионова сеть).

13

Re: Фильтр Калмана

Автор: гость

i.> А вот почему он решил что из набора таких волн, можно сделать распознающую машину, я не знаю

ну, фильтр (распознавалка) еще туда сюда, а вот фильтр++.. типо внешняя стимуляция индуцирует токи в системе (кронове автомате), если есть достаточная настройка. Но потом
эта активность открывает внутренние источники энергии, система самовозбужается, начинает диссипировать энергию, порождать новые дисcипативные структуры, - структуры знания (опыта)как диссипативные каналы.. тензорам привет а синергетика и кинетика рулез.. wink

мыслящая машинка это все-таки не структура непосредственно на 'гермионах', а система
на вторичных носителях, например нейронах.. и законы двойственности в нейросистеме (локальное-коллективное, нейрональное-когнитивное) требуют более специального (cпецифического) языка-представления, чем чрезмерно абстракный кронов формализм и его модель (гермионова сеть).

Насколько я понял, Крон рассуждал так: Делаем формальную структуру рамерности n (решётку, набор катушек). При возбуждении система пораждает когомологический комплекс размерности N-n в виде электро/магнитный полей (то есть сразу на несколько порядков более сложный).

[отступление] А как будет выглядеть проекция сложной структуры на наш простой трёхмерный мир? Правильно, как периодическая структура со "случайными дислокациями"[/отступление]

Далее вносим в э/м поле некую структуру (то же формальную), поле - многообразие N-n меняется.
Видимо, предполагалось, что всё множество связей между 2 формальными структурами (возбуждённой и вносимой в поле) "мгновенно" будет построено. Сомневаюсь что в 60-х годал люди думали в связи с ЭВМ над проблемами более абстрактными чем нахождение всех степеней многочлена, приближение рядом Тейлора, расчёт параметров профиля балки (или сложной мостовой конструкции ) ...


Гермионная сеть совсем отдельно от теории Крона, это скорее всего приближение фрактальных процессов. Ну известно же что фрактальное сжатие самое оптимальное, только вот беда время сжатия информации сложно спрогнозировать. Гермионная сеть может попытаться найти подходящую функцию для такого сжатия и если гипотеза о фрактальности верна, то гермионная сеть может дать некое предсказание.

14

Re: Фильтр Калмана

i.> Гермионная сеть совсем отдельно от теории Крона, это скорее всего приближение фрактальных процессов

тут не понятно - ведь гермионную сеть можно представить и как структуру над элементами (сетями в узлах), представляющими свойства э.-м. поля в данной точке (области). Фрактальный мотив присущ, кажется, и самому 'крону' - ведь подсеть это тоже сеть. если в узле другой элемент, то мы имеем иные по свойствам сети - сети кинетик (имунные, метаболитические), сети нейронов, сети коммуникаций, сети простых 'гермионов' (переключателей). Когда говорим о потоковом представлении системы, то нужно помнить как усложнение структуры самого потока (фрактальное описание турбулизированного режима), так и изменение самой системы потоков. 'Самоизменяться' может и волновой автомат и гермионная сеть, кажется что сеть-вообще более адекватно описывает самоизменение-вообще. зачем привязываться к логике 'самодействия' эл-м. поля при его нелинейном взаимодействии со средой, если асортимент переменных в этом случае достаточно ограничен? это как подобно тому что 'многое' можно отобразить на натуральные числа, также многое можно отобразить на эл.-м. динамику, но логика того что ПОВЕРХ не сводится ни к булевой алгебре, ни к логике чисел, ни к логике поля.. (cистема развивает локальные смыслы поверх к глобальной логике физического закона).

15

Re: Фильтр Калмана

Всё это обсуждалось и на лучшем уровне, как в наблюдателе Люенбергера и фильтре Калмана для множества буферов.

Декодирование Виттерби,

http://electronix.ru/forum/lofiversion/ … 75046.html
http://www.dissercat.com/content/optima … mezhsimvol
http://www.mathnet.ru/php/archive.phtml … n_lang=rus

Вот на странице с крайней ссылки есть ссылка на статью
http://www.mathnet.ru/links/b74e125d160 … ppi954.pdf

В статье как раз описывается случай в параллельном режиме входных каналов. И даётся вывод что существует асимтотическая сходимость. Примерно так должна выглядеть работа математика. Полагаю математический анализ перед написанием самого алгоритма это хорошая идея. Другими словами, существует возможность распознания входного сигнала, хотя сложность декодирования входных каналов и возрастает.


Можно разглядеть только то что точно знаешь (ваши всякие инсайдеры).
И примерно по 256 каналам, для большего - просто железо загнёться.

16

Re: Фильтр Калмана

Возможно подбор фильтров для видеосенсора могло бы быть такой задачей.

mysku.ru/blog/aliexpress/26552.html
nemon.org/ipcam-ipr1631x
www.camera2000.com/faqen/?p=2441

Фирмваре
mega.co.nz/#!2w9nSTzR!71EheWe5vTk1-K7H3FEDdc16F63R9sknqK3upopnw_Y

Исходники всяких фильтров для создание прошивки
mega.nz/#!69tXHCAD!spJmcKzH3WUmOOyTMVxIc07N4m6Bu8m3ziDhURaKjgM

Если взять стереокамеру:
http://www.elpcctv.com/dual-lens-usb-ca … 5_108.html

То ортогональный базис для декодирования сигналов видимо будет легче подобрать. По крайней мере можно будет замечать пересечения предметов.
Примерно с 25 слайда про ортогональный базис:
http://slideplayer.com/slide/3869445/
Подробнее:
Some of the eigenfunctions of the Laplace operators
http://www.inf.usi.ch/hormann/parameter … eNotes.pdf
http://www.math.mcgill.ca/toth/spectral%20geometry.pdf

Логическую функцию можно представить в виде дерева цепной дроби.
http://algolist.manual.ru/maths/matstat … malDF4.php

Ранее

Ваша правда - очень сложные алгоритмы. H.265 видео сжатие позволяет выделять ключевые кадры и просматривать отдельные движущиеся объекты (блоки), как вперёд, так и назад во времени и пространстве кадра.

Так же есть различные цветовые фильтры (AWB algorithm, color correction matrix (CCM), IMP, Gamma, dynamic range compression (DRC), Lens Shading Correction, crosstalk removal, Denoise, digital image stabilization (DIS), anti-fog, anti-false color, Demosaic, black level, automatic focus (AF)).

Получается, что если мы знаем куда смотреть, то можем и увидеть то что требуется. А увидев, сравнить с теми блоками, которые уже накопили в базе. А затем уже принять решение (выбрав из набора накопленных правил - правда прямо сейчас проще правила задавать самому).

Вообщем не разумнее алгоритма действия охранника - увидел то что до этого не было - позвони начальству.

Не могу сказать кто разумнее и надёжнее - охранник или видеокамера. Пусть будет по вашему - видеокамера создаёт иллюзию работы (как это делает охранник). Ну там ворота открывает.

17

Re: Фильтр Калмана

Группы точек в 3D пространстве, связанные топологией (то есть сетью), которая к тому же вибрирует на собственных гармониках (условно вибрирует потому что тут про пространственные частоты).

Вот эти собственные гармоники я и предложил в качестве базиса для фрактального разложения среды относительно к каждому отдельному предмету. На сколько частей делим, видимо, зависит от времени обработки.

Ортогональный базис позволит корректировать ошибки и да же делать предсказания как то - Какой формы будет человеческое тело, если предмет похожий на человека сменить позу. То есть идентифицировать достаточно сложные предметы.

18

Re: Фильтр Калмана

Автор: NO.

Там воображаемое устройство, мгновенно решающее не поставленные задачи. Стандартный тупичок "теоретика". На форумах так называют себя люди, стабильно терпящие неудачи в любой работе руками и чем угодно, поэтому не имеющие денег чтобы организовать крупное фиаско.

http://library.tuit.uz/skanir_knigi/boo … _kodir.htm

Вот примерное описание взятое из Помех_кодир.

Например, входной последовательности 11001 соответствует путь, показанный на рис. 1.13 жирной линией и задающий выходную последовательность 11 10101111,
Недостатком данного представления сверточных кодов является экспоненциальный рост числа ветвей с ростом длины входной последовательности. Поэтому часто кодовое дерево изображают в виде кодовой решетки, при построении которой учитывается конечное число возможных состояний кодера, что дает возможность отождествлять вершины дерева, характеризуемые одинаковыми состояниями. Изображение кодовой решетки для вышеприведенного примера путь, соответствующий входной последовательности 11001, показаны на рис. 1.14

Тоесть 1.3 это Гермион структуры
А 1.4 это Гермион проявления

Подчёркиваю, всё это условно в силу ограниченных множеств возможных сигналов в декодирования Витерби.

http://www.mathnet.ru/php/archive.phtml … n_lang=rus

Вот на указанной странице есть ссылка на статью
http://www.mathnet.ru/links/b74e125d160 … ppi954.pdf

В статье как раз описывается случай Гермиона проявления в параллельном режиме входных каналов. И даётся вывод что существует асимтотическая сходимость. Понятно, что на каждый процесс требуется кусок структуры (типа вычислительное ядро), которые работают одновременно.

19

Re: Фильтр Калмана

Автор: Kek

А VLSI electric имеет отношение к гермионной сети?

Не имеет. Мои студенты из нашей лаборатории делали перевод документации этого пакета и тестирование. Я так же разработал курс проектирования IC на VLSI Electric для МИЭТ.
Сан Лабс, теперь Оракал Лаб делает на базе Электрик проект параллельной архитектуры с ёмкостными контактами. Это возможность укладывать кристаллы IC один на другой, как бутерброд для совместной работы. Я могу себе представить Гермионную сеть на такой архитектуре, если вычислители нового типа от Оракал появятся на рынке. Но прямой связи нет, хотя этот пакет можно подключить, он способен генерировать топологию IC из HDL в режиме кремневого компилятора.

20

Re: Фильтр Калмана

Автор: Kek
Когда извне в гермионную сеть ничего не поступает, то в ней нет никакого движения. 
Она не «бередит» свои аттракторы и "упреждатели".

Это не так. Во время периода релаксации. Зона СЭГ подавлена. Гермионная сеть продолжает самодостройку, согласно рекурсивной целевой функции (целевому информиону).

Вариант 1.
Агент[1] создает Агент[2] по описанному ранее критерию (отсутствие новизны). Сразу после этого создается Агент[12], возникает Триада 1.

В Гермионной сети Триада 1 называется гермионной парой.

Далее по описанным критериям Агент[2] создает Агент[3].

IMHO критерии могут быть применены во времени или в пространстве.

Сразу после этого создается триада 2 и Агент[12_23].  Т.е. критерий действовал только 2 раза, а иерархические надстройки появляются без критерия, просто для них уже существуют подчиненные объекты.

Возможно лучше не включать Агента2 в оба вышестоящих узла. Лучше создать следующую пару Агент3 и Агент4 и Агент34 и ещё одну уровнем выше Агент 12_34.

Вариант 2.
Агент[12] инициирует создание Агент[3]

Агент34 инициирует создание Агента12_34

Вариант 3
Формирование иерархических объектов Агент[12], Агент[23], Агент[12_23] тоже происходт под действием критерия.

Да Агент12 и Агент34 и Агент12_34 это такая же гермионная пара, как Агент1, Агент2 и Агент12.

Менеджер будет очень не доволен, что я это написал, но истина дороже в денежном эквиваленте :-).

21

Re: Фильтр Калмана

Автор: Kek


Непонятка...
Кто все таки инициирует создание второй гермионной пары или триады 2?
Триада 1 есть, кто создает агент3 + агент4?

Это должно быть реализовано аппаратно в Активной Запоминающей Среде (АЗС).
Среда формирует гермионную пару на основе входной информации.
Пришёл во входной буфер первый отсчёт монопараметра, затем второй - сформировалась гермионная пара. Пришёл следующий 3 и за ним 4 - сформировались Агенты 3,4,34,12_34.


2. включение одного агента в две триады или разъединение - это зависит от сути периферийной информации, от ее вида. Например, если мы будем говорить об изображении, то древовидность в этом случае должна быть гораздо больше, нежели текстовая информация. Это пока интуитивное понимание.

Возможно, тут уместно говорить о дизъюнкторной связи Агента с вышестоящей иерархией.
Во время предсказания в этой точке для одного Агента есть возможность передачи информации нескольким вышестоящим агентам. Опыт С.Тарасова говорит что полезно ограничить варианты.
При активном развитии сети, мы должны найти правила по которому мы будем ограничивать количество возможных путей на верх для данного конкретного состояния сети и СЭГ.
Возможно, от количества путей, зависит количество предсказанных состояний и количество вариантов по управлению эффекторами.

3. Критерий роста сети хоть и один, но процесс бесконечного роста должно что-то сдерживать. Посему необходимо вводить цену каждому действию: смена фокуса внимания, смена ширины внимания, рождение потомка - стоит дорого. А на все это накладывается целевая функция, как движитель. Поэтому на каком-то этапе система "подумает" рождать ей объект, или заняться реструктуризацией имеющихся данных.

В Гермионной сети от наличия потомков зависит создание вышестоящих по иерархии. Это близко к индексированию, поэтому необходимо всегда.

P.S. Извините, профессор, что вторгаюсь своими "онучами" в чью-то работу, но так уж выходит... Когда-то и мне придется заткнуться...

Пожалуйста продолжайте, очень конструктивно!

Принято называть преподавателей университета только словом «профессор» в Испании и Португалии. Типа нашего доцента или аспиранта или адьюнкта(Associate Professor).

P.P.S.
4. Всегда должна существовать вершина пирамиды.

Она называется "эгон высшей иерархии"

22

Re: Фильтр Калмана

Всё это обсуждалось и на лучшем уровне, как в наблюдателе Люенбергера и фильтре Калмана для множества буферов.

Декодирование Виттерби,

http://electronix.ru/forum/lofiversion/ … 75046.html
http://www.dissercat.com/content/optima … mezhsimvol
http://www.mathnet.ru/php/archive.phtml … n_lang=rus

Вот на странице с крайней ссылки есть ссылка на статью
http://www.mathnet.ru/links/b74e125d160 … ppi954.pdf

В статье как раз описывается случай в параллельном режиме входных каналов. И даётся вывод что существует асимтотическая сходимость. Примерно так должна выглядеть работа математика. Полагаю математический анализ перед написанием самого алгоритма это хорошая идея. Другими словами, существует возможность распознания входного сигнала, хотя сложность декодирования входных каналов и возрастает.

Можно разглядеть только то что точно знаешь (ваши всякие инсайдеры).
И примерно по 256 каналам, для большего - просто железо загнёться.

23

Re: Фильтр Калмана

Обычная задача на предсказание в канале передатчика-приёмника.
Декодирование Витерби.

Глава 3. Быстрые алгоритмы коротких сверток. 80
3.1. Циклические и линейные свертки. 80
3.2. Алгоритм Кука—Тоома. 84
3.3. Алгоритмы Винограда вычисления коротких сверток. 90

Плана 4. Быстрые алгоритмы дискретного преобразования Фурье. 128
4.1. Алгоритм Кули—Тьюки быстрого преобразования Фурье. 128
4.2. Алгоритм Кули—Тьюки по основанию два. 133
4.3. Алгоритм Гуда—Томаса быстрого преобразования Фурье. 141
4.4. Алгоритм Герцеля. 144
4.5. Вычисление преобразования Фурье с помощью свертки. 147
4.6. Алгоритм Винограда для быстрого преобразования Фурье малой длины. 157

Глава 6. Вычисления в суррогатных полях. 192
6.1. Свертка в суррогатных полях. 192
6.2. Числовые преобразования Ферма. 196
6.3. Числовые преобразования Мерсенна. 198
6.4. Алгоритмы свертки в конечных полях. 202
6.5. Комплексная свертка в суррогатных полях. 206
6.6. Преобразования в числовом кольце. 208
6.7. Числовые преобразования Шевилла. 213
6.8. Алгоритм Препараты—Сервейта. 216

Глава 7. Быстрые алгоритмы и многомерные свертки. 220
7.1. Гнездовые алгоритмы свертки. 220
7.2. Алгоритм Агарвала—Кули вычисления свертки. 226
7.3. Алгоритмы разложения. 233
7.4. Итеративные алгоритмы. 237
7.5. Полиномиальное представление расширений полей. 243
7.6. Свертка в полиномиальных расширениях полей. 246
7.7. Полиномиальное преобразование Нуссбаумера. 248
7.8. Быстрая свертка многочленов. 252

Глава 8. Быстрые алгоритмы многомерных преобразований. 259
8.1. Алгоритмы Кули—Тьюки по малому основанию. 259
8.2. Гнездовые алгоритмы преобразования. 265
8.3. Алгоритм Винограда быстрого вычисления преобразования Фурье большой длины. 270
8.4. Алгоритм Джонсона—Барраса быстрого преобразования Фурье. 277
8.5. Алгоритмы разложения. 280
8.6. Улучшенный алгоритм Винограда быстрого преобразования Фурье 286
8.7. Перестановочный алгоритм Нуссбаумера—Квенделла. 287


ZIF
CFR
MIMO
DPD Цифровой предистортер
Усилитель класса F кпд 90% нес. 2 Гигогерц.
 
А ещё стоячие волны в канале
9:38
И фазовая скорость чтоб больше была скорости света при аномальной дисперсии
 
SDR-soft defined radio- программно зависимое радио

DUC- Digital upconverter-цифровой повышающий преобразователь

CFR-Crest factor reduction-уменьшение фактора гребня

DPD- Digital predistortion- Цифровое предварительное искажение

DDC- Digital downconverter- Цифровой понижающий преобразователь частоты (передискеризатор)

PA- Power amplifier- усилитель мощности

LNA- Low noise amplifier- усилитель низких шумов

DSP- digital signal processing – цифровая обработка сигнала

STC space-time coding пространственно-временное кодирование

MIMO- multiple-input multiple-output

CDMA-Code division multiple access - множественный доступ с кодовым разделением.

АЦП- analog-to-digital converter (ADC) - аналого-цифровой преобразователь

ЦАП - digital-to-analog converter (DAC) Цифрово-аналоговый преобразователь

JTRS - Joint Tactical Radio System-Объединенная Тактическая Система радиосвязи

OFDM orthogonal frequency division multiplexing - ортогональное мультиплексирование подразделения частоты

DRM Digital Radio Mondiale всемирное цифровое радио

DCR- Direct Conversion Receiver приемникам прямого преобразования

IF-intermediate frequency – средние частоты

RF-radio frequency-радио частоты

FIR impulse response filter- фильтр входного импульса

IP-intellectual property-интеллектуальная способность

PLD-programmable logic device – программируемое логическое устройство

QPSK-quadrature phase shift keying-изменение квадратуры фазы

QAM-quadrature amplitude modulation-квадратура модуляции амплитуды

LUT look-up table –поисковый стол

RRC Root-raised cosine- Повышенный косинус-фильтр

NCO- Numerically controlled oscillator- генератор регулируемый численно

SCA-Software Communications Architecture - Архитектуре Коммуникаций Программного обеспечения
 
Это тебе современный уровень телекоммуникации
9:39
OFDM
9:41
Про стоячие волны в канале то понял?

24

Re: Фильтр Калмана

Но,

http://library.tuit.uz/skanir_knigi/boo … _kodir.htm


Например, входной последовательности 11001 соответствует путь, показанный на рис. 1.13 жирной линией и задающий выходную последовательность 11 10101111,
Недостатком данного представления сверточных кодов является экспоненциальный рост числа ветвей с ростом длины входной последовательности. Поэтому часто кодовое дерево изображают в виде кодовой решетки, при построении которой учитывается конечное число возможных состояний кодера, что дает возможность отождествлять вершины дерева, характеризуемые одинаковыми состояниями. Изображение кодовой решетки для вышеприведенного примера путь, соответствующий входной последовательности 11001, показаны на рис. 1.14

Подчёркиваю, всё это условно в силу ограниченных множеств возможных сигналов в декодирования Виттерби, короткого размера кадра и не использования в явном виде рекурсивных буферов или Текущего и Ожидаемого.

Сказать больше не могу.
Попробуйте сделать ещё один маленький шажок.
Все подсказки изложены

25

Re: Фильтр Калмана

Короткий буфер нужен для получения мгновенного состояния сигнала, то есть анализа сигнала в коротких последовательных временных интервалах с целью ... .