#numbers #artificial-intelligence #design-patterns
#числа #искусственный интеллект #дизайн-шаблоны
Вопрос:
Мне было интересно, существуют ли нейронные сети или генетические алгоритмы, которые могли бы аппроксимировать последовательность генерации случайных чисел?
Example - Input:
5 5 6 6 1 1 3 3 6 1 1 1 3 2 3 5 1 1 4 5 8 9 8 9 3 1 4 3 1 3 5 5 4 9 9 4 9 4 6 1 3 1
Simulation - Output:
5 5 8 6 1 5 3 3 1 1 1 5 3 2 1 5 1 1 3 5 8 0 8 9 3 1 4 2 1 3 5 5 4 9 5 4 9 4 2 1 3 1
Комментарии:
1. Каковы ваши критерии аппроксимации? Если входная последовательность полностью случайна (чего трудно достичь на практике), то выходная последовательность вообще не сможет ее предсказать.
2. Хорошо, допустим, входная последовательность не случайна, но я не знаю, как генерируется последовательность. Есть ли способ выяснить это?
3. Хорошо. Я просто хотел уточнить, что вы имели в виду. Тогда смотрите мой ответ.
Ответ №1:
Я думаю, что то, что вы ищете, — это анализ временных рядов.
Комментарии:
1. Хм. Я не уверен, но, возможно, существуют корреляции между числовыми последовательностями.
2. @пользователь366121 Да. Существует нечто, называемое моделью авторегрессионного скользящего среднего (ARMA), которая постепенно подгоняет модель к данным. TSA — это огромная область, но, вероятно, немного не по теме для этого сайта. Покопайтесь в stats.stackexchange.com (это часть той же группы сайтов, что и SO), чтобы посмотреть, что там.
Ответ №2:
Я бы сказал, что нет:
-
нейронные сети необходимо обучать по шаблонам ввода, а затем вы можете по существу использовать их для классификации / кластеризации новых входных данных или для аппроксимации функций
-
генетические алгоритмы на самом деле требуют случайности для мутации индивидуумов