Бредовая идейка по подбору метапараметров модели...
Метапараметры в модели с одной стороны хороши, так как есть что подергать и надеяться подобрать более качественную конфигурацию.
С другой стороны, когда их более, чем 2, и они дают синергетический эффект, появляется задача второго порядка - как организовать подбор оптимального сочетания.
Применительно к модели управления роботом, параметров много. Количество слоев в deep архитектуре (больше не значит лучше). Размеры рецептивных полей в сверточной сети. Используемые первичные сигналы: детекторы границ, относительная яркость в локальном контексте, относительная интенсивность цвета в локальном контексте, направление и скорость перемещения, текстура или фурье-анализаторы, банк габоров. У каждого детектора свой набор конфигурационных параметров. Например, фильтры требуют задания шага решетки, шага угла, собственно размер пятна или длина основной волны, количество волн - 2, 3.
Перебирать такое руками в поисках оптимального сочетания по качеству и по вписываемость в 100 мс время работы конвейера не кажется реальной задачкой.
А вот генетический подход вроде бы идеально вписывается.
То есть, создаем "виртуальную вселенную" с помощью обычного 3d-игрового движка, который может делать живой рендеринг, детектировать коллизии и прочее.
Подбираем факторы отбора так, чтобы носители модели испытывали давление эволюции в нужном направлении.
И далее цикл - скрещивание, отбор лучших, мутации.
Все это в обычном облаке. Тоже модный инструмент, идеально подходящий под задачу.
Осталось найти облако, которое предоставит нужные ресурсы.
С другой стороны, когда их более, чем 2, и они дают синергетический эффект, появляется задача второго порядка - как организовать подбор оптимального сочетания.
Применительно к модели управления роботом, параметров много. Количество слоев в deep архитектуре (больше не значит лучше). Размеры рецептивных полей в сверточной сети. Используемые первичные сигналы: детекторы границ, относительная яркость в локальном контексте, относительная интенсивность цвета в локальном контексте, направление и скорость перемещения, текстура или фурье-анализаторы, банк габоров. У каждого детектора свой набор конфигурационных параметров. Например, фильтры требуют задания шага решетки, шага угла, собственно размер пятна или длина основной волны, количество волн - 2, 3.
Перебирать такое руками в поисках оптимального сочетания по качеству и по вписываемость в 100 мс время работы конвейера не кажется реальной задачкой.
А вот генетический подход вроде бы идеально вписывается.
То есть, создаем "виртуальную вселенную" с помощью обычного 3d-игрового движка, который может делать живой рендеринг, детектировать коллизии и прочее.
Подбираем факторы отбора так, чтобы носители модели испытывали давление эволюции в нужном направлении.
И далее цикл - скрещивание, отбор лучших, мутации.
Все это в обычном облаке. Тоже модный инструмент, идеально подходящий под задачу.
Осталось найти облако, которое предоставит нужные ресурсы.