Алгоритм, имитирующий развитие биологических видов - от простейших микроорганизмов до огромных динозавров и разумных людей. Данный алгоритм был разработан до «Живых Пикселей» и является самостоятельным клеточным автоматом.

Правила:

Элемент — набор пикселей, лежащих рядом. Элементы раскрашены в зависимости от количества пикселей в них.

1. За один ход добавляется один элемент в один пиксель в случайное место на поле.
2. При столкновении элементов с одинаковым числом пикселей они образуют новый элемент, на один пиксель больше.

В природе — появление более крупного организма при достаточном количестве более мелких

1. При столкновении элементов разного размера, остается лишь самый большой

В природе — борьба за выживание, пищевая цепочка

1. Существование элементов ограниченно по времени, которое прямо пропорционально количеству пикселей в элементе.

В природе - время жизни организмов ограничено и также есть зависимость времени жизни от среднего размера особи в виде.

«Эволюцию» можно рассматривать как развитие отдельных живых существ, хотя правильнее рассматривать её как развитие видов. Каждый элемент — есть определённый вид организмов.

Для удобства элементы из одного пикселя показаны зелёным, из двух — тёмно-красным, из трёх — светло-красным, из четырёх — синим. Наиболее распространёнными являются элементы из одного и двух пикселей. На рисунке видно, что элемент из четырёх пикселей всего один. Наиболее крупные элементы живут долго, затем надолго исчезают — как динозавры.

Море

Жизнь вышла из океана. На изображении серые полоски внизу имитируют изрезанное морское дно. Интересно проследить, как зависит размер животных видов от среды обитания — чем больше у вида пространства, тем больше размер наибольших живых существ. При этом мелкие животные встречаются повсюду.

Видна явная связь между размерами вида и местом обитания. В расщелины внизу может "залезть" любой «зверь», при этом в основном там объекты в один или два пикселя.

NeoNeuro Data Mining.Machine Learning Professional.

399$  99$ Buy now 

NeoNeuro Data Mining.Machine Learning Professional, Education License.

NeoNeuro license is endless, you do not need to worry about expiration!

60 days money back guarantee! 

If within the first 60 days of ownership you are not satisfied with NeoNeuro software, please request refund by e-mail or in contact form and we will return the money back.

Buy

Download

Pivot Table online - beta

Pivot table. Automatically. Free.
Beautiful reports from Excel or csv files in one click.

Купить

Скачать

Изучать и применять технологии машинного обучения теперь легко благодаря новой бесплатной программе NeoNeuro Machine Learning. 

1. Основная идея NeoNeuro Machine Learning – универсальность.
2. Универсальность – это когда всё работает по одной кнопке. Скопировали данные в таблицу и нажали Calculate. Всё!
3. По умолчанию в Machine Learning открывается пример, в котором компьютер учится элементарным математическим операциям. Советуем потренироваться и с нуля научить компьютер складывать и вычитать – это сразу даёт понимание того, как работает программа.
4. Нажмите на ChessBoard и научите компьютер шахматным ходам. Вы увидите, как компьютер вначале ошибается и как постепенно учится ходить правильно. Искусственный интеллект Machine Learning в этом аспекте подобен человеческому.
5. «Человечность» программы проявляется и в работе со статистическими базами – в отличие от классических Data Mining и  Machine Learning приложений, NeoNeuro Machine Learning может отвечать «не знаю» или давать ответы на выбор – совсем как человек-эксперт.
6. Универсальность Machine Learning это:
   1. Единый метод работы с любыми данными: статистические базы, обучение компьютера арифметике, решение геометрических задач, таких как обучение или шахматным ходам или движению роботов.
   2. Интуитивно понятное добавление данных. Скопируйте данные из электронной таблицы или HTML страницы и просто вставьте в NeoNeuro Machine Learning – программа сама разберётся с типами параметров, при этом их можно менять вручную.
   3. Ввод данных для проверки идентичен вводу данных для обучения, здесь также можно использовать копирование и вставку.
   4. Machine Learning предлагает детальный и понятный отчёт. Для статистических данных 10% обучающей выборки не используются для обучения, а используются для проверки. Вы увидите как матрицу ошибок (confusion matrix), так и диаграмму распределения типов ответов.

1. Настройки. По умолчанию в Machine Learning всё настроено так, чтобы было комфортно работать c любыми данными. При этом можно настраивать:
   1. Типы атрибутов
   2. Размерности атрибутов. Например, ежемесячный доход и платёж – это размерность «деньги», а возраст и количество лет займа – это «время».
   3. In Machine Learning you can tune the Confidence parameter. Better confidence gives more “unknown” answers, lower confidence accepts more variants to give exact answer. This is like a human’s confidence.
   4. В Machine Learning Вы можете настраивать параметр Уверенности. Большая уверенность даёт больше ответов «не знаю», меньшая уверенность принимает больше вариантов для выдачи точного ответа. Это похоже на человеческую уверенность.
2. На сегодняшний день  Machine Learning – это единственная известная программа, которую можно научить шахматным  ходам. Эта способность появляется за счёт использования размерности атрибутов – геометрических координат X и Y и может применятся в вопросах обучения роботов передвижению. В Machine Learning показано, как обезьяну можно научить подходить к банану, аналогичный алгоритм можно использовать для обучения робота делать сложные манипуляции  от уборки и строительства до проведения хирургической операции. Причём обучение аналогично обучению человека – роботу показывают как нужно делать ту или иную работу и объясняют, какие робот делает ошибки, чтобы он не совершал их в будущем.
3. Работа с геометрией – не единственная уникальная особенность Machine Learning. Алгоритм, применённый в программе, показывает лучшие результаты при обработке статистических данных, чем большинство классических алгоритмов. Во многом это связано с тем, что Machine Learning в случае неуверенности в ответе может сказать «не знаю» или дать ответ на выбор. Уровень ошибок у Machine Learning обычно ниже, чем у таких методов, как логистической регрессии, байесовских сетей, нейронных сетей и других методов data mining.
4. В будущих версиях Machine Learning планируется:
   1.  API для программирования на языках VC++, C# и Delphi
   2. Переводы на множество языков