Problemas de retraso
Supongamos que hay cuatro niveles de la jerarquía de cadenas que se reconocen sucesivamente: letras en sílabas, sílabas en palabras, palabras en fraseología. Al reconocer cada nivel, debe pasar un ciclo de una red neuronal. Si ANN lee una letra por ciclo, el reconocimiento de los signos de nivel más alto será muy tardío. Si ANN debe hacer pronósticos y elegir acciones, entonces esto no es del todo adecuado.En la ENS, este problema no es muy pronunciado, ya que a menudo (por ejemplo, al reconocer el habla por el oído), las neuronas funcionan mucho más rápido de lo que parece el siguiente nivel de jerarquía.Para el ANN, el problema puede resolverse si la llegada del siguiente signo se retrasa artificialmente hasta que se reconozcan todos los niveles de jerarquía. Yo llamo a este método "con profundidad de reconocimiento adaptativo". Tenemos un ciclo con una condición posterior: aunque se haya reconocido al menos una neurona más, no lea el siguiente signo en los sensores, pero continúe reconociendo lo que es. Es para depurar tales casos que la complicación del tiempo virtual de NeuroTime es útil, como se describe en un artículo anterior .: , , , , , , . , — , «» «». «» , ( , ). , «», , .
( ) . , , : , …
… :
, ( 1/2 . .) , — : ++ ( cluster.neuronTemporalOutput.activate()), , .
—
, — , - , , — . - , . , — — «», , , — (). , ? , — ( ), . , , . :
:
, . . , , , — , . ? «» , , . , , .
, , . , .
, . , . — , , , , .
— , , , — . , , . , , / — , .