#генетические_алгоритмы — Public Fediverse posts

Как управлять эволюционным поиском? На примере конечных автоматов

Есть задачи, в которых мы понимаем, чего нужно добиться, но не можем описать путь к цели. И когда способ достижения цели либо слишком сложен, либо совсем неизвестен, решение находится в процессе проб и улучшений. Так работает эволюция. У нее нет конкретного плана по дизайну организма, но есть цель: существо должно быть достаточно приспособленным к среде, чтобы выжить. А люди для решения такого рода задач придумали эволюционные алгоритмы. С помощью них можно генерировать разные варианты, тестировать их в одинаковых условиях и оставлять те, что становятся лучше по выбранным критериям. Один из способов понять как возникает сложность — это попробовать создать ее самому. Поэтому мы поговорим об эволюционных алгоритмах на примере созданной модели GUCA (Graph Unfolding Cellular Automata). Ее можно запустить на компьютере, чтобы проверять гипотезы и находить закономерности: какие изменения приводят к прогрессу, какие — к стагнации, а какие — к эффектным, но бессмысленным решениям. Мы расскажем про процесс экспериментов с эволюционными алгоритмами: как формулировать цель через оценку и как использовать найденные трюки, чтобы научить компьютер решать подобные задачи быстрее. Github Сайт-песочница YouTube Дисклеймер: Мы не биологи, и эволюционная метафора для нас — удобный язык для разговора об оптимизации и поиске, поэтому термины из биологии могут использоваться неточно.

https://habr.com/ru/articles/1035788/

#генетические_алгоритмы #эволюционные_алгоритмы #эволюционное_моделирование #графы #алгоритмы

Как управлять эволюционным поиском? На примере конечных автоматов

Есть задачи, в которых мы понимаем, чего нужно добиться, но не можем описать путь к цели. И когда способ достижения цели либо слишком сложен, либо совсем неизвестен, решение находится в процессе проб и улучшений. Так работает эволюция. У нее нет конкретного плана по дизайну организма, но есть цель: существо должно быть достаточно приспособленным к среде, чтобы выжить. А люди для решения такого рода задач придумали эволюционные алгоритмы. С помощью них можно генерировать разные варианты, тестировать их в одинаковых условиях и оставлять те, что становятся лучше по выбранным критериям. Один из способов понять как возникает сложность — это попробовать создать ее самому. Поэтому мы поговорим об эволюционных алгоритмах на примере созданной модели GUCA (Graph Unfolding Cellular Automata). Ее можно запустить на компьютере, чтобы проверять гипотезы и находить закономерности: какие изменения приводят к прогрессу, какие — к стагнации, а какие — к эффектным, но бессмысленным решениям. Мы расскажем про процесс экспериментов с эволюционными алгоритмами: как формулировать цель через оценку и как использовать найденные трюки, чтобы научить компьютер решать подобные задачи быстрее. Github Сайт-песочница YouTube Дисклеймер: Мы не биологи, и эволюционная метафора для нас — удобный язык для разговора об оптимизации и поиске, поэтому термины из биологии могут использоваться неточно.

https://habr.com/ru/articles/1035788/

#генетические_алгоритмы #эволюционные_алгоритмы #эволюционное_моделирование #графы #алгоритмы

Как управлять эволюционным поиском? На примере конечных автоматов

Есть задачи, в которых мы понимаем, чего нужно добиться, но не можем описать путь к цели. И когда способ достижения цели либо слишком сложен, либо совсем неизвестен, решение находится в процессе проб и улучшений. Так работает эволюция. У нее нет конкретного плана по дизайну организма, но есть цель: существо должно быть достаточно приспособленным к среде, чтобы выжить. А люди для решения такого рода задач придумали эволюционные алгоритмы. С помощью них можно генерировать разные варианты, тестировать их в одинаковых условиях и оставлять те, что становятся лучше по выбранным критериям. Один из способов понять как возникает сложность — это попробовать создать ее самому. Поэтому мы поговорим об эволюционных алгоритмах на примере созданной модели GUCA (Graph Unfolding Cellular Automata). Ее можно запустить на компьютере, чтобы проверять гипотезы и находить закономерности: какие изменения приводят к прогрессу, какие — к стагнации, а какие — к эффектным, но бессмысленным решениям. Мы расскажем про процесс экспериментов с эволюционными алгоритмами: как формулировать цель через оценку и как использовать найденные трюки, чтобы научить компьютер решать подобные задачи быстрее. Github Сайт-песочница YouTube Дисклеймер: Мы не биологи, и эволюционная метафора для нас — удобный язык для разговора об оптимизации и поиске, поэтому термины из биологии могут использоваться неточно.

https://habr.com/ru/articles/1035788/

#генетические_алгоритмы #эволюционные_алгоритмы #эволюционное_моделирование #графы #алгоритмы

Как управлять эволюционным поиском? На примере конечных автоматов

Есть задачи, в которых мы понимаем, чего нужно добиться, но не можем описать путь к цели. И когда способ достижения цели либо слишком сложен, либо совсем неизвестен, решение находится в процессе проб и улучшений. Так работает эволюция. У нее нет конкретного плана по дизайну организма, но есть цель: существо должно быть достаточно приспособленным к среде, чтобы выжить. А люди для решения такого рода задач придумали эволюционные алгоритмы. С помощью них можно генерировать разные варианты, тестировать их в одинаковых условиях и оставлять те, что становятся лучше по выбранным критериям. Один из способов понять как возникает сложность — это попробовать создать ее самому. Поэтому мы поговорим об эволюционных алгоритмах на примере созданной модели GUCA (Graph Unfolding Cellular Automata). Ее можно запустить на компьютере, чтобы проверять гипотезы и находить закономерности: какие изменения приводят к прогрессу, какие — к стагнации, а какие — к эффектным, но бессмысленным решениям. Мы расскажем про процесс экспериментов с эволюционными алгоритмами: как формулировать цель через оценку и как использовать найденные трюки, чтобы научить компьютер решать подобные задачи быстрее. Github Сайт-песочница YouTube Дисклеймер: Мы не биологи, и эволюционная метафора для нас — удобный язык для разговора об оптимизации и поиске, поэтому термины из биологии могут использоваться неточно.

https://habr.com/ru/articles/1035788/

#генетические_алгоритмы #эволюционные_алгоритмы #эволюционное_моделирование #графы #алгоритмы

Происхождение, часть 2. Миры РНК и ДНК, автокаталитических сетей, вирусов и протоклеток

В первой части этой статьи мы рассмотрели две теории, дающие ключ к пониманию механизмов абиогенеза: конструкторскую теорию жизни Кьяры Марлетто и теорию диссипативной адаптации Джереми Ингланда. Одна из них объясняет, как возможны репликация, самовоспроизводство и дарвиновская эволюция без «тонко настроенных» на появление жизни законов физики, а вторая показывает, что при определённых условиях неравновесные термодинамические процессы делают самоорганизацию и жизнь более вероятными, чем их отсутствие. Но это слишком абстрактные модели, объясняющие существование не только биологической жизни в известной нам форме, но и вообще любых самовоспроизводящихся машин. А каковы практические достижения науки в деле искусственного создания жизни в лаборатории? Насколько мы близки к пониманию химического механизма получения устойчивого репликатора? Как появился генетический код и система производства белков? Существует только один способ создания жизни, или их много? Тема сложная, а я не биохимик, чтобы рассматривать абиогенез в мельчайших деталях, поэтому ограничусь схематическим нарративом: перечислением основных этапов абиогенеза, необходимых для этого компонентов, условий среды и химических процессов. Заодно опровергнем ещё несколько креационистских мифов и составим портрет нашего последнего универсального предка.

https://habr.com/ru/articles/1030478/

#абиогенез #происхождение_жизни #мир_рнк #рибозим #рибосома #автокатализ #luca #химическая_эволюция #генетические_алгоритмы #репликаторы

Происхождение, часть 2. Миры РНК и ДНК, автокаталитических сетей, вирусов и протоклеток

В первой части этой статьи мы рассмотрели две теории, дающие ключ к пониманию механизмов абиогенеза: конструкторскую теорию жизни Кьяры Марлетто и теорию диссипативной адаптации Джереми Ингланда. Одна из них объясняет, как возможны репликация, самовоспроизводство и дарвиновская эволюция без «тонко настроенных» на появление жизни законов физики, а вторая показывает, что при определённых условиях неравновесные термодинамические процессы делают самоорганизацию и жизнь более вероятными, чем их отсутствие. Но это слишком абстрактные модели, объясняющие существование не только биологической жизни в известной нам форме, но и вообще любых самовоспроизводящихся машин. А каковы практические достижения науки в деле искусственного создания жизни в лаборатории? Насколько мы близки к пониманию химического механизма получения устойчивого репликатора? Как появился генетический код и система производства белков? Существует только один способ создания жизни, или их много? Тема сложная, а я не биохимик, чтобы рассматривать абиогенез в мельчайших деталях, поэтому ограничусь схематическим нарративом: перечислением основных этапов абиогенеза, необходимых для этого компонентов, условий среды и химических процессов. Заодно опровергнем ещё несколько креационистских мифов и составим портрет нашего последнего универсального предка.

https://habr.com/ru/articles/1030478/

#абиогенез #происхождение_жизни #мир_рнк #рибозим #рибосома #автокатализ #luca #химическая_эволюция #генетические_алгоритмы #репликаторы

Происхождение, часть 2. Миры РНК и ДНК, автокаталитических сетей, вирусов и протоклеток

В первой части этой статьи мы рассмотрели две теории, дающие ключ к пониманию механизмов абиогенеза: конструкторскую теорию жизни Кьяры Марлетто и теорию диссипативной адаптации Джереми Ингланда. Одна из них объясняет, как возможны репликация, самовоспроизводство и дарвиновская эволюция без «тонко настроенных» на появление жизни законов физики, а вторая показывает, что при определённых условиях неравновесные термодинамические процессы делают самоорганизацию и жизнь более вероятными, чем их отсутствие. Но это слишком абстрактные модели, объясняющие существование не только биологической жизни в известной нам форме, но и вообще любых самовоспроизводящихся машин. А каковы практические достижения науки в деле искусственного создания жизни в лаборатории? Насколько мы близки к пониманию химического механизма получения устойчивого репликатора? Как появился генетический код и система производства белков? Существует только один способ создания жизни, или их много? Тема сложная, а я не биохимик, чтобы рассматривать абиогенез в мельчайших деталях, поэтому ограничусь схематическим нарративом: перечислением основных этапов абиогенеза, необходимых для этого компонентов, условий среды и химических процессов. Заодно опровергнем ещё несколько креационистских мифов и составим портрет нашего последнего универсального предка.

https://habr.com/ru/articles/1030478/

#абиогенез #происхождение_жизни #мир_рнк #рибозим #рибосома #автокатализ #luca #химическая_эволюция #генетические_алгоритмы #репликаторы

Происхождение, часть 2. Миры РНК и ДНК, автокаталитических сетей, вирусов и протоклеток

В первой части этой статьи мы рассмотрели две теории, дающие ключ к пониманию механизмов абиогенеза: конструкторскую теорию жизни Кьяры Марлетто и теорию диссипативной адаптации Джереми Ингланда. Одна из них объясняет, как возможны репликация, самовоспроизводство и дарвиновская эволюция без «тонко настроенных» на появление жизни законов физики, а вторая показывает, что при определённых условиях неравновесные термодинамические процессы делают самоорганизацию и жизнь более вероятными, чем их отсутствие. Но это слишком абстрактные модели, объясняющие существование не только биологической жизни в известной нам форме, но и вообще любых самовоспроизводящихся машин. А каковы практические достижения науки в деле искусственного создания жизни в лаборатории? Насколько мы близки к пониманию химического механизма получения устойчивого репликатора? Как появился генетический код и система производства белков? Существует только один способ создания жизни, или их много? Тема сложная, а я не биохимик, чтобы рассматривать абиогенез в мельчайших деталях, поэтому ограничусь схематическим нарративом: перечислением основных этапов абиогенеза, необходимых для этого компонентов, условий среды и химических процессов. Заодно опровергнем ещё несколько креационистских мифов и составим портрет нашего последнего универсального предка.

https://habr.com/ru/articles/1030478/

#абиогенез #происхождение_жизни #мир_рнк #рибозим #рибосома #автокатализ #luca #химическая_эволюция #генетические_алгоритмы #репликаторы

Решение задачи коммивояжера (TSP) в реальных приложениях

Образовательные программы компьютерных наук и информатики обязательно включают курс алгоритмов, это элегантные решения сложных проблем. Например, одна из самых интересных проблем комбинаторной оптимизации — задача коммивояжёра (TSP, travelling salesman problem). Суть в поиске самого выгодного маршрута, проходящего через указанные точки ровно по одному разу. Сложность задачи при точном решении брутфорсом составляет O(n!) . И для неё тоже придумано несколько элегантных алгоритмов. Хотя поиск самого эффективного продолжается до сих пор. В реальности уже нет коммивояжёров, путешествующих по городам, профессия ушла в прошлое. Но есть курьеры, таксисты, логисты, грузоперевозчики и просто туристы, которые хотят посетить максимальное количество достопримечательностей. То есть задача по-прежнему актуальна. Как же максимально эффективно настоящие бизнесы решают TSP в реальной жизни?

https://habr.com/ru/articles/933796/

#задача_коммивояжера #комбинаторная_оптимизация #метод_ветвей_и_границ #МВГ #TSP #муравьиный_алгоритм #ACO #генетические_алгоритмы #алгоритм_имитации_отжига #Routific

[AI ⊂ TM] Машина Тьюринга и искусственный интеллект

Почему машина Тьюринга ( TM ) сегодня в теме про искусственный интеллект ( AI ) ? Ведь AI сегодня это все больше про машинное обучение ( ML ), искусственные нейронные сети ( ANN ), LLM, вычисления на CUDA и т. п. Причина в том, что никакой AI, с точки зрения математики, не превосходит по возможностям TM.

https://habr.com/ru/articles/982124/

#Turing_machine #машина_тьюринга #генетическое_программирование #генетические_алгоритмы #qlearning #reinforcementlearning #reinforecement_learning #нейронная_сеть #neural_network

Генетический алгоритм в помощь Adam — супер, но есть нюанс

Хабр привет! Это моя первая статья и я хотел бы начать ее с такого интересного эксперимента как "сбор гибрида для обучения нейронных сетей с помощью генетического алгоритма" и дополнительно рассказать про библиотеку Deap. Давайте определим из чего у нас будет состоять наш гибрид (как можно понять из названия) - это: 1) Обычный проход градиентного спуска ...

https://habr.com/ru/articles/909124/

#искусственный_интеллект #алгоритмы #генетические_алгоритмы #обучение_нейронных_сетей #нейронные_сети #нейронные_сети_и_машинное_обучение #машинное_обучение #mnist

Эволюция радиомашинок в среде Unity с помощью NGspice

В этой статье я расскажу про свой эксперимент: я создал в Unity симуляцию радиоуправляемых машинок, которые эволюционируют. «Мозгом» каждой машинки является электронная схема. Я заставил эти схемы мутировать(случайно меняться) и скрещиваться(обмениваться частями), чтобы создавать новые модели машин и улучшать их. Его «интеллект» и поведение меняются в зависимости от того, сколько блоков онa успешно поднимает.

https://habr.com/ru/articles/963624/

#ngspice #unity #unity3d #генетические_алгоритмы #эволюция #мутация #скрещивание

Генетический алгоритм в помощь Adam — супер, но есть нюанс

Хабр привет! Это моя первая статья и я хотел бы начать ее с такого интересного эксперимента как "сбор гибрида для обучения нейронных сетей с помощью генетического алгоритма" и дополнительно рассказать про библиотеку Deap. Давайте определим из чего у нас будет состоять наш гибрид (как можно понять из названия) - это: 1) Обычный проход градиентного спуска ...

https://habr.com/ru/articles/909124/

#искусственный_интеллект #алгоритмы #генетические_алгоритмы #обучение_нейронных_сетей #нейронные_сети #нейронные_сети_и_машинное_обучение #машинное_обучение #mnist

Генетический алгоритм в помощь Adam — супер, но есть нюанс

Хабр привет! Это моя первая статья и я хотел бы начать ее с такого интересного эксперимента как "сбор гибрида для обучения нейронных сетей с помощью генетического алгоритма" и дополнительно рассказать про библиотеку Deap. Давайте определим из чего у нас будет состоять наш гибрид (как можно понять из названия) - это: 1) Обычный проход градиентного спуска ...

https://habr.com/ru/articles/909124/

#искусственный_интеллект #алгоритмы #генетические_алгоритмы #обучение_нейронных_сетей #нейронные_сети #нейронные_сети_и_машинное_обучение #машинное_обучение #mnist

Генетический алгоритм в помощь Adam — супер, но есть нюанс

Хабр привет! Это моя первая статья и я хотел бы начать ее с такого интересного эксперимента как "сбор гибрида для обучения нейронных сетей с помощью генетического алгоритма" и дополнительно рассказать про библиотеку Deap. Давайте определим из чего у нас будет состоять наш гибрид (как можно понять из названия) - это: 1) Обычный проход градиентного спуска ...

https://habr.com/ru/articles/909124/

#искусственный_интеллект #алгоритмы #генетические_алгоритмы #обучение_нейронных_сетей #нейронные_сети #нейронные_сети_и_машинное_обучение #машинное_обучение #mnist

Обзор недавно выпущенной модели Evo для анализа геномных данных

Давайте представим, что вы начинающий или опытный биоинформатик, или "простой смертный", который хочет углубиться в анализ биологических данных. Спойлер: биоинформатики тоже смертные! Зачастую, не у каждого хватает ценного времени на проверку огромных последовательностей геномных данных, будь то поиск различных мутаций или прогнозирование структуры белков на основе последовательности аминокислот. Но не переживайте, в этом вам поможет искусственный интеллект ! Да, тот самый ИИ, который чуть ли не через каждую минуту обещает изменить мир и избавить нас от всех проблем — от покупки продуктов до поиска идеальных генетических маркеров для рака. Так вот, давайте разберемся, как ИИ может помочь нам, бедным исследователям, быстро и эффективно работать с данными, которые, казалось бы, невозможно обработать, даже за целую жизнь.

https://habr.com/ru/articles/865024/

#биоинформатика #биология #биотехнологии #генетика #генетические_алгоритмы #модель_данных #машинное_обучение #машинное_обучение_нейросети_python #биотех #анализ_данных

Фаззинг телекома с генетическим алгоритмом: как тестировать продукт на безопасность, если обычных методов недостаточно

Что делать, если сложная высоконагруженная система уже полностью покрыта базовыми тестами, используется фаззинг без модификаций, но выявить удалось не все критические уязвимости? Поможет внедрение генетического алгоритма. Меня зовут Арина Волошина, я AppSec-инженер в YADRO и занимаюсь тестированием безопасности телеком-продуктов: базовой станции, контроллера базовых станций и системой управления элементами сети. Мы внедрили много разных видов тестирования в эти продукты, но этого оказалось недостаточно. В своих научных исследованиях я занималась генетическими алгоритмами, поэтому решила применить академические знания на практике и реализовать генетику в фаззинге. Что из этого вышло — читайте под катом.

https://habr.com/ru/companies/yadro/articles/981842/

#appsec #информационная_безопасность #тестирование #телеком #фаззинг #фаззингтестирование #генетические_алгоритмы

Введение в многокритериальную оптимизацию, или как потерять чуть меньше денег на крипте

"Лежит на струнах пыль Ржавеет под окном Разбитый телевизор Ты сгладил все углы И жизнь твоя сплошной Проклятый компромисс Ни вверх ни вниз" Так поёт группа Би-2 в песне "Компромисс" и с ними трудно не согласиться. Наша жизнь действительно состоит из сплошных проклятых компромиссов между несколькими решениями. Мы пытаемся найти максимально дешёвую, но качественную электронику, ищем экономичный, но быстрый автомобиль и красивого, но надёжного партнёра для отношений. Каждая из этих повседневных задач заключается в поиске оптимума нескольких конфликтующих между собой функций. Это называется многокритериальная оптимизация (Multi-objective optimization). В этой статье мы ближе познакомимся с этой задачей, посмотрим на 2 популярных метода её решения и узнаем, как с её помощью заработать на криптовалюте с минимальным риском.

https://habr.com/ru/articles/884426/

#оптимизация #генетические_алгоритмы #многокритериальная_оптимизация #NSGAII #градиентный_спуск #инвестиции #инвестиции_для_новичков #криптовалюта #MOEAD

Эволюционный алгоритм для проверки планарности графов

В работе рассматривается приближенный алгоритм проверки планарности графов. В процессе работы алгоритма строится изображение графа c минимальным количеством пересечений рёбер. Алгоритм эффективно решает перечисленные задачи. Можно сделать обобщенный вывод о том, что эволюционный алгоритм эффективен для решения оптимизационных задач геометрии. Вычислительная сложность алгоритма определяется как , где – количество итераций алгоритма, – размер популяции (задаётся пользователем), – количество рёбер графа.[1]

https://habr.com/ru/articles/843342/

#граф #планарность #визуализация_графа #алгоритмы_на_графах #эволюционный_алгоритм #генетические_алгоритмы

[AI ⊂ TM] Машина Тьюринга и искусственный интеллект

Почему машина Тьюринга ( TM ) сегодня в теме про искусственный интеллект ( AI ) ? Ведь AI сегодня это все больше про машинное обучение ( ML ), искусственные нейронные сети ( ANN ), LLM, вычисления на CUDA и т. п. Причина в том, что никакой AI, с точки зрения математики, не превосходит по возможностям TM.

https://habr.com/ru/articles/982124/

#Turing_machine #машина_тьюринга #генетическое_программирование #генетические_алгоритмы #qlearning #reinforcementlearning #reinforecement_learning #нейронная_сеть #neural_network

[AI ⊂ TM] Машина Тьюринга и искусственный интеллект

Почему машина Тьюринга ( TM ) сегодня в теме про искусственный интеллект ( AI ) ? Ведь AI сегодня это все больше про машинное обучение ( ML ), искусственные нейронные сети ( ANN ), LLM, вычисления на CUDA и т. п. Причина в том, что никакой AI, с точки зрения математики, не превосходит по возможностям TM.

https://habr.com/ru/articles/982124/

#Turing_machine #машина_тьюринга #генетическое_программирование #генетические_алгоритмы #qlearning #reinforcementlearning #reinforecement_learning #нейронная_сеть #neural_network

[AI ⊂ TM] Машина Тьюринга и искусственный интеллект

Почему машина Тьюринга ( TM ) сегодня в теме про искусственный интеллект ( AI ) ? Ведь AI сегодня это все больше про машинное обучение ( ML ), искусственные нейронные сети ( ANN ), LLM, вычисления на CUDA и т. п. Причина в том, что никакой AI, с точки зрения математики, не превосходит по возможностям TM.

https://habr.com/ru/articles/982124/

#Turing_machine #машина_тьюринга #генетическое_программирование #генетические_алгоритмы #qlearning #reinforcementlearning #reinforecement_learning #нейронная_сеть #neural_network

Сотворение мира за 20 минут на JavaScript, или минималистичная модель эволюции

Впервые про моделирование эволюции я прочитал в 13 лет в статье «Жить и умереть в компьютере» (Техника — Молодежи, №5 1993 год). Она произвела на меня столь неизгладимое впечатление, что я тут же загорелся идеей создать что-то подобное. Однако никак не удавалось проработать законы мира. Как организмы будут «смотреть» на окружающий мир? Как общаться? Как атаковать? Как кушать друг друга? Наконец, как будет устроен их «мозг»? Реализовать виртуальную машину, как в статье из журнала, или использовать что-нибудь проще, типа конечного автомата или схемы из блоков И-НЕ? Короче, муки творчества да и, что уж там греха таить, ограниченные технические навыки, не позволили довести идею до ума. Я вернулся к ней уже в зрелом возрасте, лишенный юношеского максимализма и перфекционизма. Решил: раз сделать навороченную модель не получается, стоит начать с чего-то более простого. А лень и остатки перфекционизма в организме прошептали: с чего-то максимально простого. Запустить эволюцию

https://habr.com/ru/companies/selectel/articles/925554/

#моделирование #эволюционные_алгоритмы #генетические_алгоритмы #javascript #selectel

Ядро, которое понимает: как я построил обучаемый механизм атак с нейросетью, эволюцией и квантовой логикой

Я больше не мог смотреть на то, как сканеры уязвимостей просто генерируют атаки из словарей и кидают в стену тысячи запросов. Это напоминало мне детский рисунок, где ребёнок мечется кистью по холсту, надеясь случайно изобразить Ван Гога. Я хотел сканер, который понимает . Сканер, который учится . Сканер, который адаптируется . Так начался проект AI-Scanner — не как плагин к существующему решению, а как попытка вырастить нечто живое: обучаемую систему, способную эволюционировать, предсказывать, ошибаться и исправляться.

https://habr.com/ru/articles/908796/

#генетические_алгоритмы #квантовые_алгоритмы #пентест #искусственный_интеллект

[Перевод] Учимся летать: симуляция эволюции на Rust. 5/5

Это заключительная часть серии статей по разработке симуляции эволюции с помощью нейронной сети и генетического алгоритма . Первая часть Вторая часть Третья часть Четвертая часть

https://habr.com/ru/companies/timeweb/articles/825262/

#timeweb_статьи_перевод #rust #neural_networks #algorithms #genetic_algorithms #evolution #эволюция #генетические_алгоритмы #нейронные_сети

[Перевод] Учимся летать: симуляция эволюции на Rust. 4/5

Это предпоследняя часть серии статей по разработке симуляции эволюции с помощью нейронной сети и генетического алгоритма .

https://habr.com/ru/companies/timeweb/articles/823676/

#timeweb_статьи_перевод #rust #neural_networks #algorithms #genetic_algorithms #evolution #эволюция #генетические_алгоритмы #нейронные_сети

[Перевод] Учимся летать: симуляция эволюции на Rust. 3/5

Это третья часть серии статей по разработке симуляции эволюции с помощью нейронной сети и генетического алгоритма . Первая часть Вторая часть В предыдущей статье мы реализовали простую FFNN (feedforward neural network — нейронная сеть прямого распространения), которая может передавать числа через рандомизированные слои — это первый шаг на пути создания мозга. Однако рандомизация — это далеко не все. По большей части эволюция заключается во внесении небольших, постепенных изменений, чтобы система со временем становилась лучше, чтобы наш мозг начал накапливать знания и функционировать так, как ожидается. Но как мы можем обучить группу чисел с плавающей точкой (запятой, если угодно)?

https://habr.com/ru/companies/timeweb/articles/820699/

#timeweb_статьи_перевод #rust #neural_networks #algorithms #genetic_algorithms #evolution #эволюция #генетические_алгоритмы #нейронные_сети

[Перевод] Учимся летать: симуляция эволюции на Rust. 2/5

Это вторая часть серии статей по разработке симуляции эволюции с помощью нейронной сети и генетического алгоритма . Первая часть В этой статье мы заложим основы нашего проекта и реализуем простую FFNN (feedforward neural network — нейронная сеть прямого распространения), которая впоследствии станет мозгом. Мы также рассмотрим множество тонкостей и идиом, которые встречаются в коде Rust, включая тесты. Готовы? Тогда поехали.

https://habr.com/ru/companies/timeweb/articles/818985/

#timeweb_статьи_перевод #rust #neural_networks #algorithms #genetic_algorithms #evolution #эволюция #генетические_алгоритмы #нейронные_сети

[Перевод] Учимся летать: симуляция эволюции на Rust. 1/5

В этой серии статей мы создадим симуляцию эволюции с помощью нейронной сети и генетического алгоритма. Я расскажу вам, как работает простая нейронная сеть и генетический алгоритм, затем мы реализуем их на Rust и скомпилируем приложение в WebAssembly, чтобы получить следующее: Предполагается, что вы немного знакомы с Rust, остальное я постараюсь вам объяснить. Эта серия состоит из нескольких статей: Введение (что мы будем симулировать, как работает нейронная сеть и генетический алгоритм). Реализация нейронной сети. Реализация генетического алгоритма. Реализация глаз, мозга и самой симуляции (в двух частях). Интересно? Тогда поехали.

https://habr.com/ru/companies/timeweb/articles/817585/

#timeweb_статьи_перевод #rust #neural_networks #algorithms #genetic_algorithms #evolution #эволюция #генетические_алгоритмы #нейронные_сети

Ядро, которое понимает: как я построил обучаемый механизм атак с нейросетью, эволюцией и квантовой логикой

Я больше не мог смотреть на то, как сканеры уязвимостей просто генерируют атаки из словарей и кидают в стену тысячи запросов. Это напоминало мне детский рисунок, где ребёнок мечется кистью по холсту, надеясь случайно изобразить Ван Гога. Я хотел сканер, который понимает . Сканер, который учится . Сканер, который адаптируется . Так начался проект AI-Scanner — не как плагин к существующему решению, а как попытка вырастить нечто живое: обучаемую систему, способную эволюционировать, предсказывать, ошибаться и исправляться.

https://habr.com/ru/articles/908796/

#генетические_алгоритмы #квантовые_алгоритмы #пентест #искусственный_интеллект

Ядро, которое понимает: как я построил обучаемый механизм атак с нейросетью, эволюцией и квантовой логикой

Я больше не мог смотреть на то, как сканеры уязвимостей просто генерируют атаки из словарей и кидают в стену тысячи запросов. Это напоминало мне детский рисунок, где ребёнок мечется кистью по холсту, надеясь случайно изобразить Ван Гога. Я хотел сканер, который понимает . Сканер, который учится . Сканер, который адаптируется . Так начался проект AI-Scanner — не как плагин к существующему решению, а как попытка вырастить нечто живое: обучаемую систему, способную эволюционировать, предсказывать, ошибаться и исправляться.

https://habr.com/ru/articles/908796/

#генетические_алгоритмы #квантовые_алгоритмы #пентест #искусственный_интеллект

Ядро, которое понимает: как я построил обучаемый механизм атак с нейросетью, эволюцией и квантовой логикой

Я больше не мог смотреть на то, как сканеры уязвимостей просто генерируют атаки из словарей и кидают в стену тысячи запросов. Это напоминало мне детский рисунок, где ребёнок мечется кистью по холсту, надеясь случайно изобразить Ван Гога. Я хотел сканер, который понимает . Сканер, который учится . Сканер, который адаптируется . Так начался проект AI-Scanner — не как плагин к существующему решению, а как попытка вырастить нечто живое: обучаемую систему, способную эволюционировать, предсказывать, ошибаться и исправляться.

https://habr.com/ru/articles/908796/

#генетические_алгоритмы #квантовые_алгоритмы #пентест #искусственный_интеллект

Введение в многокритериальную оптимизацию, или как потерять чуть меньше денег на крипте

"Лежит на струнах пыль Ржавеет под окном Разбитый телевизор Ты сгладил все углы И жизнь твоя сплошной Проклятый компромисс Ни вверх ни вниз" Так поёт группа Би-2 в песне "Компромисс" и с ними трудно не согласиться. Наша жизнь действительно состоит из сплошных проклятых компромиссов между несколькими решениями. Мы пытаемся найти максимально дешёвую, но качественную электронику, ищем экономичный, но быстрый автомобиль и красивого, но надёжного партнёра для отношений. Каждая из этих повседневных задач заключается в поиске оптимума нескольких конфликтующих между собой функций. Это называется многокритериальная оптимизация (Multi-objective optimization). В этой статье мы ближе познакомимся с этой задачей, посмотрим на 2 популярных метода её решения и узнаем, как с её помощью заработать на криптовалюте с минимальным риском.

https://habr.com/ru/articles/884426/

#оптимизация #генетические_алгоритмы #многокритериальная_оптимизация #NSGAII #градиентный_спуск #инвестиции #инвестиции_для_новичков #криптовалюта #MOEAD

Введение в многокритериальную оптимизацию, или как потерять чуть меньше денег на крипте

"Лежит на струнах пыль Ржавеет под окном Разбитый телевизор Ты сгладил все углы И жизнь твоя сплошной Проклятый компромисс Ни вверх ни вниз" Так поёт группа Би-2 в песне "Компромисс" и с ними трудно не согласиться. Наша жизнь действительно состоит из сплошных проклятых компромиссов между несколькими решениями. Мы пытаемся найти максимально дешёвую, но качественную электронику, ищем экономичный, но быстрый автомобиль и красивого, но надёжного партнёра для отношений. Каждая из этих повседневных задач заключается в поиске оптимума нескольких конфликтующих между собой функций. Это называется многокритериальная оптимизация (Multi-objective optimization). В этой статье мы ближе познакомимся с этой задачей, посмотрим на 2 популярных метода её решения и узнаем, как с её помощью заработать на криптовалюте с минимальным риском.

https://habr.com/ru/articles/884426/

#оптимизация #генетические_алгоритмы #многокритериальная_оптимизация #NSGAII #градиентный_спуск #инвестиции #инвестиции_для_новичков #криптовалюта #MOEAD

Введение в многокритериальную оптимизацию, или как потерять чуть меньше денег на крипте

"Лежит на струнах пыль Ржавеет под окном Разбитый телевизор Ты сгладил все углы И жизнь твоя сплошной Проклятый компромисс Ни вверх ни вниз" Так поёт группа Би-2 в песне "Компромисс" и с ними трудно не согласиться. Наша жизнь действительно состоит из сплошных проклятых компромиссов между несколькими решениями. Мы пытаемся найти максимально дешёвую, но качественную электронику, ищем экономичный, но быстрый автомобиль и красивого, но надёжного партнёра для отношений. Каждая из этих повседневных задач заключается в поиске оптимума нескольких конфликтующих между собой функций. Это называется многокритериальная оптимизация (Multi-objective optimization). В этой статье мы ближе познакомимся с этой задачей, посмотрим на 2 популярных метода её решения и узнаем, как с её помощью заработать на криптовалюте с минимальным риском.

https://habr.com/ru/articles/884426/

#оптимизация #генетические_алгоритмы #многокритериальная_оптимизация #NSGAII #градиентный_спуск #инвестиции #инвестиции_для_новичков #криптовалюта #MOEAD

Решение задачи коммивояжера (TSP) в реальных приложениях

Образовательные программы компьютерных наук и информатики обязательно включают курс алгоритмов, это элегантные решения сложных проблем. Например, одна из самых интересных проблем комбинаторной оптимизации — задача коммивояжёра (TSP, travelling salesman problem). Суть в поиске самого выгодного маршрута, проходящего через указанные точки ровно по одному разу. Сложность задачи при точном решении брутфорсом составляет O(n!) . И для неё тоже придумано несколько элегантных алгоритмов. Хотя поиск самого эффективного продолжается до сих пор. В реальности уже нет коммивояжёров, путешествующих по городам, профессия ушла в прошлое. Но есть курьеры, таксисты, логисты, грузоперевозчики и просто туристы, которые хотят посетить максимальное количество достопримечательностей. То есть задача по-прежнему актуальна. Как же максимально эффективно настоящие бизнесы решают TSP в реальной жизни?

https://habr.com/ru/articles/933796/

#задача_коммивояжера #комбинаторная_оптимизация #метод_ветвей_и_границ #МВГ #TSP #муравьиный_алгоритм #ACO #генетические_алгоритмы #алгоритм_имитации_отжига #Routific

Решение задачи коммивояжера (TSP) в реальных приложениях

Образовательные программы компьютерных наук и информатики обязательно включают курс алгоритмов, это элегантные решения сложных проблем. Например, одна из самых интересных проблем комбинаторной оптимизации — задача коммивояжёра (TSP, travelling salesman problem). Суть в поиске самого выгодного маршрута, проходящего через указанные точки ровно по одному разу. Сложность задачи при точном решении брутфорсом составляет O(n!) . И для неё тоже придумано несколько элегантных алгоритмов. Хотя поиск самого эффективного продолжается до сих пор. В реальности уже нет коммивояжёров, путешествующих по городам, профессия ушла в прошлое. Но есть курьеры, таксисты, логисты, грузоперевозчики и просто туристы, которые хотят посетить максимальное количество достопримечательностей. То есть задача по-прежнему актуальна. Как же максимально эффективно настоящие бизнесы решают TSP в реальной жизни?

https://habr.com/ru/articles/933796/

#задача_коммивояжера #комбинаторная_оптимизация #метод_ветвей_и_границ #МВГ #TSP #муравьиный_алгоритм #ACO #генетические_алгоритмы #алгоритм_имитации_отжига #Routific

Решение задачи коммивояжера (TSP) в реальных приложениях

Образовательные программы компьютерных наук и информатики обязательно включают курс алгоритмов, это элегантные решения сложных проблем. Например, одна из самых интересных проблем комбинаторной оптимизации — задача коммивояжёра (TSP, travelling salesman problem). Суть в поиске самого выгодного маршрута, проходящего через указанные точки ровно по одному разу. Сложность задачи при точном решении брутфорсом составляет O(n!) . И для неё тоже придумано несколько элегантных алгоритмов. Хотя поиск самого эффективного продолжается до сих пор. В реальности уже нет коммивояжёров, путешествующих по городам, профессия ушла в прошлое. Но есть курьеры, таксисты, логисты, грузоперевозчики и просто туристы, которые хотят посетить максимальное количество достопримечательностей. То есть задача по-прежнему актуальна. Как же максимально эффективно настоящие бизнесы решают TSP в реальной жизни?

https://habr.com/ru/articles/933796/

#задача_коммивояжера #комбинаторная_оптимизация #метод_ветвей_и_границ #МВГ #TSP #муравьиный_алгоритм #ACO #генетические_алгоритмы #алгоритм_имитации_отжига #Routific