Цитата Сообщение от Mikhael Посмотреть сообщение
Источник - доклад одного товарища, занимающегося данным алгоритмом в ИТПМ СО РАН (к сожалению, не помню его фамилии), на Чаплыгинских чтениях в г. Новосибирске.

Смысл алгоритма именно в том, что обучившись по набору прямых задач он позволяет получать решение обратных задач. В противном случае, тов. Vintik, он просто смысла не имеет - прямые задачи по профилям давно решаются.
Вы либо чего-то не поняли, либо одно из двух. Нейронные сети при обучении с учителем так не умеют - чтобы в них вводилась прямая задача, а решали они обратную. Вообще говоря, что делает нейронная сеть при таком виде обучения - так это решает задачу нелинейной регрессии. Пусть вас не смущает, что в сети есть нейроны и связи - если присмотреться, это как раз ни что иное, как задача регрессии. Это все, конечно, не означает, что с помощью сетей нельзя решать обратные задачи. Можно. Но для этого ее надо обучать на наборе _обратных_ задач. То есть, если посмотреть на ваш пример, в сеть, скорее всего вводились пары "поляра-профиль", а вовсе не наоборот.

Поэтому, тов. KUZNETS, это единственный, известный мне, алгоритм, способный реагировать как раз на неизвестные заранее входные данные.
Из того что он единственный, вам известный, никак не следует, что он единственный в природе.

И вообще, не стоит делать из нейронных сетей панацею. Это не так. И я лично сильно сомневаюсь, что простым масштабированием можно получить какое-либо сложное поведение от сети. Кстати, даже наоборот, слишком большая сеть имеет тенденцию к переобучению. В общем, по-моему, нейронные сети - это такой способ решать определенные математические задачи. Ничего более. Не "мозг в компьютере".

Но, думаю, если вложить в решение проблемы некое количество килобагсов - решение рано или поздно найдётся. И, чуствую, килобагсы будем вкладывать не мы...
Это да. При должном уровне усилий можно решить любую задачу. Иначе не интересно.