- 博客(34)
- 资源 (6)
- 收藏
- 关注
RSS订阅原创 中国IT行业的误区（一）
中国的IT行业存在着诸多的误区，有些误区导致了当前的某些问题，有些误区则是为未来挖了坑。当然了，有的误区也催生了一些行业。本文主要介绍行业内对于“算法研发工程师”岗位的理解误区，分析了岗位的内涵，对与之容易混淆的岗位进行了辨别。1. 算法研发工程师（1）误区描述“算法研发工程师”又称“算法工程师”，随便在网上一搜，就能看到成千上万的招聘信息，然而，绝大部分的招聘要求中都写着“熟练掌握Python”、“精通Linux开发”、“有手机平台APP开发经验”等等。（2）岗位分析从工作职能上来说，
2022-05-26 15:49:59
168
1
原创 机器人设计之软件设计
《机器人设计》丛书是面向未来30年各行各业的机器人而做的设计，因而其中的硬件设计会让很多人觉得不现实，软件设计会让很多企业觉得冗杂，智能设计和交互设计会让很多人觉得技术上不可行，外观设计会让企业觉得毫无意义，安全设计和伦理设计会让很多人和企业觉得太虚幻。请读者朋友们理性阅读。
2022-04-23 20:51:35
1168
原创 程序员首先要能坐得住
程序员作为理工类的岗位，对大脑的逻辑思维能力和持续工作能力等都有一定的要求，能坐得住是这些要求的表征。要想入行编程，在学习相应的专业知识之外，需要同步培养自己的行为和思维习惯，以便能适应相应的工作。对于招聘人员来说，也可以通过“神经网络连子棋”或者“五子棋等级考试版本”来评测应聘者的大脑思维深度、精神专注度等，即通过这些软件来初步筛选出能坐得住的人。
2022-04-14 11:29:20
3680
原创 模型训练时应能根据训练数据自动改变网络结构和网络层数
深度学习算法应能够根据训练数据自行组织神经网络结构，即网络模型训练时应能根据训练数据自动改变网络结构和网络层数，由此训练出的模型才是真正意义上的人工智能模型，也将会更加适应于各种各样的工作场景，更能脱离“人”而在工作过程中自动进化和完善模型。
2022-04-11 15:41:57
1840
原创 机器人是个系统工程
机器人是个系统性的工程，不仅硬件是系统性工程、软件是系统性工程，智能算法等同样是系统性的工程，研发的时候不能只考虑某一点或者某个局部。
2022-03-26 09:04:38
350
原创 深度学习模型应具有智能程度自动调整功能
深度学习技术和模型应具备自动调整智能程度的能力，以便在不同难度的场景使用不同的智能程度，来减少总的算力和时间消耗，同时节约相应的能源和时间，也能更接近人工智能的初衷，更接近人脑的思考模式。
2022-03-12 15:42:12
1447
原创 神经网络对抗可能陷入局部最优
使用神经网络对抗技术有可能会导致模型陷入局部最优。尤其是在特征空间非常大的时候，此时可能会包括若干特征区域，而神经网络对抗技术只能让模型在已包含的区域中更准确，却无法让模型包含其它暂未涵盖的区域。
2022-02-16 17:04:33
1497
原创 深度学习从连子棋开始
对于初涉深度学习的研发人员来说，从视觉、NLP、语音识别、数据挖掘等领域选择入门项目会增加入门深度学习的困难程度，更好的选择是，改用连子棋这样的项目来入门深度学习。连子棋的数据确定为黑棋、白棋和空白，不像NLP领域的语句那样本身就存在不确定的意义，也不像视觉领域的图像那样受场景影响而产生数据变化，更不像语音识别、数据挖掘等领域那样数据中混有噪声，因而连子棋数据能降低入门深度学习的难度，更适合作为入门项目。
2022-02-06 22:55:39
2098
原创 神经网络连子棋V1.2版使用说明
适用人群：寒假在家的学生、独居人群、专业技术研究人员、五子棋爱好者。适用目的：五子棋能力训练、大脑思维深度训练、记忆力提升、精神专注度提升。未来适用目的：待模型训练充分之后，还适用于评测评估，包括但不限于评测五子棋水平、大脑思维深度、记忆力水平、精神专注度等。
2022-01-20 22:17:39
3184
原创 2021年终于实现了神经网络从0到1的突破
回顾2021年，终于在神经网络（全称为人工神经网络）方面实现了从0到1的突破，可谓是十年磨一剑。从2010年接触神经网络开始，就对其很看好，可惜存在一些难题需要克服，包括硬件算力、非线性变换等，通过十年的不断学习、思考、推理论证，并从2020年开始花了两年时间只做一件事，专门推导和验证神经网络的理论，终于在2021年实现了从0到1的突破，研发完成了确定性神经网络，并借助一款应用——神经网络连子棋，在不断学习进化和验证算法模型。
2022-01-15 15:49:17
1528
原创 神经网络井字棋AI对战版的开发与测试
本文主要介绍基于“确定性神经网络”开发AI对战版井字棋（三连子）的过程，并用开发出的软件进行对战来生成对弈数据，这些数据可用于训练确定性神经网络模型。另外，通过测试发现了一些井字棋的特性和对弈数据的情形。1. AI对战版井字棋这是基于MFC对话框开发的神经网络连子棋的一个特定版本，即获胜连子数为3的版本——三连子，而且，是AI与AI对战的版本，不需要人工参与即可进行对弈。（1）创建项目运行Visual Studio 2015，选择菜单“文件-->新建-->项目”，在对话框的左侧选
2022-01-09 23:26:40
1332
原创 确定性神经网络连子棋的特性及应用
确定性神经网络连子棋可以根据其获胜连子数、模型层数、对弈速度等特性来评测一个人的短时记忆能力、大脑思维深度、精神专注度，进而判定其与指定岗位的契合度，或为被测学员辅助拟定个性化教学方案、选择学习侧重方向等。其中，连子数越多则难度越大，对于入门级群体可使用简单的三连子、四连子进行评测；网络模型的层数越大则越智能，可以根据模型的层数划分评测的水平等级；对弈速度表征专注度，可用于评估一个人的工作效率和执行力。
2022-01-03 23:47:16
671
原创 神经网络连子棋在线挑战
为促进国产AI技术的快速进步和鼓励用户参与神经网络连子棋挑战，南京固能信息科技有限公司（www.gnxxkj.com）于2022年1月1日零时起举办“每日挑战活动（2022年1月）”，欢迎大家通过公司官网所发行的电脑版客户端软件或简化版软件踊跃参加。挑战活动的初衷：通过挑战活动为国产神经网络——确定性神经网络的训练收集数据，以助力神经网络算法的优化和模型的训练，并为提供较多有效训练数据（挑战获胜的对弈棋局）的挑战者发放现金红包予以酬谢。同时，也让人工智能爱好者、行业从业人员、相关的学者和研究人员等了
2021-12-27 21:03:57
762
原创 确定性神经网络连子棋模型的训练（七）
本篇继续上篇的未完部分。前面介绍完了控制台版本和MFC对话框版本下的所有例子，几乎涵盖了训练的所有方面，本篇继续介绍训练的测试和分析，供人工智能、神经网络（包括深度学习）方面的兴趣爱好者、从业人员、科研人员参考。7. 测试与分析本文所做的测试是使用控制台版本下的反复迭代训练进行的，五连子（五子棋）使用了13487条数据，即13487局有效对弈棋局，而六连子使用了6800条数据。通过本次测试以及之前数据量较少时的不断训练，我们发现了以下的一些“确定性神经网络”的特性，其中部分已通过理论推导进行了确认。
2021-12-25 16:15:06
621
原创 确定性神经网络连子棋模型的训练（六）
本篇继续上篇的未完部分。前面介绍完了控制台版本下的所有例子，几乎可以涵盖训练的所有方面，本篇继续介绍MFC对话框版本的案例，通过文件系统遍历目录来解决数据文件名称的问题，即不再限定文件名称必须为数字。6. MFC对话框版本的批量数据训练前面描述的多个版本适用于数据来源可控的情形，然后一旦数据来源五花八门的话，再想保证目录名称和文件名称的统一、数字化，就比较困难了，因而才有了本篇内容的介绍。在通过文件系统遍历的方式下，只要数据内容没有问题即可，对目录名称和文件名称没有任何限制，可以随意命名。但是，需要
2021-12-24 18:41:15
612
原创 确定性神经网络连子棋模型的训练（五）
本篇继续上篇的未完部分。前面介绍完了多目录数据训练的例子，本篇继续介绍不同棋盘大小的数据混合训练模型的例子。5.不同棋盘大小的数据混合训练基于确定性神经网络开发的连子棋应用对于棋盘大小这样的源数据尺度因素不敏感，具有兼容性，即可以用不同尺度的数据（不同大小的棋盘上得到的数据）来训练同一个模型。但是，目前阶段，不同规则的应用不能训练在一个模型上，即五连子和六连子不能训练在一起，这点将在未来得到解决。在使用不同尺度的数据训练模型的时候，确定性神经网络支持每条数据训练的时候都带有尺度作为传入参数，也.
2021-12-24 09:58:16
269
原创 确定性神经网络连子棋模型的训练（四）
本篇继续上篇的未完部分。前面介绍完了反复迭代训练的例子，本篇继续介绍多目录数据训练模型的例子。4.多目录数据训练本例在前面的批量数据训练和反复迭代训练的基础上做修改，将数据文件存放于多个目录下，而非仅存放于一个目录下，以便于支持数据的分散式获取，例如：按日期获取，不同日期获取的数据存放于不同的目录下；或者按提供者分组，将不同人提供的数据存放于不同的目录下。注：此处存放数据的多个目录的名称同样需要使用数字编号，以便统一处理。（1）创建项目并导入SDK按照前面文章的介绍进行项目创建，并导入SD.
2021-12-24 01:16:06
286
原创 确定性神经网络连子棋模型的训练（三）
本篇继续上篇的未完部分。前面介绍完了使用批量数据训练模型的例子，本篇继续介绍反复迭代训练模型的例子。3. 反复迭代训练从前面的批量数据训练例子可以看出，每个数据只用来训练了一次，这种方式可能导致漏掉部分重要信息，因此，可以在所有数据上反复进行迭代，直到所有数据都不会对模型的增长产生影响为止，这样才能物尽其用，尽最大可能的挖掘数据的价值。（1）创建项目并导入SDK按照前面文章的介绍进行项目创建，并导入SDK，详细内容请参考前面的文章。（2）编码整体代码依旧分为四部分，即神经网络初始化、
2021-12-23 21:21:05
237
原创 确定性神经网络连子棋模型的训练（二）
本篇继续上篇的未完部分。前面介绍完了使用单个数据训练模型的例子，本篇继续介绍使用批量数据训练模型的例子。2. 批量数据的训练（1）创建项目并导入SDK按照上一篇文章的介绍进行项目创建，并导入SDK，详细内容请参考上一篇。（2）编码整体代码分为四部分，即神经网络初始化、训练数据读取、网络模型训练、模型保存，其中的数据读取和模型训练两部分放在循环之中，以便读取一批的数据进行训练。整体的代码如下所示：void main(void){ FILE* pFile = NULL; char
2021-12-23 20:03:41
363
原创 确定性神经网络连子棋模型的训练（一）
本文主要介绍训练“确定性神经网络连子棋”模型的软件的开发，以及训练的对比分析，包括最简单的控制台版本单个数据的训练、批量数据的训练、反复迭代训练、多目录数据训练、不同棋盘大小的数据混合训练，也包括MFC对话框版本的批量数据训练，每个部分单独成篇，每个部分都可以独自运行，不需要将所有内容全部读完才能进行训练。
2021-12-23 17:27:31
701
原创 五子棋等级考试软件的开发（八）
本篇继续上篇的未完部分。前面介绍完了软件的背景、设计、实现，本篇主要做一些总结。4. 测试前面已经完成了编码工作，可以运行起来进行测试：选择相应的评估等级，然后点击“开始评测”按钮：输入用户名和密码并点击“登录”按钮进行登录，用户名和密码如果没有的话，可以点击“注册”按钮先注册用户，然后再登录。登录成功后即可正式开始评测：当本局对弈结束后可点击“开始新游戏”进入下一局，若感觉本局无望获胜也可点击“开始新游戏”按钮来放弃本局并直接进入下一局。5.文中所提的SDK（及案例..
2021-12-22 18:53:13
2015
原创 五子棋等级考试软件的开发（七）
本篇继续上篇的未完部分。上篇介绍到了软件的实现，介绍完了大部分逻辑控制的实现，本篇继续介绍后续内容的编码。（9）重写光标设置函数在尚未开始评测或者评测过程中一局结束（新局尚未开始）时，鼠标是不允许点击棋盘区域的，或者说鼠标点击是没有反应的，而仅当该被测者（人）落子时才允许鼠标点击棋盘区域进行落子。为通过明显的光标提醒用户，这里重写光标设置函数，在该被测者落子时将棋盘区域内的鼠标光标设置为手状，否则设置为禁止光标。在testDlg.h文件中添加以下代码来重写光标设置函数：afx_msg BO
2021-12-22 18:33:17
2002
原创 五子棋等级考试软件的开发（六）
本篇继续上篇的未完部分。上篇介绍到了软件的实现，介绍完了“开始评测”按钮的实现，本篇继续介绍后续内容的编码。（7）实现“开始新游戏”在testDlg.h文件中添加以下代码来定义“开始新游戏”按钮的单击事件响应函数：afx_msg void OnBnClickedBtnNew();如下图所示：然后在testDlg.cpp文件中添加如下的实现代码：void CtestDlg::OnBnClickedBtnNew(){ m_nNumLeft -= m_bStarted ? ..
2021-12-22 17:09:30
2345
原创 五子棋等级考试软件的开发（五）
本篇继续上篇的未完部分。上篇介绍到了软件的实现，介绍完了界面刷新函数Show()的实现，本篇继续介绍后续内容的编码。（5）实现“开始评测”在testDlg.h文件中添加以下代码来定义“开始评测”按钮的单击事件响应函数：afx_msg void OnBnClickedBtnStart();如下图所示：然后在testDlg.cpp文件中添加如下的实现代码：void CtestDlg::OnBnClickedBtnStart(){ if (!m_bLogged) //判断..
2021-12-22 01:46:21
123
原创 五子棋等级考试软件的开发（四）
本篇继续上篇的未完部分。上篇介绍到了软件的实现，介绍完了主窗口的初始化，本篇继续介绍后续内容的编码。（4）定义界面刷新函数Show()在testDlg.h文件中添加Show()函数的定义，同时定义变量m_objBoard来绘制棋盘，如下图所示：然后在testDlg.cpp文件中添加如下的实现代码：void CtestDlg::Show(){ CRect rect; //对话框区域大小 CRect rc; //按钮区域大小 CRect rc2; //文本标签区域大小 CRec.
2021-12-21 18:26:15
209
原创 五子棋等级考试软件的开发（三）
本篇继续上篇的未完部分。上篇介绍了软件的设计，本篇主要介绍软件的实现。部分实现的方法可能有别于以前的文章，但殊途同归，多种方法均能达成目标，有疑问的可以参考以前的文章，比如说：要实现一个按钮的单击事件，以前的文章面对初学者，介绍的操作步骤是“在界面上双击该按钮来自动添加其单击事件，然后找到对应的事件响应函数来编写代码”，但本篇面向有一定基础的人员，将基于界面和逻辑解耦的思想，直接介绍为“在.h文件和.cpp文件中分别增加事件响应函数的定义和实现，然后将该函数绑定到某个按钮的某个事件上”。3. 实现（
2021-12-21 12:59:08
176
原创 五子棋等级考试软件的开发（二）
本篇继续上篇的未完部分。上篇介绍了软件的背景，本篇主要介绍软件的设计，包括设计思路、界面设计、逻辑设计等。2. 软件设计（1）设计思路本文所述软件是用于水平等级评估的，既然是评估用的，那么神经网络模型就得是标准化的，如果找不到模型的话，是不能也不允许从空模型开始创建和初始化神经网络的，而且神经网络在使用过程中不能进行自学习和进化。同时，加载不了模型的话，其它的任何操作也是不能允许的。另外，要想开始评测，先得进行用户登录，即对登录的用户进行评测。因此，登录操作将不能如前几篇文章中所示那样固定写
2021-12-20 22:59:55
501
原创 这一次，我们比国外研究者快了一步
从时间上来看，我们是11月发布的，而对方是12月发表的；从形态上来说，我们是商用产品，而对方的是研究论文，从论文到商用产品还有一段较长的路程要走；从技术原理和基础上来说，我们的“确定性神经网络”是一款全新的国产神经网络，从基础理论开始进行了全新设计推导论证的一个算法体系，而对方只是引入了KL正则化搜素，还有诸多因素需要考虑和验证。另外，我们训练用的是对弈棋局，而对方用的训练数据是人类棋谱，这也是一个差异。从以上的诸多方面来看，这一次，我们的研究比Meta AI和CMU的这个团队快了一步。
2021-12-19 09:55:19
439
原创 五子棋等级考试软件的开发（一）
本文主要介绍基于“确定性神经网络”开发的一款评估用软件——五子棋水平等级评估软件，该软件能评估一个人的五子棋水平等级，也能评估一个人的大脑思维深度、专注度等。可用于五子棋协会对五子棋兴趣人员进行水平等级考核并发放等级证书；也可用于企事业单位对职员的思维深度进行考量以便安排合适的岗位；还可用于各级各类院校对学生进行思维深度和专注度评估，以便制定个性化教学方法和学习侧重方向。
2021-12-17 19:41:02
1215
原创 十分钟开发出神经网络五子棋（三）
前面介绍了“控制台版本的神经网络五子棋”和“MFC对话框版本的神经网络五子棋”的开发过程，本文继续介绍一个可用于自主创业的实用案例——神经网络五子棋（家庭版）。因为实用需要考虑到诸多细节，所以本篇文章的篇幅较之前两篇长些。1.神经网络五子棋（家庭版）该案例虽然命名为家庭版，但不限于家庭使用，其他机构和个人亦均可使用。该版本同样是在MFC对话框上进行开发的，但是增加了人工落子（即用鼠标点击落子）部分，完成了人机对战功能。（1）创建项目运行Visual Studio 2015，选择菜单“文件--
2021-12-13 20:10:04
2219
原创 十分钟开发出神经网络五子棋（二）
前面介绍了“控制台版本的神经网络五子棋”的开发过程，本文继续介绍MFC对话框版本的例程。1.MFC对话框版本的神经网络五子棋（1）创建项目运行Visual Studio 2015，选择菜单“文件-->新建-->项目”，在对话框的左侧选择“已安装-->模板-->Visual C++-->MFC”，在右侧选择“MFC应用程序”，并选定项目保存的位置和项目名称（此处项目名为test，保存在桌面），如下图所示：点击“确定”按钮，在弹出的对话框的左侧选择“应用程序类.
2021-12-12 21:09:14
2815
原创 十分钟开发出神经网络五子棋
本文讲述了使用确定性神经网络SDK开发神经网络五子棋的过程，通过控制台项目、MFC对话框项目分别展示了详细的操作和代码，并附带了一个可用于自主创业的实用案例。另外，此处所述的五子棋可以轻易地扩展成其它的连子棋应用。1.控制台版本的神经网络五子棋（1）创建项目运行Visual Studio 2015（其它版本的VS也可以使用），选择菜单“文件-->新建-->项目”，在对话框的左侧选择“已安装-->模板-->Visual C++-->Win32”，在右侧选择“Win32
2021-12-12 17:49:42
2629
原创 神经网络训练时数据的质量远比数量重要
大批量、更全面的数据在神经网络的研发过程中能起到更好的促进作用，然而，当神经网络算法研发完成之后，高质量的数据对网络模型的训练将产生更高的价值，这种质量带来的价值远非数量所能弥补的。即，神经网络算法研发时使用大量、全面的数据，数据质量无所谓；算法完成后的模型训练过程中，使用极少量的高质量数据，既能减少训练用的时间和硬件资源需求，又不会降低模型质量。
2021-12-09 18:22:53
1227
原创 基于确定性神经网络的连子棋
确定性神经网络是中国自主研发的一款神经网络，全称为“数据确定性神经网络”，是目前为止为数不多的国产神经网络，也是在芯片、操作系统技术之外中国急需自主研发的核心技术之一。而神经网络连子棋则是基于“确定性神经网络”开发的一款益智类游戏。
2021-12-08 16:13:51
332
1
确定性神经网络连子棋模型
2022-02-08
神经网络训练数据_六连子棋局数据
2022-02-08
神经网络训练数据_五连子（五子棋）棋局数据
2022-02-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人