Новый нейротопик

пирамида нейрологических уровней Дилтса, вот ее нужно запрограммировать тогда нормальный текст получишь.

Сразу оговорюсь, заниматься ответным троллингом и доказывать что не не профан не собираюсь, занят разработокой.

_Snake_, вроде нет. Был бы признателен, если бы кто направил первые шаги - применить такой-то типа нейронки, почитать тут, либу взять эту. Не сталкивался никогда, поэтому и интересуюсь. У меня-то решение есть обычными математическими методами, было бы интересно сравнить результат с нейронной сетью.

почитай эту тему и предыдущую, там отвечал на все приведенные вопросы и давал конкретные либы, структуры, где брать примеры, на какие аналогии ориентироваться при проектировании. нейронку можно упрощать, то есть это не значит что финал будет без жесткой логики.

AESCBC192, вот напомнило

Как знаток нейросетей, на глаз, что бы применил ты к это задаче. На входе - 4 параметра. На выходе - процент говнистости. Обучение - список хороших доменов с этими 4 параметрами.

Хотелось бы такого ответа в таком ключе - применил бы многослойный перцептрон Руммельхарта, использовал бы библиотеку FANN.

pcmobi, ты небось, когда у тебя спрашивают время, с ноги в прыжке по еб..лу ху..чишь с криком "Как же зае..али эти халявщики!! Купи часы себе ху..ло!!"

наверное примерно так, но у меня не спрашивают время давно.

---------- Добавлено 03.02.2017 в 23:09 ----------

А вообще за вопрос о времени зачем обижать, могу набить если спросят - скажите а что надо написать чтобы на такой машине ездить.

Схема для твоей сети нужна такая

Input Layer - это твои 5 параметров, передаются всё время в одном порядке.

Middle Layer - промежуточный слой, кол-во нейронов подбираешь экспериментальным путём

Output Layer - это выходной слой с 2мя нейронами (допустим первый это - ДА, второй - Нет)

Дальше читаешь тут https://habrahabr.ru/post/158729/

1. Этап обучения(листинг train.php)

Этап обучения происходит на заведомо известных данных, где ты знаешь какой домен подходит какой нет.

Функция generate_frequencies тебе не нужна

Вместо:

$ann = fann_create(array(256, 128, 3), 1.0, 0.7);

писать примерно так

/**
* Значения в масиве array(5, 4, 2):

* Input Layer - 5 
* Middle Layer - 4 (это значение можно менять увеличивая или уменьшая промежуточный слой)
* Output Layer - 2
*/
$ann = fann_create(array(5, 4, 2), 1.0, 0.7);

Вместо:

fann_train($ann,
    array(
        array(
            generate_frequencies(file_get_contents("en.txt")), // Inputs
            array(1, 0, 0) // Outputs
        ),
        array(
            generate_frequencies(file_get_contents("fr.txt")), // Inputs
            array(0, 1, 0) // Outputs
        ),
        array(
            generate_frequencies(file_get_contents("pl.txt")), // Inputs
            array(0, 0, 1) // Outputs
        ),
    ),
    100000,
    0.00001,
    1000
);

fann_train($ann,
    array(
        // Первый домен
        array(
            array(парам1, парам2, парам3, парам4, парам5), // Это входной слой Input Layer
            array(1, 0) // Это выходной слой Output Layer  - да, домен подходит
        ),
        // Второй домен
        array(
            array(парам1, парам2, парам3, парам4, парам5), // Это входной слой Input Layer
            array(0, 1) // Это выходной слой Output Layer  - нет, домен не подходит
        ),
        // Третий домен
        array(
            array(парам1, парам2, парам3, парам4, парам5), // Это входной слой Input Layer
            array(1, 0) // Это выходной слой Output Layer  - да, домен подходит
        ),
    ),
    100000,
    0.00001,
    1000
);

2. Использование(листинг run.php)

Вместо:

$output = fann_run($ann, generate_frequencies("ANN are slowly adjusted so as to produce the same output as in
            the examples. The hope is that when the ANN is shown a new
            X-ray images containing healthy tissues"));

Делаешь так:

$output = fann_run($ann, array(парам1, парам2, парам3, парам4, парам5));

В $output будет передан массив типо такого:

array(2) {
  |0|=>
  float(0) - это твой первый нейрон - то есть "да"
  |1|=>
  float(0.99334162473679) - это твой второй нейрон - то есть "нет"
}

В общем смотришь какой нейрон больше вес отдаёт, такой твой и ответ.

Я не против новых разработок, но применить нейронку в дорвейном деле довольно

проблематично. Это на каждый сайт (сервер) ставить неибические скрипты и

библиотеки, заниматься их настройкой и обучением, собрать базу текстов в 7 Тб,

чтобы получить выхлоп с этого дора в один бакс в сутки? Или сколько там дает

выхлопа средний дорвей? И как масштабировать такую схему? Хороший дор может

дать и килобакс в сутки, если он стоит в топе Гугла того-же по норм.

коммерческому запросу. Там другие принципы рулят - траст домена, ссылочное,

поведенческий фактор. Текст тоже имеет значение, но это проще все делается.

Какие нах базы в терабайты и вся эта хрень с настройкой и обучением сети, когда

дор будет забанен или выкинут из топа за неделю? Да и как он туда попадет без

прочих других факторов? А текст для дора и копирайтер напишет, за 1000 знаков

там не дорого, если нет своего генератора текстовки у дорвейщега.

не тот ли это sealo, который породил эпический трэд про дорген, который вроде как никто и не купил из-за его унылого качества?

Не тот ли это sealo, который кидает адвертов?

Красавец, что тут сказать)

---------- Добавлено 04.02.2017 в 00:03 ----------

из-за ТСа и я этой нейронной по**бенью заинтересовался)

Тс породил тренд, такскзать.

А что, доргены бывают только серверными? 🍿

---------- Добавлено 04.02.2017 в 00:13 ----------

3000 * 80 = 240000 Совсем не дорого :2cents: