home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #16 / NN_1992_16.iso / spool / comp / ai / neuraln / 2934 < prev    next >
Encoding:
Internet Message Format  |  1992-07-25  |  2.1 KB
  1. Path: sparky!uunet!dtix!darwin.sura.net!mojo.eng.umd.edu!disney.src.umd.edu!tedwards
  2. From: tedwards@src.umd.edu (Thomas Grant Edwards)
  3. Newsgroups: comp.ai.neural-nets
  4. Subject: Re: ALN vs BP
  5. Message-ID: <1992Jul24.194122.27019@src.umd.edu>
  6. Date: 24 Jul 92 19:41:22 GMT
  7. References: <1992Jul24.053623.22636@cs.yale.edu>
  8. Sender: news@src.umd.edu (C-News)
  9. Organization: Systems Research Center, Maryversity of Uniland, College Park
  10. Lines: 31
  11.  
  12. In article <1992Jul24.053623.22636@cs.yale.edu> tsioutsias-dimitris@CS.YALE.EDU (Dimitris Tsioutsias) writes:
  13. >It seems that after the backprop fans, we have now the ALN ones. Why
  14. >each group (or any other that shows strong support) is trying to pass
  15. >its nets as the dominant ones?
  16.  
  17. Yeah, but there are alot of people who want to throw nets at real problems
  18. today, and it would be a little silly for anyone to expect gradient 
  19. descent MLP nets at any real problem and expect results.
  20.  
  21. Clearly, ALN's do the job (learning) real fast.  So do locally receptive
  22. fields (infact, if you have a good grasp on the chaotic dynamics of
  23. the problem, using self-adaptive receptive fields is a big win).
  24. Still, even a good conjugate-gradient MLP program should work OK, but I
  25. don't feel like writing one!  Cascade-Correlation is particularly neat,
  26. especially for really difficult problems.
  27.  
  28. The thing to remember is that NEURAL NETS DO NOT PERFORM MIRACLES.
  29. They will not predict the stock market well, nor will they predict daily
  30. solar flux from the sun months in advance, because there is too much
  31. missing information besides whatever input you give the net to ever solve
  32. the problem.  They are best used in situations where a person, if he/she
  33. sat down for a few weeks and worked on the problem given the input you
  34. give the net, and figure it out.  Sonar problems already solved by
  35. sonarmen, truck backing up problems already figured out by truck drivers,
  36. etc.  They are best utilized as quick-learning first-order solutions to
  37. problems.
  38.  
  39. Of course, there is plenty of machine-learning theory to be worked
  40. out from neural nets, but that is research, not application...
  41.  
  42. -Thomas Edwards
  43.