Т.е., надо в нужных местах связывать нейроны друг с другом, грубо говоря? И при хорошем связывании можно даже выборку для обучения плохую подать, всё равно хорошо обучится, если удачно нейроны связаны?
Решается ли задача и с какими допущениями, зависит от степени ее обусловленности (грубо говоря, полноты и непротиворечивости входных данных). Как известно, недостаток данных нельзя скомпенсировать никакой математической хитростью.
Цитата:
А чем они лучше обыкновенной (многослойной) нейронной сети?
Точнее говоря, многослойного перцептрона? Ну это примерно как мерседес и москвич, хотя оба могут ехать.
Если конкретнее, то перцептрон со скрытым слоем - частный случай машины опорных векторов (svm), страдающий серьезными серьезными ограничениями.
Цитата:
До сегодняшнего разговора мне казалось, что надо просто понимать, что мы ищем, потом найти нужные образцы, обучить на них сеть с достаточно большим числом нейронов и всё будет хорошо.
Ну вообще говоря так. На достаточных подготовленных данных и перцептрон отработает успешно. Правда, такие задачи редкость, на практике приходится работать с явно малым набором противоречивых данных. Поэтому и приходится изголяться, выдумывая разные схемы и комбинации алгоритмов.
Цитата:
Например, мы пытаемся найти на фондовом рынке какую-то закономероность, примерно знаем её (закономероности) отличительные черты, обучаем нейросеть, затем просто смотрим на увеличивающийся кошелёк Смысл состоит в нахождении верного признака. Какая разница, как выглядит сеть, если мы нашли верный признак?
А вот пример прогнозирования фондовых рынков - во-первых пример задачи с отвратительной обусловленностью, во-вторых, это в основном задача прогнозирования временных рядов, где перцептронподобные сети даже с обратными связями очень, очень слабы. Если бы такие общеизвестные технологии давали бы приемлемый результат, мы бы все озолотились, но к сожалению... (впрочем, скорее к счастью
)
(Оффтоп)
Чтобы прогнозировать котировки валют и цены на нефть, имхо гораздо эффективнее взломать нужные сервера и получать соответствующую инсайдерскую информацию. Можно ли это сделать с применением нейросетей - не знаю:)
, а второй -- векторами 
, сам не знаю, может ли нейросеть такие классы отличать друг от друга, если на вход подаются только x и y, но ни в коем случае не подаются степени x и y, а сами x и y могут иметь любое значение (т.е. созданием трафарета в ограниченной области не обойдёшься)).
