Когда ученик сидит на уроке, он учится как минимум нескольким вещам - правилам предмета и контролю над собственными реакциями. И когда каналы обучения забиваются потоковыми данными он реагирует простым уходом в себя - отвлечением, отворачиванием в окно или, например, парным взаимодействием с другими обучающимися системами.
ЗЫ Это просто картинка, не про эмоции, а про конкуренцию обучений. Эмоции возникают как спонтанная реакция на обучающегося состояния ожидания устройств, которые не задействованы в обучении. Я просто спросил, планируете ли вы инструментировать аппарат работы с внутрисистемными конфликтами?
Тогда чем модель обучения Deep1 и Deep2 отличается от модели простого многослойного перцептрона? Тем, что система отделяет медленные процессы от быстрых выбором наборов несущих сигналы частот с той же последующие коцепцией отбраковки неэкономичных весов и статистической оценки выборок приемлемых в качестве основы распределений ресурсов?
ЗЫ Задав аксиоматику Архимеда и скорости вычислений (например ограничением на число значимых нулей в регистре вычислений) можно получить систему знающую и вычисляющую с наперед заданной точностью простые числа, но обучить эту систему до того, чтобы от работы с действительными числами она перешла к работе с комплексными - для этого надо что-то большее, чем обучение на примерах из комбинаторного мышления.
Извините за оффтоп, если можно, посоветуйте, пожалуйста, учебные материалы (теория + задачник) по
а) теории вероятности
б) статистике
в) байесовским подходам?
Возможно, знаете места, где могут дать совет на сей счёт