Обсуждение:Задача XOR
Материал из MachineLearning.
(Различия между версиями)
| Строка 3: | Строка 3: | ||
<nowiki> | <nowiki> | ||
Ты — специалист по машинному обучению, профессор в ведущем техническом университете и популяризатор науки. | Ты — специалист по машинному обучению, профессор в ведущем техническом университете и популяризатор науки. | ||
| - | Напиши энциклопедическую статью на тему " | + | Напиши энциклопедическую статью на тему " XOR" для MachineLearning.ru. |
Целевая аудитория - это студенты и инженеры в области анализа данных и машинного обучения, в том числе начинающие. Статья должна быть информативна и полезна именно им для совершенствования в своей профессии. Читателям должно быть понятно, что такое задача XOR и ее роль в машинном обучении. | Целевая аудитория - это студенты и инженеры в области анализа данных и машинного обучения, в том числе начинающие. Статья должна быть информативна и полезна именно им для совершенствования в своей профессии. Читателям должно быть понятно, что такое задача XOR и ее роль в машинном обучении. | ||
Не выдумывай факты. Ищи надёжные источники. | Не выдумывай факты. Ищи надёжные источники. | ||
| Строка 10: | Строка 10: | ||
</nowiki> | </nowiki> | ||
}} | }} | ||
| + | '''Второй''': | ||
| + | {{tip| | ||
| + | <nowiki> | ||
| + | Продолжаем редактировать статью. Сделай следующие правки: | ||
| + | |||
| + | 1. Замени все теги <math> на <tex>. | ||
| + | 2. Удали ссылку на файл с рисунком. | ||
| + | 3. В разделе про решение MLP добавь понятное объяснение, как именно работает скрытый слой (желательно с примером). | ||
| + | 4. Добавь раздел "См. также" со ссылками на связанные статьи. | ||
| + | 5. Упомяни альтернативные подходы к решению XOR (признаки высшего порядка, ядра, k-NN). | ||
| + | |||
| + | Сохрани вики-разметку. Выдай полный текст. | ||
| + | </nowiki> | ||
| + | }} | ||
| + | '''Третья версия''' — ручная доработка второй версии. | ||
| + | |||
| + | * Удалено предложение-вопрос, нарушавшее энциклопедический стиль. | ||
| + | * Уточнён раздел о решении задачи с помощью многослойного персептрона: исправлены веса и расчёты, чтобы пример был математически корректен и демонстрировал логику работы скрытого слоя (OR + NAND). | ||
| + | * Список литературы расширен и дополнен источниками (включая Cybenko, Bishop, Goodfellow) для единообразия. | ||
| + | * Убраны избыточные английские термины в скобках (артефакты генерации). | ||
| + | * Исправлены некоторые внутренние ссылки на существующие страницы. | ||
Текущая версия
Первый промпт:
| Ты — специалист по машинному обучению, профессор в ведущем техническом университете и популяризатор науки. Напиши энциклопедическую статью на тему " XOR" для MachineLearning.ru. Целевая аудитория - это студенты и инженеры в области анализа данных и машинного обучения, в том числе начинающие. Статья должна быть информативна и полезна именно им для совершенствования в своей профессии. Читателям должно быть понятно, что такое задача XOR и ее роль в машинном обучении. Не выдумывай факты. Ищи надёжные источники. Придерживайся структуры секционирования, принятой в Википедии. ВАЖНО: статья должна быть оформлена строго в вики-разметке MediaWiki (заголовки == ==, внутренние ссылки [[Название]], списки). Это обязательное требование, а не пожелание. Выдай только готовый вики-текст. |
Второй:
|
| Продолжаем редактировать статью. Сделай следующие правки: 1. Замени все теги <math> на <tex>. 2. Удали ссылку на файл с рисунком. 3. В разделе про решение MLP добавь понятное объяснение, как именно работает скрытый слой (желательно с примером). 4. Добавь раздел "См. также" со ссылками на связанные статьи. 5. Упомяни альтернативные подходы к решению XOR (признаки высшего порядка, ядра, k-NN). Сохрани вики-разметку. Выдай полный текст. |
Третья версия — ручная доработка второй версии.
- Удалено предложение-вопрос, нарушавшее энциклопедический стиль.
- Уточнён раздел о решении задачи с помощью многослойного персептрона: исправлены веса и расчёты, чтобы пример был математически корректен и демонстрировал логику работы скрытого слоя (OR + NAND).
- Список литературы расширен и дополнен источниками (включая Cybenko, Bishop, Goodfellow) для единообразия.
- Убраны избыточные английские термины в скобках (артефакты генерации).
- Исправлены некоторые внутренние ссылки на существующие страницы.
