From febc599ff24b2cc749f68b60220e1f9fd7269533 Mon Sep 17 00:00:00 2001 From: int Date: Thu, 15 Oct 2026 02:09:00 +0300 Subject: [PATCH] End-to-end neural-rule pipeline result; seed-variation script Co-Authored-By: Claude Opus 5.5 --- changes-2026-10-14.md | 1 + objects/seeds_DE.sh | 8 ++++++++ 2 files changed, 9 insertions(+) create mode 100644 objects/seeds_DE.sh diff --git a/changes-2026-10-14.md b/changes-2026-10-14.md index c2146f3..137dd0b 100644 --- a/changes-2026-10-14.md +++ b/changes-2026-10-14.md @@ -334,3 +334,4 @@ KNP, validation: `fc_v_plain` 81,0%, `fc_v_augB` 79,5%. Симулятор (2000 - Тест MNIST (10 000, симулятор): колонки 92,2%, аугментация B 89,3%, **сеть штрихов 94,7%**. - Проверка JS против Python (QuickJS, установлен в `~/anvenv` через pip): 105/105 одинаковых ответов на картинках галереи, признаки расходятся максимум на 1 из 255 (округление); весь скрипт страницы разбирается без ошибок. - Опубликовано на тот же адрес: https://claude.ai/artifact/Vc1q1WCZuPY2QAHBSGtrKF (версия 2). +- Всё обучение нейронными правилами (validation): признаки онлайн WTA K=800 (400 000 кусочков, то же выбеливание, `v3_k800_online.npz`) → точная симуляция (10 шагов, порог 108,08; 676 тыс. спайков/картинку) → выход: ridge + калиброванный нейрон 72,9–73,1%; **дофаминовое правило + калиброванный нейрон 69,4–69,8%**. Онлайн-WTA не хуже пакетных k-средних (там 71,8% / 69,3%). diff --git a/objects/seeds_DE.sh b/objects/seeds_DE.sh new file mode 100644 index 0000000..36d99cc --- /dev/null +++ b/objects/seeds_DE.sh @@ -0,0 +1,8 @@ +#!/bin/bash +# Seed variation on validation: D (learned top-256 + columns, punish 0.012, t1600) vs E (v2 sparse HOG, t4000). +cd /home/int/run/cats-dogs +for s in 1 2 3; do + [ -f seed_D_s$s/metrics.json ] || KNP_COL_PUNISH=0.012 python3 /mnt/c/knp/cats-dogs/run.py seed_D_s$s --data-dir features-v3 --dataset kmeans_top256_validation --train 18000 --count 1000 --threshold 1600 --columns 20 --seed $s --jitter 20 --quant weights > seed_D_s$s.log 2>&1 & + [ -f seed_E_s$s/metrics.json ] || env -u KNP_COL_PUNISH python3 /mnt/c/knp/cats-dogs/run.py seed_E_s$s --data-dir features-v2 --dataset sparse_hog_validation --train 4000 --count 1000 --threshold 4000 --columns 20 --seed $s --jitter 20 --quant weights > seed_E_s$s.log 2>&1 & +done +wait