Bureaucratic Cohort Swarms

(The Meta-Task Experience) # Deadline: 28.02.22

Experimente

Fixpoint Tests:

• Dropout Test

  • (Macht das Partikel beim Goal mit oder ist es nur SRN)
  • Zero_ident diff = -00.04999637603759766 %

• gnf(1) -> Aprox. Weight

  • Übersetung in ein Gewichtsskalar
    • Einbettung in ein Reguläres Netz

• Übersetung in ein Explainable AI Framework

  • Rückschlüsse auf Mikro Netze

• Visualiserung

  • Der Zugehörigkeit
  • Der Vernetzung

• PCA()

  • Dataframe Epoch, Weight, dim_1, ..., dim_n
  • Visualisierung als Trajectory Cube

• Recherche zu Makro Mikro Netze Strukturen

  • gits das schon?
  • Hypernetwork?
  • arxiv: 1905.02898

---

Tasks für Steffen:

• Training mit kleineren GNs
  • Accuracy leidet enorm (0.56)
  • Es entstehen mehr SRNN
  • Der Dropout Effekt wird stärker (diff_ohne_SRNN = 0.0)
• Weiter Trainieren -> 500 Epochs?
• Loss Gewichtung anpassen
• Training ohne Residual Skip Connection | - Running
• Test mit Baseline Dense Network
  • mit vergleichbaren Neuron Count
  • mit gesamt Weight Count
• Task/Goal statt SRNN-Task

---

Für Menschen mit zu viel Zeit:

• Sparse Network Training der Self Replication
  • Just for the lulz and speeeeeeed)
  • (Spaß bei Seite, wäre wichtig für schnellere Forschung) https://pytorch.org/docs/stable/sparse.html

---