dmshar

Я уже как-то раз вам советовал. Повторю. Все-таки попытайтесь ИЗУЧАТЬ предмет своего интереса на регулярной основе, и не по статейкам в веб, даже на Хабре, а не выхватывать отдельные факты. А вы продолжаете выхватывать. Кстати, пример с логическими операциями для обучения нейросетям где-то кем-то запущенный и теперь гуляющий по веб с моей точки зрения ничего кроме вреда и запутывания обучающегося не дает. А с практической точки зрения так и вовсе бессмысленен.
Сейчас есть куча неплохих книг. В том числе и для начинающих. Например

Эндрю Траск, Грокаем глубокое обучение. ,
Тарик Рашид.Создаем нейронную сеть
Франсуа Шолле Глубокое обучение на Python

Вот с таких книг и начните.
Тогда не придется за каждым чихом бежать на форум.

Обученная нейронка - на стороне сервера.
В браузере пользователь обычным образом вводит данные. Они обычным образом отправляются на сервер. На сервере нейронка отрабатывает запрос и выдает результат. Результат обычным образом возвращается клиенту.
В чем вопрос-то? Чем это отличается от запроса, например, к БД? Или к сервису прогноза погоды?
Причем к нейронком визуализация графиков - это остается загадкой.
А копать и искать надо, наверно, в изучение методов создания web-приложений. Причем - очень желательно - с самых азов.

Читал-читал, но так до конца и не понял, что-же вам надо. Вот такие двумерные графики, где цвет или третья координата зависят от значения параметра? Или что-то другое? И да, все эти графики строятся именно по заданным значениям в точках, разумеется.

Ну как можно проучиться сколько-то там лет в универе, дожить до диплома и не уметь себе найти интересную задачу для диплома? При это - обращаться за подсказками к людям, которые понятия не имеют, ни по какой специальности вы обучаетесь, ни про уровень вашей подготовки, ни направления ваших интересов.
Ну вот задача самая интересная, актуальная, c кучей доступных данных, с десятками примеров в сети, вполне решаемая с помощью нейросети и - на мой взгляд - адекватно (для диплома) не сложная:
Предсказание развития пандемии COVID-19 в вашей стране.
Подойдет?

Между синтаксисом (кстати - синтаксисом чего?) и библиотеками - пропасть, для преодоления которой необходимо огромное количество разнообразных знаний. А "библиотеки" - это далеко еще не " программа которая будет реагировать на мое лицо, и здороваться" и между ними еще одна пропасть.
Даже в режиссуре дилетант без образования и подготовки ничего кроме откровенного шлака не создаст. А в математических и технических науках - не создаст просто ничего от слова совсем.
Не уподобляйтесь герою известной картинки.

Да уж, изучать ML по "статейкам" это жесть.

"если дать классификатору какую нибудь картинку, типо человек/ дерево/ мебель" - не дать, а сначала обучить на этих картинках, то потом он и будет классифицировать ее на "типо человек/ дерево/ мебель". А если дать эту картинку классификатору, обученному на "котиках-собачках", тогда не удивляйтесь, если он ваш табурет примет за собаку, а дерево за кота. Или наоборот.

как тогда обучать классификатор, где по сути должно быть два класса: суецид и все остальное - абсолютно так-же, как и котиков-собачек где их тоже два класса, про которые пишут ваши "статейки". Дать обучиться на пару десятках тысяч размеченных картинках, на которых эти ваши "вены, виселицы, синии киты" и столько-же картинок где их нет. Вот и будет потом ваш обученных классификатор делить картинки на "суецид и все остальное".

Что-то вы сбились с пути. Начали правильно, потом вас занесло.
На этапе обучения нейросети мы действительно минимизируем некоторую функцию F(x). Эта минимизация заключается в подборе параметров этой функции - w.

Для того, что-бы подобрать эти параметры можно пойти разными путями: от простого "лобового" перебора всех возможных их значений (естественно - абсолютно неэффективный путь) до методов основанных на идеи градиентного спуска. Этот класс методов - очень грубо - заключается в следующем. Находясь в некоторой точке пытается путем просчета значений функции при маленьких изменениях указанного параметра понять, в каком направлении надо действительно изменить параметры, что бы продвинуться к точке оптимума. Обратите внимание, в данном - минимизируем по w, а не по х. И ни о каком "сеть учит сеть речи не идет".

Если этот поиск (градиентный спуск) делать в точности так, как я описал, решение может искаться долго, может случатся "перескок" через точку оптимума и другие ситуации, которые как минимум ухудшают время поиска оптимума, а иногда и вовсе делают его невозможный. Разные более продвинутые методы пытаются обойти эти ситуации.
backpropagation же это просто способ "обратного переноса" ошибки - от ошибки, зафиксированной на выходе обучаемой нейросети к подбираемым значениям w.
Опять таки, о " оптимизации метода оптимизации сети" речи не идет.

То что вы задали такой вопрос - это очень хорошо. Плохо то, что такое искаженное представление возникает доcтаточно часто. Как правило - у тех, кто пытается сразу "надкусить" нейронную сеть, вместо того, что-бы пойти нормальным путем - разобраться с тем что такое оптимизация, как она реализуется численно, как применяется и наконец, после всего этого - как используется именно в нейронных сетях. Увы, издержки попыток обмануть нормальный путь (само)образования в области Machine Learning.

Начинать самообучение по Data Science (как впрочем и по любой другой серьезной теме) необходимо с того, что-бы научиться САМОСТОЯТЕЛЬНО(!!!!!) искать нужную информацию в интернет.
Не пойму, неужели проще создавать новую тему, писать вопрос, ждать ответа, потом отбирать из них стоящие и отсеивать шлак, чем просто взять и просмотреть этот же форум хотя-бы за последний месяц и найти десяток готовых ответов.

Ну как где? Вестимо в коде программы, которую мы не видим.
P.S. Только пожалуйста, не надо сюда вываливать ваш код. А тем более - контрольные данные.

Что вы не можете понять - как из списка в девять элементов сделать два списка по шесть и три?
X_input = X[0:6]
X_output = X[6:]

Да ну! Работаешь на Python и не можешь файл загрузить????
Бросай ты это дело: рукописные буквы, нейросеть, tensorflow всякие.
Нельзя учить атомную физику не выучив таблицу умножения. Или спорить будешь? Так почему ты решил, что сможешь работать с нейросетями не научившись элементарно программировать? А то боюсь, следующим вопросом будет "как цикл написать".
Да, и по ходу подтяни свои навыки поиска в Гуугл. Очень пригодится.

Вообще говоря - есть такой тест. Если человек задает вопрос, типа "что прочитать по искусственному интеллекту, программированию, математике (выбрать по вкусу)......." и не способен сам осуществить такой элементарнейший поиск не то что в Гуугл, а даже на этом самом форуме, где таких вопросов по три на неделю, то заниматься ИИ, нейросетями, машинным обучением и пр. ему явно рано. Ибо ничего, кроме феерической лени и инфантильной беспомощности в активе у него нет.

Странные вопросы.
"для торговли на бирже крипты" на вход нейронки надо подавать данные, получаемые от биржи крипты (например, через API) . Какие тут могут быть вопросы?
в каком виде - Вид подаваемых данных определяется форматом, требуемым неросетью, которая используется. Какие еще можно даже теоретически предполагать ответы на данный вопрос?
"Что вы подаете" - думаю, что большинство вменяемых людей в эти игры не играют. Тем более те, кто понимает хоть что-то в нейронных сетях.

Вообще-то, согласно Википедии
Нейронная сеть Хэмминга — вид нейронной сети, использующийся для классификации бинарных векторов, основным критерием в которой является расстояние Хэмминга.
Так что, что с чем вы противопоставляете - не совсем понятно.
Но вот волнует другое. Как мне кажется, понятие "наиболее похожее изображение" - весьма расплывчатое. Ну, например, предполагает-ли они похожесть картинок, изображение на которых разномасштабно? Или использует разные гаммы цветов? Или содержит графические искажения изображения? Или просто - пожожие это те изображения, на которых изображены (не важно как) предметы одного класса? И.т.д.
И сдается мне, что Нейронная сеть Хэмминга с большинством из этих задач не справиться по определению.

Есть ли что-то такое?

Есть

В нейросетях не разбираюсь, на фриланс денег нет.

А в чем разбираетесь?
Изучением

прогнозирования следующего числа/диапазона чисел

занимается раздел науки, который называется "анализ временнЫх рядов". Что-бы его изучить, не надо знать нейросети и не надо иметь деньги (хотя они, конечно, никогда не бывают лишними) . Иметь надо одно - мозги. Ну и скилзы по математике не помешают, конечно.

Если и вправду "В этом я полный ноль," - то путь у вас один единственный. Нанять специалиста (специалистов!!!) заплатить денег и поручить им решить вашу задачу.
Потому что путь "Хочу всё свободное время потратить на изучение данной предметной области" - он похвальный. Но тупиковый. Через примерно 500 часов изучения (в реалии, думаю, что в несколько раз больше, т.к. судя по стилю вопросу, вы не только в ML полный ноль, но и в разработке ПО, анализе систем и еще в паре-тройке направлений, который придется задействовать - не даром я написал "специалистов" во множественном числе) - так вот, после того, как вы найдете это количество "свободного времени" и полностью потратите его на получение соответствующих знаний, думаю, и ваша задача потеряет актуальность и вы потеряете к ней интерес.

И да, ваша задача к ML имеет очень касательное отношение, реально потребуются во многом другие знания и подходы.

P.S. Ну почему все вдруг решили, что изучение ML самостоятельно, в свободное время и на дому это проще, чем такое-же изучение, например, геофизики или хирургии???

"Это" работает по-другому.
После того, как вы обучили сеть, никаких пересчетов весов не проводиться.
Вы подаете на вход "новое" изображение (новое - означает такое, "правильную метку" которого вы не знаете!!!), на вход получаете метку, присвоенную ему сетью. Все. Задача решена.
А с чем вы собираетесь ее сравнивать полученную метку - из вашего текста вообще не ясно.