Sztuczna inteligencja deep-learning

3

Czy ktoś pomyślał o tym, aby sieć neuronowa zadawała pytania zamiast tylko na nie odpowiadać?

Większość ludzi próbuje odpowiedzieć na pytanie za pomocą sieci neuronowej. Jednak czy ktoś wpadł na jakieś przemyślenia, jak zadawać pytania w sieci neuronowej zamiast odpowiadać na pytania? Na przykład, jeśli CNN może zdecydować, do której kategorii należy obiekt, to czy może zadać jakieś pytanie, aby pomóc w klasyfikacji?

14 neural-networks deep-learning

3

Jaka jest koncepcja wąskich gardeł Tensorflow?

Jaka jest koncepcja i jak obliczać wartości wąskiego gardła? W jaki sposób te wartości pomagają w klasyfikacji obrazów? Proszę wyjaśnić prostymi słowami.

14 deep-learning tensorflow terminology

2

Kodowanie wejścia / wyjścia dla sieci neuronowej do nauki gry opartej na siatce

Piszę prostą grę z zabawkami z zamiarem trenowania głębokiej sieci neuronowej. Zasady gry są z grubsza następujące: Gra ma planszę złożoną z sześciokątnych komórek. Obaj gracze mają tę samą kolekcję elementów, którą mogą dowolnie umieszczać na planszy. Umieszczanie różnych rodzajów elementów nagradza (lub zmniejsza punkty przeciwnika) w zależności od ich …

13 neural-networks deep-learning game-ai

3

Jak wdrożyć ograniczoną przestrzeń działania w uczeniu się przez wzmacnianie?

Koduję model uczenia się zbrojenia z agentem PPO dzięki bardzo dobrej bibliotece Tensorforce , zbudowanej na bazie Tensorflow. Pierwsza wersja była bardzo prosta i teraz nurkuję w bardziej złożonym środowisku, w którym wszystkie działania nie są dostępne na każdym kroku. Powiedzmy, że jest 5 akcji, a ich dostępność zależy od …

13 deep-learning reinforcement-learning

2

Jak działają generatywne sieci przeciwne?

Czytam o generatywnych sieciach przeciwnych (GAN) i mam co do tego pewne wątpliwości. Jak dotąd rozumiem, że w GAN istnieją dwa różne typy sieci neuronowych: jedna jest generatywna ( GGG ), a druga dyskryminacyjna ( DDD ). Generacyjna sieć neuronowa generuje pewne dane, które dyskryminacyjna sieć neuronowa ocenia pod kątem …

12 neural-networks machine-learning deep-learning generative-adversarial-networks

1

Jak wyglądałaby nowa „zróżnicowalny komputer neuronowy” Deepminda?

Deepmind właśnie opublikował artykuł o „różniczkowalnym komputerze neuronowym” , który zasadniczo łączy sieć neuronową z pamięcią . Chodzi o to, aby nauczyć sieć neuronową tworzenia i przywoływania użytecznych, wyraźnych wspomnień dla określonego zadania. Uzupełnia to możliwości sieci neuronowej, ponieważ sieci NN przechowują wiedzę niejawnie tylko w wagach, a informacje używane …

12 deep-learning ai-design

2

Czy istnieje jakikolwiek argument naukowy / matematyczny, który uniemożliwia głębokiemu uczeniu się tworzenie silnej sztucznej inteligencji?

Przeczytałem „ Księgę powodu” Judei Pearl , w której wspomina, że głębokie uczenie się to tylko chwalebna technologia dopasowania krzywej i nie będzie ona w stanie wytworzyć inteligencji podobnej do człowieka. W jego książce znajduje się diagram ilustrujący trzy poziomy zdolności poznawczych: Chodzi o to, że „inteligencja” wytwarzana przez obecną …

12 deep-learning strong-ai math theory superintelligence

7

Czy sztuczną inteligencję można wytrenować, aby generowała zarys historii?

Wiem, że jednym z ostatnich trendów jest trenowanie sieci neuronowej w celu generowania scenariuszy i nowych odcinków, np. Przyjaciół lub Simpsonów, i to dobrze: jest interesujące i może być niezbędnym pierwszym krokiem w kierunku tworzenia programów, które mogą generować sensowne / zrozumiałe historie. W tym kontekście, czy sieci neuronowe mogą …

12 neural-networks deep-learning applications

2

Czy głębokie sieci rezydualne należy postrzegać jako zbiór sieci?

Pytanie dotyczy architektury Deep Residual Networks ( ResNets ). Model, który zdobył pierwsze miejsce na „Large Scale Visual Recognition Challenge 2015” (ILSVRC2015) we wszystkich pięciu głównych torach: Klasyfikacja ImageNet: „Ultra-deep” (cytat Yann) 152-warstwowe sieci Wykrywanie ImageNet: 16% lepsze niż drugie Lokalizacja ImageNet: 27% lepsza niż druga Wykrywanie COCO: 11% lepsze …

12 neural-networks machine-learning deep-network deep-learning pattern-recognition

1

Do czego służą różne rodzaje sieci neuronowych?

Znalazłem następujący arkusz ściągający sieci neuronowej ( Ściągawki dla AI, Sieci neuronowe, Uczenie maszynowe, Głębokie uczenie się i Big Data ). Do czego służą te różne rodzaje sieci neuronowych? Na przykład, które sieci neuronowe można wykorzystać do regresji lub klasyfikacji, które można wykorzystać do generowania sekwencji itp.? Potrzebuję tylko krótkiego …

11 neural-networks machine-learning deep-learning applications

2

Która warstwa zużywa więcej czasu na szkolenie CNN? Warstwy splotu vs warstwy FC

Która warstwa w Convolutional Neural Network zużywa maksymalny czas na trening? Warstwy splotowe czy w pełni połączone? Możemy wziąć architekturę AlexNet, aby to zrozumieć. Chcę zobaczyć zerwanie czasu treningu. Chcę względnego porównania czasu, abyśmy mogli wziąć dowolną stałą konfigurację GPU.

11 neural-networks deep-learning convolutional-neural-networks

5

Dlaczego głębokie sieci neuronowe i głębokie uczenie się nie wystarczają do osiągnięcia ogólnej inteligencji?

Wszystko, co dotyczy sieci Deep Learning (DL) i deep (er), wydaje się „udane”, przynajmniej postępuje bardzo szybko i kultywuje przekonanie, że AGI jest w zasięgu ręki. To popularna wyobraźnia. DL to ogromne narzędzie do rozwiązywania tak wielu problemów, w tym tworzenia AGI. To jednak nie wystarczy. Narzędzie jest niezbędnym składnikiem, …

11 deep-learning deep-network agi

1

Czy warstwy głębokich sieci neuronowych można postrzegać jako sieci Hopfielda?

Sieci Hopfield są w stanie przechowywać wektor i wyszukiwać go, zaczynając od hałaśliwej wersji. Robią to, ustawiając ciężary, aby zminimalizować funkcję energii, gdy wszystkie neurony są ustawione na równe wartościom wektorów, i odzyskują wektor, używając jego hałaśliwej wersji jako danych wejściowych i pozwalając sieci osiąść na minimum energetycznym. Pomijając problemy, …

11 deep-learning topology

1

Strata gwałtownie skacze, gdy zmniejszam tempo uczenia się za pomocą optymalizatora Adama w PyTorch

Trenuję auto-encodersieć z Adamoptymalizatorem (z amsgrad=True) i MSE lossdla zadania Separacja źródła dźwięku jednokanałowego. Ilekroć zmniejszam współczynnik uczenia się czynnikowo, utrata sieci gwałtownie skacze, a następnie maleje aż do następnego spadku współczynnika uczenia się. Używam Pytorch do implementacji sieci i szkolenia. Following are my experimental setups: Setup-1: NO learning rate …

11 machine-learning deep-learning optimization autoencoders loss-functions

1

Jak zastosować gradienty polityki w przypadku wielu ciągłych działań?

Trusted Region Policy Optimization (TRPO) i Proximal Policy Optimization (PPO) to dwa najnowocześniejsze algorytmy gradientowe. Podczas korzystania z pojedynczego działania ciągłego normalnie użyłbyś pewnego rozkładu prawdopodobieństwa (na przykład Gaussa) dla funkcji straty. Wersja przybliżona to: L ( θ ) = log( P(za1) ) A ,L.(θ)=log⁡(P.(za1))ZA,L(\theta) = \log(P(a_1)) A, gdzie ZAZAA …

11 deep-learning reinforcement-learning trpo

Pytania otagowane jako deep-learning