Pytania otagowane jako machine-learning

W przypadku pytań związanych z uczeniem maszynowym (ML), który jest zestawem metod, które mogą automatycznie wykrywać wzorce w danych, a następnie wykorzystywać odkryte wzorce do przewidywania przyszłych danych lub do podejmowania innych rodzajów decyzji w warunkach niepewności (takich jak planowanie aby zebrać więcej danych). ML jest zwykle podzielona na naukę nadzorowaną, bez nadzoru i naukę wzmacniającą. Głębokie uczenie się jest podpola ML, która wykorzystuje głębokie sztuczne sieci neuronowe.


8
Dlaczego Python jest tak popularnym językiem w dziedzinie sztucznej inteligencji?
Przede wszystkim jestem początkującym uczącym się sztucznej inteligencji i nie jest to pytanie zorientowane na opinię ani porównanie języków programowania. Nie twierdzę, że to najlepszy język. Ale faktem jest, że większość znanych struktur AI ma podstawowe wsparcie dla Pythona. Mogą być nawet obsługiwane w wielu językach, na przykład TensorFlow, który ...

3
Jak sieci neuronowe mogą sobie radzić z różnymi wielkościami wejściowymi?
O ile mogę stwierdzić, sieci neuronowe mają stałą liczbę neuronów w warstwie wejściowej. Jeśli sieci neuronowe są używane w kontekście takim jak NLP, zdania lub bloki tekstu o różnych rozmiarach są podawane do sieci. W jaki sposób różny rozmiar wejściowy jest pogodzony ze stałym rozmiarem wejściowej warstwy sieci? Innymi słowy, ...

4
Czy sieci neuronowe są podatne na katastrofalne zapominanie?
Wyobraź sobie, że 100 razy pokazujesz sieci neuronowej zdjęcie lwa i oznaczysz je słowem „niebezpieczne”, dzięki czemu dowiadujesz się, że lwy są niebezpieczne. Teraz wyobraź sobie, że wcześniej pokazałeś mu miliony zdjęć lwów i alternatywnie oznaczyłeś je jako „niebezpieczne” i „nie niebezpieczne”, tak że prawdopodobieństwo, że lew będzie niebezpieczny, wynosi ...

3
Dlaczego Lisp jest tak dobrym językiem dla AI?
Wcześniej słyszałem od informatyków i badaczy z obszaru sztucznej inteligencji, że Lisp jest dobrym językiem dla badań i rozwoju sztucznej inteligencji. Czy to nadal obowiązuje, wraz z rozprzestrzenianiem się sieci neuronowych i głębokim uczeniem się? Jakie było ich uzasadnienie? W jakich językach są obecnie wbudowane obecne systemy głębokiego uczenia się?



2
Czy można stopniowo trenować sieć neuronową?
Chciałbym trenować sieć neuronową, w której klasy wyjściowe nie są (wszystkie) zdefiniowane od samego początku. Coraz więcej klas będzie wprowadzanych później w oparciu o przychodzące dane. Oznacza to, że za każdym razem, gdy wprowadzam nową klasę, muszę przekwalifikować NN. Jak mogę trenować NN przyrostowo, to znaczy, nie zapominając o wcześniej ...


4
Jak radzić sobie z nieprawidłowymi ruchami w uczeniu się zbrojenia?
Chcę stworzyć sztuczną inteligencję, która może grać w pięć w jednym rzędzie / gomoku. Jak wspomniałem w tytule, chcę do tego wykorzystać naukę wzmacniającą. Używam metody gradientu zasad , a mianowicie REINFORCE, z linią bazową. Do przybliżenia wartości i funkcji polityki używam sieci neuronowej . Ma splotowe i w pełni ...

7
Jeśli wartości cyfrowe są jedynie szacunkami, dlaczego nie powrócić do analogu dla AI?
Impulsem do przejścia w XX wieku z obwodów analogowych na cyfrowe był napędzany pragnieniem większej dokładności i niższego szumu. Teraz opracowujemy oprogramowanie, w którym wyniki są przybliżone, a hałas ma wartość dodatnią. W sztucznych sieciach używamy gradientów (Jakobian) lub modeli drugiego stopnia (Hessian) do oszacowania kolejnych kroków w zbieżnym algorytmie ...

3
Zrozumienie funkcji utraty GAN
Usiłuję zrozumieć funkcję utraty GAN przedstawioną w Understanding Generative Adversarial Networks (post na blogu napisany przez Daniela Seity). W standardowej stracie entropijnej mamy wyjście, które zostało przepuszczone przez funkcję sigmoidalną i wynikową klasyfikację binarną. Stwierdza Sieta Zatem dla [każdego] punktu danych x1x1x_1 i jego etykiety otrzymujemy następującą funkcję utraty ...

1
Różnice między technikami propagacji zwrotnej
Dla zabawy próbuję rozwinąć sieć neuronową. Teraz dla propagacji wstecznej widziałem dwie techniki. Pierwszy jest używany tutaj i w wielu innych miejscach. Co to robi: Oblicza błąd dla każdego neuronu wyjściowego. Propaguje go z powrotem do sieci (obliczając błąd dla każdego wewnętrznego neuronu). Aktualizuje wagi za pomocą wzoru: (gdzie jest ...

3
Jaka jest złożoność czasu na szkolenie sieci neuronowej z wykorzystaniem propagacji wstecznej?
Załóżmy, że zawiera NN nnn ukryte warstwy mmm przykładami treningu, xxx funkcje, a ninin_i węzłów w każdej warstwie. Jaka jest złożoność czasu, aby trenować ten NN przy użyciu propagacji wstecznej? Mam podstawowe pojęcie o tym, jak znajdują złożoność czasową algorytmów, ale tutaj należy wziąć pod uwagę 4 różne czynniki, tj. ...


Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.