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.
Te dwa pojęcia wydają się być powiązane, szczególnie w ich zastosowaniu w informatyce i inżynierii oprogramowania. Czy jeden jest podzbiorem drugiego? Czy jedno narzędzie służy do budowy systemu dla drugiego? Jakie są ich różnice i dlaczego są
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...
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...
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...
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...
Próbuję znaleźć jakieś istniejące badania na temat wyboru liczby ukrytych warstw i ich rozmiaru dla RNN opartego na LSTM. Czy istnieje artykuł, w którym bada się ten problem, tj. Ile komórek pamięci należy użyć? Zakładam, że całkowicie zależy to od aplikacji i kontekstu, w którym model jest...
W jaki sposób sieć neuronowa posiadająca „głęboki” przymiotnik odróżnia się od innych podobnych
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...
Czy są jakieś projekty AI, które wykorzystują Stack Exchange do uczenia
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...
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...
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...
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...
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...
Czy wyszukiwarki są uważane za sztuczną inteligencję ze względu na sposób, w jaki analizują to, czego szukasz, i zapamiętują to? Lub jak wysyłają Ci reklamy tego, czego ostatnio szukałeś? Czy to jest uważane za sztuczną inteligencję, czy tylko
Na przykład, aby sklasyfikować wiadomości e-mail jako spam, czy warto - z perspektywy czasu / dokładności - zastosować głębokie uczenie się (jeśli to możliwe) zamiast innego algorytmu uczenia maszynowego? Czy głębokie uczenie sprawi, że inne algorytmy uczenia maszynowego, takie jak naiwny Bayes,...
Chcę tylko wiedzieć, dlaczego inżynierowie uczenia maszynowego i programiści AI używają języków takich jak python do wykonywania zadań AI, a nie C ++, mimo że C ++ jest technicznie silniejszym językiem niż
Czy ktoś może mi wyjaśnić różnicę między uczeniem maszynowym a uczeniem głębokim? Czy można nauczyć się głębokiego uczenia się bez znajomości uczenia
Entropia krzyżowa jest identyczna z dywergencją KL plus entropia rozkładu celu. KL równa się zero, gdy dwa rozkłady są takie same, co wydaje mi się bardziej intuicyjne niż entropia rozkładu docelowego, czyli taka, jaką entropia krzyżowa znajduje się w meczu. Nie twierdzę, że w jednej z nich jest...
Biorąc pod uwagę sieć neuronową fff która przyjmuje jako dane wejściowe nnn punktów danych: x1,…,xnx1,…,xnx_1, \dots, x_n . Mówimy, że fff jest niezmienną permutacją, jeśli f(x1...xn)=f(pi(x1...xn))f(x1...xn)=f(pi(x1...xn))f(x_1 ... x_n) = f(pi(x_1 ... x_n)) pipipi Czy ktoś mógłby polecić...