14 大多数人都试图用神经网络回答问题。但是，有没有人想到过如何使神经网络提出问题而不是回答问题的想法？例如，如果CNN可以确定对象属于哪个类别，那么它可以问一些问题来帮助分类吗？ neural-networks deep-learning — 茶 source 我认为这样做符合二阶问题。 链接 我觉得我正在使用Eureqa对共面偏移度量进行此操作，但是它以非典型的方式包含了这个问题。这是一个更大，更困难的问题。必须调用度量标准或元度量学习。特异性有助于简化问题。指定问题的范围和界限。 — EngrStudent-恢复莫妮卡
2 也许神经网络并不是实现这一目标的最佳工具。 在我看来，您的“帮助分类的问题”的概念等同于使用机器学习（ML）获得执行分类的人类可读规则集。这个想法是，如果您一直遵循适用的规则链，直到最后，您就有了一个分类器；如果您在此之前停了下来，则有一个指示器可以指示输入的哪些功能给出了更粗粒度的分类，哪些可以看作是“帮助分类”的逐步详细的问题序列。 我对这个问题的回答中可以找到有关使用ML创建规则集的各种选项的更多详细信息。 — 尼采 source
1 一种解决方案可能涉及将决策树和ANN融合以进行多级分类。 决策树可以帮助预测要分类的实例的可能类别。然后，在树的叶子处的人工神经网络可以产生最终的分类。 例如，在图像识别中，树可以决定要识别的对象的类别（例如，风景，人，车辆等），而适当类型的ANN可以准确地预测它是什么对象。在车辆中，例如汽车，公共汽车，自行车等。 — 埃比·艾萨克 source
1 好问题。如今，AI系统以“一次爆发”模式工作。获取一个输入并生成一个输出。我们的大脑没有那样工作。 第一步是学习网络如何与其“助手”进行通信，因此网络而不是结果生成问题，并且循环将重复进行直到网络找到结果。 对于问题/答案周期之间所需的内部状态，网络必须是经常性的。 — dev1223 source
