人工智能

假设一个NN包含nnn隐藏层，mmm训练实例中，xxx的功能，和ninin_i在每个层中的节点。使用反向传播训练该NN的时间复杂度是多少？ 我对它们如何找到算法的时间复杂度有一个基本的想法，但是这里有4个不同的因素需要考虑，即迭代，层，每层中的节点，训练示例，也许还有更多因素。我在这里找到了答案，但还不够清楚。 除了上文所述，还有其他因素会影响NN训练算法的时间复杂度吗？

17 neural-networks  machine-learning  backpropagation  time-complexity 

是否有可能向神经网络提供随机数生成器的输出，并期望它学习哈希（或生成器）函数，以便可以预测下一个生成的伪随机数是什么？ 这样的东西已经存在了吗？如果已经对此或相关内容（与伪随机数的预测）进行了研究，那么谁能为我指出正确的资源？ 目前，我正在查看该库及其相关链接。 https://github.com/Vict0rSch/deep_learning/tree/master/keras/recurrent

17 deep-learning  unsupervised-learning  prediction  lstm 

通常，重塑职位描述有哪些可能性可以被自动化的AI解决方案取代？我最初的想法包括： 监视AI并标记其错误操作。 在极富挑战性的情况下可能接管控制。 创建/收集更多训练/测试数据以提高AI的准确性。

16 philosophy  social 

我在有关Alpha Go的Reddit帖子中听说过这个概念。我试图遍历本文和文章，但是无法真正理解算法。 因此，有人可以对蒙特卡洛搜索算法如何工作以及如何在构建具有游戏性的AI机器人中使用它进行简单易懂的解释吗？

16 gaming  monte-carlo-tree-search 

搜索引擎是否因为分析您搜索的内容并记住它的方式而被视为AI？还是他们如何向您发送您最近搜索过的广告？ 这算是AI还是聪明？

16 machine-learning  philosophy  definitions 

模块化/多个神经网络（MNN）围绕训练较小的独立网络而形成，它们可以相互馈入或与另一个较高的网络交流。 原则上，分层组织可以使我们理解更复杂的问题空间并获得更高的功能，但是似乎很难找到过去就此进行的具体研究的示例。我找到了一些资料： https://zh.wikipedia.org/wiki/Modular_neural_network https://www.teco.edu/~albrecht/neuro/html/node32.html https://vtechworks.lib.vt.edu/bitstream/handle/10919/27998/etd.pdf?sequence=1&isAllowed=y 我有几个具体问题： 最近有没有关于使用MNN的研究？ MNN表现出比大型单个网络更好的性能吗？ MNN是否可以用于多模式分类，即在根本不同的数据类型（文本还是图像）上训练每个网络，并转发到对所有输出进行操作的高级中介？ 从软件工程的角度来看，这些不是在分布式系统上更具容错性且易于隔离吗？ 是否使用神经结构搜索之类的方法来动态调整子网的拓扑结构？ 通常，MNN是否以任何方式实用？ 道歉，如果这些问题看起来很幼稚，我只是从生物学/神经科学背景进入ML，甚至更广泛地进入CS，并被潜在的相互作用所吸引。 非常感谢您抽出宝贵的时间为您提供见解！

16 neural-networks  topology  architecture  neurons  biology 

我已经多次听到“神经网络是我们必须为人类大脑建模的最佳近似值”，并且我认为众所周知，神经网络是模仿我们的大脑建模的。 我强烈怀疑此模型已简化，但是要多少钱呢？ 例如，香草神经网络与我们对人脑的了解有多少不同？我们甚至知道吗？

16 neural-networks  brain  topology 

我是一名软件工程专业的学生，​​并且是AI的完整入门者。我已经阅读了很多有关如何开始学习AI的文章，但是每篇文章都提出了不同的方法。我想知道你们中的某些专家是否可以帮助我以正确的方式开始。 其他一些具体问题 我应该专注于哪种语言？许多文章建议将Python，C ++或Lisp用于AI。我可以使用Java代替上述任何其他语言吗？ 我应该具有什么样的数学背景？在第一年，我做了离散数学，其中包括以下主题：集，矩阵，向量，函数，逻辑和图论（他们简短地讲授了这些主题）。现在还有其他我应该学习的主题吗？例如微积分？ 如果可能的话，我将不胜感激，可以使用任何资源或书籍来入门，或者也许你们可以给我提供详细的程序，以便跟上您的水平。 注意：目前，我想专注于神经网络和机器学习。之后，我想探索机器人技术和自然语言处理。

16 ai-basics  getting-started  math  programming-languages 

我注意到这个网站上的几个问题都提到了遗传算法，这让我意识到我对这些知识并不了解。 我以前听过这个词，但是我从来没有用过，所以我对它们的工作原理和优点没有太多的了解。我所知道的是，它们涉及某种进化和随机变化的价值。 您能给我一个简短的解释，最好包括一些说明基本原理的实际例子吗？

16 genetic-algorithms 

在本文中，作者主张仅凭新颖性（没有明确的目标）来指导发展，甚至比使用明确的目标更好地解决问题。换句话说，将新颖性度量用作遗传算法的适应度函数要比针对目标的适应度函数更好。那怎么可能？

16 genetic-algorithms 

交叉熵等于KL发散加目标分布的熵。当两个分布相同时，KL等于零，这在我看来比目标分布的熵更直观，后者是匹配项上的交叉熵。 我并不是说其中有更多的信息，除了人的观点可能比肯定的观点更直观的发现零。当然，通常使用一种评估方法来真正了解分类的发生情况。但是，在KL上选择交叉熵是否具有历史性？

15 machine-learning  classification 

假设在CNN中需要使用10K大小为2400 x 2400的图像，我认为人们会使用的常规计算机是Acc。现在的问题是如何在没有下采样特权的情况下处理如此大的图像大小。 这是系统要求： Ubuntu 16.04 64位RAM 16 GB GPU 8 GB硬盘500 GB 1）是否有任何技术可以处理要训练的大图像？ 2）合理使用多少批量？ 3）是否可以采取任何预防措施或可以增加或减少硬件资源？

15 neural-networks  deep-learning  image-recognition  convolutional-neural-networks 

有人可以向我解释一下机器学习和深度学习之间的区别吗？在不了解机器学习的情况下可以学习深度学习吗？

15 machine-learning  deep-learning  comparison 

例如，将电子邮件归类为垃圾邮件，从时间/准确性角度来看，是否值得（如果可能）应用深度学习而不是另一种机器学习算法？深度学习是否会使其他机器学习算法（如朴素贝叶斯）变得不必要？

15 machine-learning  deep-learning  classification  applications  comparison 

如何为棋盘之类的棋盘游戏选择最佳算法？ 到目前为止，我只考虑了三种算法，即minimax，α-beta修剪和Monte Carlo树搜索（MCTS）。显然，alpha-beta修剪和MCTS都是基本minimax算法的扩展。

15 game-ai  minimax  alpha-beta-pruning  monte-carlo-tree-search