Questions tagged «algorithm»

数十年前，机器视觉方面的书籍已经出现，并且通过使用格式塔心理学中的各种信息处理规则，以很少的代码或特殊的硬件在图像识别和视觉处理中获得了令人印象深刻的结果。 今天是否正在使用或使用这种方法？在这方面有什么进展吗？还是该研究计划被放弃？今天，我的意思是2016年，而不是1995年或2005年。

14 machine-learning  algorithm  computer-vision 

如果此列表1可用于对AI中的问题进行分类... 可分解为较小或更容易解决的问题 解决方案步骤可以忽略或撤消 可预测的问题宇宙 好的解决方案是显而易见的 使用内部一致的知识库 需要大量知识或使用知识来约束解决方案 需要人与计算机之间的定期交互 ...问题在这些维度上的位置与解决方案的合适算法/方法之间是否存在公认的关系？ 参考文献 [1] https://images.slideplayer.com/23/6911262/slides/slide_4.jpg

13 ai-design  algorithm  reference-request 

我想训练一个使用文本输入，记住一些类别并相应回答问题的机器人。此外，作为2.0版，我还希望使该机器人也能回答语音输入。哪些最新的机器学习/ AI算法可用于相同的？请告诉我。

11 machine-learning  algorithm  chat-bots 

我正在阅读Richard S.Sutton和Andrew G.Barto撰写的《强化学习：入门》（初稿，2017年11月5日）。 在第271页上，给出了突发性蒙特卡洛策略梯度方法的伪代码。看着这个伪代码，我无法理解为什么折扣率似乎出现2次，一次处于更新状态，而第二次出现在返回状态。[见下图] 看来，步骤1之后的步骤返回只是第一步返回的截断。此外，如果您仅在书的上方看一页，则会发现方程式的折现率仅为1（收益率内的那一）。 为什么伪代码似乎不同？我的猜测是我误会了一些东西： θt+1 =˙ θt+αGt∇θπ(At|St,θt)π(At|St,θt).(13.6)(13.6)θt+1 =˙ θt+αGt∇θπ(At|St,θt)π(At|St,θt). {\mathbf{\theta}}_{t+1} ~\dot{=}~\mathbf{\theta}_t + \alpha G_t \frac{{\nabla}_{\mathbf{\theta}} \pi \left(A_t \middle| S_t, \mathbf{\theta}_{t} \right)}{\pi \left(A_t \middle| S_t, \mathbf{\theta}_{t} \right)}. \tag{13.6}

11 reinforcement-learning  algorithm  rl-an-introduction  reinforce 

因此，我试图在“ 滑块”难题（数字类型）上实现BFS 。现在，我主要注意到的是，如果您有一块4*4木板，那么状态数可能会很多，16!因此我无法事先枚举所有状态。 所以我的问题是如何跟踪已经访问过的州？（我正在使用一个类板，每个类实例包含一个唯一的板模式，并通过枚举当前步骤中的所有可能步骤来创建）。 我在网上搜索，很显然它们并没有返回到刚刚完成的上一步，但是我们也可以通过另一条路线返回到上一步，然后再次枚举之前已访问过的所有步骤。那么，当尚未枚举所有状态时，如何跟踪访问的状态呢？（将已经存在的状态与当前步骤进行比较将很昂贵）。

10 ai-design  algorithm  ai-basics  breadth-first-search 

爬山算法的局限性是什么？我们如何克服这些限制？

9 algorithm  search  optimization  problem-solving  hill-climbing 

我正在尝试为用户输入一些症状的系统提出正确的算法，并且系统必须预测或确定一些选定症状与系统中现有症状相关联的可能性。然后，在将它们关联之后，结果或输出应该是针对症状的特定疾病。 该系统由一系列疾病组成，每种疾病都有特定的症状，该症状也存在于系统中。 假设用户输入了以下输入： A, B, C, and D 系统应该做的第一件事是检查每个症状（在这种情况下用字母表示）并将其与已经存在的症状的数据表关联起来。并且在不存在输入的情况下，系统应报告或发送有关该输入的反馈。 而且，我们假设它A and B在数据表中，因此我们100％确保其有效或存在，并且系统能够根据输入来确定疾病。然后让我们说，输入现在是C and D哪里C在数据表中不存在，但有一个可能性D存在。 我们D的得分不是100％，但是可能更低（比如说90％）。那么C在数据表中根本就不存在。因此，C得分为0％。 因此，系统应具有某种关联和预测技术或规则，以通过判断用户的输入来输出结果。 生成输出的摘要： If A and B were entered and exist, then output = 100% If D was entered and existed but C was not, then output = 90% If all entered don't exist, then output …

9 algorithm  machine-learning  prediction