Questions tagged «machine-learning»

在博客文章使用很少的数据构建强大的图像分类模型中，提到了瓶颈功能。瓶颈功能是什么？它们会随着使用的体系结构发生变化吗？它们是全连接层之前的卷积层的最终输出吗？他们为什么这样称呼？

11 machine-learning  convolutional-neural-networks  terminology  definitions 

当我意识到我想不出一种可以教授AI的语言时，我就在思考AI及其如何工作。儿童倾向于通过语言和图片与对象的关联来学习语言（例如，人们在狗周围时说“狗”一词，后来意识到人们在说“狗”和“汽车”，并学习“ ”等）。但是，基于文本的AI不能使用这种方法来学习，因为他们将无法访问任何种类的输入设备。 我想出的唯一方法是用英语（或“说话”所要使用的任何一种语言）来编程每个单词和规则，但是这可能需要花费数年的时间。 有没有人对如何做到这一点有任何想法？或者，如果已经完成，如何做？ 顺便说一句，在这种情况下，我正在使用AI来表示具有近乎人类智能且没有先验语言知识的人工智能系统。

11 machine-learning  natural-language-processing 

我拥有计算机工程专业的背景，并且一直致力于开发更好的算法来模仿人类的思想。（我最喜欢的是类比建模应用于语言处理和决策。）但是，我研究的越多，我越意识到刚才多么复杂的AI。 我曾尝试解决该领域的许多问题，但有时我发现自己正在重新发明轮子或试图解决一个已经被证明无法解决的问题（即停顿问题）。因此，为了帮助推动AI的发展，我想更好地了解阻碍我们在该领域取得进展的当前障碍。 例如，某些机器学习算法的时间和空间复杂度是超多项式的，这意味着即使使用快速的计算机，该程序也可能需要一段时间才能完成。即便如此，某些算法在处理较小的数据集时在台式机或其他计算机上可能很快，但是当增加数据大小时，该算法变得难以处理。 人工智能开发当前还面临哪些其他问题？

11 machine-learning 

最近，我正在研究一个问题，以便对某些特定资源的支出进行成本分析。我通常会根据分析做出一些手动决策，并据此计划。 我有一个Excel格式的大数据集，有数百列，定义了各种时间范围和类型（其他各种详细使用情况）中资源的使用情况。我还可以获得有关我之前4年的数据以及实际资源使用情况和相应产生的成本的信息。 我希望训练一个神经网络来事先预测我的成本并计划，甚至在我可以手动进行成本分析之前。 但是我面临的最大问题是需要确定此类分析的功能。我希望有某种方法可以从数据集中识别功能。 PS-我对PCA和其他一些功能集简化技术有所了解，我正在寻找的是首先识别它们的方法。

11 neural-networks  machine-learning  datasets  feature-selection 

增加数据中的噪声是否有助于提高网络的学习能力？它会有所不同还是取决于要解决的问题？它对总体推广过程有何影响？

11 neural-networks  machine-learning  statistical-ai  generalization 

作为一个想从事机器学习的学生，我想知道如何开始我的学习，以及如何跟随它以保持最新。例如，我愿意研究RL和MAB问题，但是关于这些主题的文献很多。而且，这些主题是由来自不同社区的研究人员研究的，例如AI和ML，运筹学，控制工程，统计等。此外，我认为每周都有几篇关于这些主题的论文出版，因此很难追踪。 如果有人可以提出一个路线图来开始研究这些主题，关注它们以及我应该如何选择和研究新发表的论文，我将非常感激。最后，我愿意了解RL和MAB问题的新趋势。

11 machine-learning  reinforcement-learning  research  markov-decision-process 

我正在auto-encoder使用Adam优化器（带有amsgrad=True）和MSE loss单通道音频源分离任务来训练网络。每当我将学习速率降低一个因素时，网络损耗就会突然跳升，然后下降，直到学习速率再次下降。 我正在使用Pytorch进行网络实施和培训。 Following are my experimental setups: Setup-1: NO learning rate decay, and Using the same Adam optimizer for all epochs Setup-2: NO learning rate decay, and Creating a new Adam optimizer with same initial values every epoch Setup-3: 0.25 decay in learning rate every 25 epochs, and Creating …

11 machine-learning  deep-learning  optimization  autoencoders  loss-functions 

我有一个很大的车辆数据集，这些车辆的长度具有地面真实性（超过10万个样本）。是否可以训练一个深度网络来测量/估算车辆长度？我还没有看过任何有关使用深度神经网络估计对象大小的论文。

10 machine-learning  deep-learning  computer-vision 

我正在尝试开发一种神经网络，该网络可以识别CAD模型中的设计特征（即槽，凸台，孔，凹穴，台阶）。 我打算用于网络的输入数据是anxn矩阵（其中n是CAD模型中的面数）。矩阵右上角三角形中的“ 1”表示两个面之间的凸关系，而左下角三角形中的“ 1”表示凹关系。两个位置均为零表示面不相邻。下图给出了这样一个矩阵的例子。 可以说，我将最大模型尺寸设置为20个面，并对小于此尺寸的任何物体应用填充，以使网络输入的尺寸恒定。 我希望能够识别5种不同的设计特征，因此将具有5种输出神经元-[槽，袋，孔，凸台，台阶] 我会说这成为一种“模式识别”问题，对吗？例如，如果我为网络提供了许多训练模型-以及描述模型中存在的设计特征的标签，网络会学会识别与某些设计特征相关的矩阵中表示的特定邻接模式吗？ 我是机器学习的一个完整的初学者，我试图了解这种方法是否有效-如果需要更多信息来理解问题，请发表评论。任何输入或帮助，将不胜感激，谢谢。

10 neural-networks  machine-learning  convolutional-neural-networks  pattern-recognition  detecting-patterns 

在人工智能的背景下，奇点是指能够递归自我改进的人工智能通用技术的出现，导致人工超智能（ASI）的迅速出现，其极限是未知的，在实现技术奇点后不久。因此，这些超级智能将能够解决我们可能无法解决的问题。 根据《人工智能的未来进展：专家意见调查》中的一项民意测验（2014） 受访者的中位数估计是2040-2050年左右将开发高级机器智能的几分之一 距离不是很远。 鉴于人工智能可以解决许多问题而使我们受益，那么人工智能将具有无所不知的能力又有什么问题呢？

10 machine-learning  philosophy  singularity  cognitive-science 

我一直在研究Viv开发中的人工智能代理。根据我的理解，该AI可以生成新代码并根据用户查询执行它。我很想知道的是，这种AI如何学习基于某些查询生成代码。此过程涉及哪种机器学习算法？我考虑的一件事是逐步分解程序的数据集。例如： 代码平均取5个学期 1-将所有5个项加在一起 2-除以5 然后，我将训练一种将文本转换为代码的算法。据我所知。但是还没有尝试任何东西，因为我不确定从哪里开始。有人对如何实现Viv有任何想法吗？这是Viv的演示。

10 neural-networks  machine-learning  deep-learning  ai-design  natural-language-processing 

似乎深度神经网络和其他基于神经网络的模型正在主导许多当前领域，例如计算机视觉，对象分类，强化学习等。 SVM（或其他模型）仍在哪些领域中产生最新的结果？

10 machine-learning  svm  state-of-the-art 

自动编码器是一种神经网络，可以学习输入的压缩表示形式以便稍后对其进行重构，因此可以将其用于降维。它们由编码器和解码器（可以是独立的神经网络）组成。降维可用于处理或减弱与维数诅咒有关的问题，因为维数诅咒中的数据变得稀疏，更难获得“统计意义”。因此，可以使用自动编码器（以及类似PCA的算法）来处理维数的诅咒。 为什么我们特别在意使用自动编码器进行降维？如果目的是降低尺寸，为什么我们不能简单地使用PCA？ 如果只想进行降维，为什么需要解压缩输入的潜在表示，或者为什么需要在自动编码器中使用解码器部分？有哪些用例？通常，为什么我们需要压缩输入以稍后对其进行解压缩？仅使用原始输入（开始）会更好吗？

10 machine-learning  autoencoders  dimensionality-reduction  curse-of-dimensionality 

有几种激活功能，例如ReLU，Sigmoid或谭谭\tanh。混合激活功能会怎样？ 我最近发现Google开发了Swish激活功能，即（x * sigmoid）。通过更改激活函数，可以提高诸如XOR问题之类的小型神经网络问题的准确性吗？

10 neural-networks  machine-learning  activation-function  relu  sigmoid 

我目前正在编写一个玩纸牌游戏的引擎，因为此特定游戏还没有引擎。 我希望以后能够将神经网络引入游戏中，并让它学会玩游戏。 我正在以对AI播放器有用的方式编写引擎。有选择点，并在这些点上显示有效选项的列表。随机选择将能够玩游戏（尽管效果不佳）。 我已经学习了很多有关神经网络（主要是NEAT和HyperNEAT）的知识，甚至建立了自己的实现。我仍然不确定如何最好地构建可以考虑这些类型游戏之一中所有变量的AI。有没有通用的方法？我知道Keldon为RftG编写了很好的AI，它具有相当高的复杂性，我不确定他如何设法建立这样的AI。 有什么建议吗？可行吗 有什么好的例子吗？输入如何映射？ 编辑：我在网上看了一下，了解了神经网络如何工作，通常它们与图像识别或操纵简单代理有关。我不确定是否或如何将其应用于具有复杂协同作用的卡片进行选择。朝我应该研究的方向发展将不胜感激。 关于游戏：游戏类似于《魔术：聚会》。有一个具有健康和能力的指挥官。玩家拥有一个能量池，可用来将小兵和咒语放在棋盘上。仆从具有生命值，攻击值，费用等。纸牌也具有能力，这些能力不易枚举。纸牌是从手中开始的，新的纸牌是从牌组中抽出的。这些都是神经网络考虑的方面。

10 neural-networks  machine-learning  gaming  neat