Questions tagged «artificial-intelligence»

目前，我正在研究时间序列预测（特别是对于外汇）。我已经看到了一些关于回波状态网络的科学论文，这些论文被用于外汇预测。为此还有其他好的机器学习算法吗？ 从时间序列中提取“有利可图”的模式也将很有趣。

28 reference-request  machine-learning  artificial-intelligence 

维基百科以及我发现的其他来源都将C的void类型列为单位类型，而不是空类型。我觉得这很混乱，因为在我看来，它void更适合于空/底类型的定义。 void据我所知，没有价值观存在。 返回类型为void的函数指定该函数不返回任何内容，因此只能执行某些副作用。 类型的指针void*是所有其他指针类型的子类型。同样，void*在C中进行来回转换是隐式的。 我不确定最后一点是否可以作为void空类型的参数，void*或多或少是与无关的特例void。 另一方面，void它本身不是所有其他类型的子类型，据我所知，这是将类型作为底部类型的要求。

28 type-theory  c  logic  modal-logic  coq  equality  coinduction  artificial-intelligence  computer-architecture  compilers  asymptotics  formal-languages  asymptotics  landau-notation  asymptotics  turing-machines  optimization  decision-problem  rice-theorem  algorithms  arithmetic  floating-point  automata  finite-automata  data-structures  search-trees  balanced-search-trees  complexity-theory  asymptotics  amortized-analysis  complexity-theory  graphs  np-complete  reductions  np-hard  algorithms  string-metrics  computability  artificial-intelligence  halting-problem  turing-machines  computation-models  graph-theory  terminology  complexity-theory  decision-problem  polynomial-time  algorithms  algorithm-analysis  optimization  runtime-analysis  loops  turing-machines  computation-models  recurrence-relation  master-theorem  complexity-theory  asymptotics  parallel-computing  landau-notation  terminology  optimization  decision-problem  complexity-theory  polynomial-time  counting  coding-theory  permutations  encoding-scheme  error-correcting-codes  machine-learning  natural-language-processing  algorithms  graphs  social-networks  network-analysis  relational-algebra  constraint-satisfaction  polymorphisms  algorithms  graphs  trees 

已关闭。这个问题是基于观点的。它当前不接受答案。 想改善这个问题吗？更新问题，以便通过编辑此帖子以事实和引用的形式回答。 去年关闭。 直截了当：我真的很想学习AI。 但是我想从经验丰富的CS专家那里获得一些建议，以了解何时应该加入人工智能。 为了使我更好地掌握AI概念，需要哪些先决条件？

21 artificial-intelligence 

在某些（历史）论文中，国际象棋被称为人工智能的果蝇。尽管我认为在当前的研究中，仅应用搜索算法最多只能算是高级计算机科学，但我相信仍然存在可以应用（和实践）人工智能技术的领域。 一个简单的例子是开书学习，因为该程序不适合某些类型的职位，因此可以教该程序在开场中使用还是不使用某些动作。我们可以使用一种强化学习的形式并将其自动化：我想我可以对自己进行编程，并增加赢得线路的可能性并降低失去线路的可能性。 更为复杂的示例是使用一种学习评估功能（例如，可以调整块平方表的值）。但是，我在想： 由于存在大量实际位置（相对于实际的打开线的数量）而产生了所有噪音 以及计算机国际象棋游戏的成本（持续时间）以及玩游戏的需求。 如何才能有效地做到这一点？（或者我应该看看其他技术，例如神经网络。）

19 artificial-intelligence  board-games 

据说，“ Eugene Goostman”是一种计算机程序，用于模拟一个13岁的男孩，成功说服了33％的法官是人类，并因此通过了图灵测试。 这个计算机程序，又名聊天机器人，假装是一个13岁的乌克兰男孩，而英语是第二语言，这确实是非常不同的。 对我来说，尤金听起来完全像一个平庸的聊天机器人：重复，无意义，而且杂乱无章。我不知道它是如何说服法官的（这似乎不专业）。 很多人都批评尤金，例如史蒂文·哈纳德教授，他说“这是胡说八道”，“我们还没有通过图灵测试。我们甚至还没有接近。” 意见不一，但我真的想知道它是否正式通过了测试？ 也有人说： 从未颁发过的两个一次性奖品。25K是为第一个聊天机器人提供的，该聊天机器人无法将法官与真实的人区分开，并且可以说服法官认为该人是计算机程序。100,000美元是对第一个聊天机器人的奖励，该聊天机器人在图灵测试中（包括解密和理解文本，视觉和听觉输入），无法与真实的人区分开。一旦实现，年度竞赛将结束。 这是否意味着Eugene赢得了$ 25,000？

18 reference-request  artificial-intelligence  history  turing-test 

这个问题是关于我创建的计算机对手的一种方法，该方法目前正在或计划在几种计算机游戏中使用。 背景 去年，试图改善一个名为“扫雷舰国旗”游戏中的电脑对手时（简短描述：扫雷的回合制多人游戏版本，你必须采取比对手更多的地雷），我强烈地改变了我的算法的工作方式。我没有使用if-else-if-else这样的方法，而是使用一组具有指定权重的“得分手”来确定最佳动作。 您可能会认为对于Minesweeper Flags这样的游戏，仅是举手投足可以最大程度地夺取地雷，但这并不是那么简单。计算机将采取哪种动作通常取决于当前游戏状态下该特定动作的几个功能。功能示例： 这个举动得分的概率是多少？ 在这里向我的对手透露任何信息的可能性是多少？ 系统说明 系统基本上是这样的： “预得分者”：对当前游戏状态进行了一些预分析（就扫雷标志而言，通常是：计算所有概率） “得分手”：要求一组普通的得分手为每个可能的动作确定得分，每个得分手根据自己的标准应用得分。计分员可以检查进行的预分析的结果。 将上述步骤中计算出的分数相加，并设置为移动分数。 这些移动将根据其得分进行排序和排名，以便所有具有相同得分的移动都获得相同的排名。 “后记分员”：以上结果可以发送到“后记分员”，后者可以根据后记分员自己的规则以所需的任何方式修改任何字段的分数。 当结合一堆前得分手，得分手（及其权重）和后得分手时，这就是我所说的得分配置。 结果示例 这是分数被应用于扫雷旗帜的一个例子。这是得分的地图： 这是实际分数配置的输出。它显示了可能移动的等级，其中1是最佳等级，并以白色突出显示： 由于编写了高度灵活的代码，这种针对AI的方法也可以插入其他游戏中。 的优点和缺点 以下是我可以想到的该系统的一些优点和缺点 优点 为AI创建很多不同的配置非常容易。 可以与遗传算法一起使用：每个计分员都有一个相关的权重，该权重可以成为基因。 使用某些工具，可以检查为什么做出特定动作，以及哪些得分手对该动作负责 使用工具，可以创建可能动作的总体得分/等级的地图（如上面的屏幕截图） 通过将分数应用于人类的演奏方式，可以创建一个“ #AI_Mirror”，尝试做出人们认为会做出的动作 缺点 要“正确地”调整乐谱配置以使AI尽可能发挥出色，将非常困难。 问题 我在这里构建的系统在AI世界中广为人知吗？真正的AI术语又叫什么？ 这种方法有意义吗？或者您会推荐其他方法吗？ 有哪些方法可以使调整分数配置的过程变得更容易？ 关于最后一个问题，我知道使用遗传算法的可能性，也对SARSA有所了解（我确实认为我的评分员类似于该站点对具有权重的特征的描述，但根据我的理解，这并不是我所创建的这里）。我认为SARSA的问题在于，直到游戏结束，您才知道奖励，最好的举动通常是根本不给予奖励（地雷）的举动。您当前获胜的机会取决于当前比分（您和您的对手选了多少枚地雷）以及当前地图的外观。 这个问题最初发布在现已停产的人工智能网站上。 用于此方法的（Java）代码现已发布在Code Review上。

16 algorithms  artificial-intelligence  computer-games 

当使用A *（或任何其他最佳路径查找算法）时，我们说使用的启发式方法应该是可以接受的，也就是说，它绝不应高估实际解路径的长度（或移动量）。 可允许的启发式方法如何确保最佳解决方案？我最好在寻找一个直观的解释。 如果需要，您可以使用8难题的曼哈顿距离启发法进行解释。

16 algorithms  artificial-intelligence  search-algorithms  heuristics 

我的课程中曾经有一位资深人士，他创建了一种算法，可以建议烹饪食谱。首先，各种疯狂的食谱都会出现。然后，她将用真实的食谱训练烹饪算法，并最终提出非常好的食谱。 我相信她使用了与贝叶斯定理或聚类有关的东西，但是她早已不复存在，算法也是如此。我已经在互联网上搜索过，但是寻找烹饪食谱会产生任何结果，但不是我想要的结果。所以，我的问题是： 可以使用哪些技术来设计（随机地）提出可行配方的算法（不使用固定配方的数据库）？ 为什么我要寻找烹饪算法呢？好吧，这是真实世界中底层概念应用的一个很好的例子，这种算法在更接近真实世界的不同设置中很有用。

15 machine-learning  artificial-intelligence  modelling  recommendation-systems 

lllrrrmax(i⊕j)max(i⊕j)\max{(i\oplus j)}l≤i,j≤rl≤i,j≤rl\le i,\,j\le r 天真的算法只检查所有可能的对。例如在红宝石中，我们有： def max_xor(l, r) max = 0 (l..r).each do |i| (i..r).each do |j| if (i ^ j > max) max = i ^ j end end end max end 我感觉到，我们可以做得比二次。是否有针对此问题的更好算法？

14 algorithms  algorithms  machine-learning  statistics  testing  terminology  asymptotics  landau-notation  reference-request  optimization  scheduling  complexity-theory  time-complexity  lower-bounds  communication-complexity  computational-geometry  computer-architecture  cpu-cache  cpu-pipelines  operating-systems  multi-tasking  algorithms  algorithm-analysis  education  correctness-proof  didactics  algorithms  data-structures  time-complexity  computational-geometry  algorithms  combinatorics  efficiency  partitions  complexity-theory  satisfiability  artificial-intelligence  operating-systems  performance  terminology  computer-architecture 

假设我在挪威峡湾的某处有一个太阳能自动水面舰艇，提供有一组较新的地图，一个GPS接收器，并且没有从我这里下行传送详细命令的方法。例如，这艘船必须尽早到达海南岛。 在地球上寻找海上路线的确定性算法是什么？ 它们的时间和内存复杂度是多少？ 例如，在将地球的地图转换为具有连接的多边形（即球体/椭球上的Delaunay三角剖分）的图之后，我可以使用A *吗？还有其他可行的方法吗？ 理想情况下，答案应为讨论上述问题的论文提供参考。 正如罗布·朗（Rob Lang）所指出的那样，算法必须符合通常的标准：在没有时间限制的情况下，导致地球上海洋两点之间的最短路径，否则表明寻路失败。 这里有一些有趣的子主题（用于在线计算的计算前时间/存储，在最后期限到来之前提供稍微次优的路由等），但这是主要问题的辅助内容。

14 artificial-intelligence  search-algorithms 

我已经在模拟退火算法中对不同的初始温度进行了一些测试，并注意到起始温度会影响算法的性能。 有什么方法可以计算出良好的初始温度吗？

14 optimization  artificial-intelligence  heuristics 

我正在使用神经网络预测时间序列。我现在面临的问题是如何编码日期/时间/序列号。每个输入集合中的哪一个作为神经网络的输入？ 我应该按此处所述使用C编码中的一种（用于编码类别）吗？ 还是我应该只提供时间（自1970年1月1日以来的毫秒数）？ 还是只要按时间顺序提供其余数据，就没有必要提供时间吗？

12 machine-learning  artificial-intelligence  neural-networks 

我在该网站上看到了一些有关Deep Dream的问题，但是似乎没有一个人真正谈论DeepDream的工作。据我所知，它们似乎已经改变了目标函数，并且还改变了反向传播方式，因此它们不更新权重而是更新输入图像。 我想知道是否有人确切知道Google做了什么。他们在他们的一篇文章中提到在进行优化时强加贝叶斯先验，由此我可以想象得到让神经网络为每个标签吐出图像并不那么困难-我们可以简单地设置标签，然后相应地优化输入向量。 但是，深梦的有趣之处在于它是逐层执行的，因此，我不太确定它如何逐层强调细节。 当然，提供图像会给您每个神经元的价值，但是我们如何利用这些信息来夸大原始图像中的细节呢？我一直在努力寻找有关此问题的详细文章。 参考：此处vzn回答了类似的问题：https ://cs.stackexchange.com/a/44857/49671 通过该链接，可以在此处实现Deepdream的实现：http ://auduno.com/post/125362849838/visualizing-googlenet-classes 除非它不提供此处讨论的夸张功能，否则：http：//googleresearch.blogspot.com/2015/06/inceptionism-going-deeper-into-neural.html 它们都显示特定类和特定层的可视化，并说： 除了确切规定我们要网络放大的功能以外，我们还可以让网络做出决定。在这种情况下，我们只需向网络提供任意图像或照片，然后让网络分析图片。然后，我们选择一个图层并要求网络增强检测到的内容。

12 machine-learning  artificial-intelligence  neural-networks  image-processing  computer-vision 

我刚刚开始研究人工智能，并且想知道为什么8难题的可到达状态空间为。我看到磁贴的排列数是但是，尚不清楚为什么在任何给定状态下都无法达到拼图的一半可能状态。谁能详细说明？9!/29!/29!/29!9!9! 供参考的8拼图图片，左侧为随机配置，右侧为目标状态：

11 artificial-intelligence 

k最近邻的主要思想考虑了最近点，并通过多数表决决定数据的分类。如果是这样，那么它在高维数据中应该不会有问题，因为像位置敏感的哈希这样的方法可以有效地找到最近的邻居。ķķk 此外，利用贝叶斯网络进行特征选择可以减少数据量并简化学习过程。 但是，约翰·拉弗蒂（John Lafferty）在统计学习中的这篇评论文章指出，高维特征空间中的非参数学习仍然是一个挑战，尚未解决。 怎么了？

11 machine-learning  artificial-intelligence