Questions tagged «artificial-intelligence»

我读过的每个用于图像识别的示例神经网络都会产生一个简单的“是”或“否”答案。一个出口节点对应于“是，这是一张人脸”，一个出口节点对应于“否，这不是一张人脸”。 我了解这可能是为了简化说明，但我想知道如何对这样的神经网络进行编程以提供更具体的输出。例如，假设我正在对动物进行分类。与其说“动物”或“不是动物”，不如说是“狗”，“鱼”，“鸟”，“蛇”等响应，而最后一个退出节点是“不是动物/我”不认识这个”。 我敢肯定这是有可能的，但是我在理解如何做上有困难。似乎是由于错误的反向传播训练算法所致，当您训练一个出口节点（即“这是一条狗”）并且神经元的权重发生变化时，您先前训练的另一个出口节点的理想状态受过训练的人（即“这是一只鸟”）将开始偏离，反之亦然。因此，训练网络以识别一个类别将破坏对另一类别所做的任何训练，从而将我们限制为简单的“是”或“否”设计。 这会使这种识别器成为不可能吗？还是我误解了算法？我能想到的只有两件事： 我们可以为要分类的每个事物训练一个神经网络，然后以某种方式使用它们来构建更大的超级网络（例如，“狗”网络，“鸟”网络等）一起创建“动物”的超级网络）；要么， 创建某种荒谬的，复杂的训练方法，这将需要极其先进的数学，并且将以某种方式为所有可能的输出（换句话说insert math magic here）产生理想的神经元权重状态。 （旁注1：我专门将多层感知器视为一种神经网络。） （注2：对于第一个项目符号“可能的解决方案”，具有每个特定的神经网络并对其进行迭代，直到我们收到“是”的响应是不够的。我知道可以很容易地做到这一点，但这很简单编程而不是机器学习。我想知道是否有可能使用一个神经网络将信息提供给并接收适当的响应。）

11 machine-learning  artificial-intelligence 

实现“下一个单词预测”的好方法是什么？例如，用户键入“我是”，并且系统建议“ a”和“ not”（或其他可能）作为下一个单词。我知道一种使用马尔可夫链和一些训练文本（显然）来或多或少地实现这一目标的方法。但是我在某处读到，该方法非常严格，适用于非常简单的情况。 我了解神经网络和遗传算法的基础知识（尽管从未在严肃的项目中使用过它们），也许它们可能会有所帮助。我想知道是否有任何算法可以在给定适当的培训文本（例如报纸文章和用户自己的打字）的情况下为下一个单词提出合理适当的建议。如果没有（链接到）算法，则欢迎使用一般的高级方法来解决此问题。

10 algorithms  artificial-intelligence  machine-learning  natural-language-processing 

想要改善这篇文章吗？提供此问题的详细答案，包括引文和为什么答案正确的解释。答案不够详细的答案可能会被编辑或删除。 关闭。这个问题是题外话。它当前不接受答案。 想改善这个问题吗？ 更新问题，使它成为软件工程堆栈交换的主题。 6年前关闭。 我是一所大学的大四学生，之前没有做过很多图像处理（智能手机上的一些基本图像压缩除外）。我将在下学期开始一项有关机器学习的研究项目，这将需要一些生物医学图像处理。在大约两个月的时间里，掌握图像处理基础知识的最佳方法是什么？还是不切实际？ 我的印象是，一旦掌握了基础知识，从其他资源中学习更多内容将变得更加容易。

9 artificial-intelligence  machine-learning  image-manipulation