Yapay zeka

yaygın tüketici sınıfı GPU'larda eğitilebilir sinir ağlarının büyüklüğü hakkında genel bir tahmin yapmak mümkün müdür ? Örneğin: Hareketin Ortaya Çıkışı (Takviye) makalesi nöronların tanh aktivasyonunu kullanarak bir ağı eğitir. Düzlemsel Yürüteç için 300.200.100 adet olan 3 katmanlı bir NN'ye sahiptirler . Ama donanımı ve zamanı bildirmiyorlar ... Ancak genel bir …

9 neural-networks 

Bilgisayar bilimlerinde doktora öğrencisiyim ve şu anda Machine Ethics'te (açık bir etik program veya ajan yaratmaya bakan felsefe ve yapay zekayı birleştiren multidisipliner bir alan) son teknoloji ürünü bir genel bakış oluşturuyorum. Alanın çoğunlukla teorik argümanlar içerdiği ve alanda teknik geçmişi olan birçok insan olmasına rağmen nispeten az uygulama olduğu …

9 philosophy  ethics  social  implementation 

Hinton'un "Kapsüller Arasında Dinamik Yönlendirme" adlı yeni makalesini okuyordum ve özette "aktivite vektörü" terimini anlamadım. Bir kapsül, aktivite vektörü bir nesne veya nesne parçası gibi belirli bir varlık türünün örnekleme parametrelerini temsil eden bir nöron grubudur. Faaliyet vektörünün uzunluğunu, işletmenin var olma olasılığını temsil etmek için ve onun yönlendirme örneklerini …

9 neural-networks 

Satranç benzeri bir masa oyunu icat ettim. Otonom olarak oynayabilmek için bir motor yaptım. Motor temel olarak bir karar ağacıdır. Oluşturan: Her düğümde olası tüm yasal hareketleri bulan bir arama işlevi Tahta pozisyonuna sayısal bir değer atayan bir değerlendirme fonksiyonu (olumlu, ilk oyuncuların üstünlüğü elde ettiği anlamına gelir, negatif, ikinci …

9 reinforcement-learning  game-ai  game-theory  combinatorial-games  negamax 

Birden fazla kaynak, MSE'nin dışbükey olduğu için harika olduğunu belirtmiştim. Ama nasıl olduğunu anlamıyorum, özellikle sinir ağları bağlamında. Diyelim ki aşağıdakiler var: XXX : eğitim veri kümesi YYY : hedefler ΘΘ\Theta : modelinin parametre seti ( doğrusal olmayan bir sinir ağı modeli)fΘfΘf_\Theta Sonra: MSE(Θ)=(fΘ(X)−Y)2MSE⁡(Θ)=(fΘ(X)−Y)2\operatorname{MSE}(\Theta) = (f_\Theta(X) - Y)^2 Neden bu …

9 neural-networks  math  backpropagation  gradient-descent 

Geçen yıldan başlayarak, makine öğrenimi gibi en önemli tezlerden bazılarını anlamak için çeşitli konular üzerinde çalışıyorum. S. Hochreiter ve J. Schmidhuber. (1997). Uzun kısa süreli bellek . Sinirsel Hesaplama, 9 (8), 1735-1780. Ancak, herhangi bir matematiksel geçmişe sahip olmadığım için, hesap Çok Değişkenli Analiz Matematiksel Analiz Lineer Cebir Diferansiyel denklemler …

9 machine-learning  getting-started 

Analojiler iletişimde oldukça güçlüdür. Alan adı bilgisi olmayan kişilere karmaşık kavramları, yalnızca bilinen bir alan adıyla eşleştirerek açıklamaya izin verir. Hofstadter önemli olduklarını söylerken Dijkstra tehlikeli olduklarını söylüyor. Her neyse, analojiler insan iletişimindeki kavramları aktarmanın güçlü bir yolu olarak görülebilir ( transfer öğrenmeye cesaret edebilir miyim ?). Vaka Tabanlı Akıl …

9 ai-design  philosophy  agi 

Kısa süre önce sanal asistanların şaka anlatımlarındaki WIRED videosunu izledim. İnsanlar tarafından besteleniyorlar, ancak yapay zekanın bir şeyler yazacak kadar iyi olup olmadığını bilmek istiyorum.

9 machine-learning 

Sinir ağı evrimi (NEAT) ile biraz deneme yapmak istiyorum. Ben sadece oynamak için 90'lı yıllarda bazı GA ve sinirsel kod C ++ yazdım, ama DIY yaklaşım nihayet düştü yeterince emek yoğun olduğunu kanıtladı. O zamandan beri işler çok değişti ve hemen hemen her ilgi alanı için çok güzel açık kaynak …

9 neural-networks  genetic-algorithms  neat 

Son zamanlarda poker oyuncusu şampiyonunu yenen makine ne kadar güçlü?

9 neural-networks  machine-learning 

Winograd SHRDLU programına rastladım ve çok ilginç ve hevesli buldum. Bununla ilgili fikir birliği nedir? Benzer girişimler var mı? Terry Winograd Doğal Dili Anlama kitabını okuyorum, burada programın işlevselliğini, LISP dilini ve daha fazlasını anlatıyor. Ayrıca dilbilimci Michael Halliday'i ve Winograd'ın kitabında bahsedilen Sistemik (fonksiyonel) Dilbilgisi teorisini buldum . Bu …

9 natural-language-processing  computational-linguistics  lisp 

Tamamen (veya en azından çoğunlukla) güven konusu dışında kalan sentetik / yapay görüntülerin tanınmasında yüksek güven vermek için derin sinir ağlarının nispeten kolayca kandırılabileceğini ( bağlantı ) okudum . Şahsen, DNN ile bu sentetik / yapay görüntülere yüksek güven veren büyük bir sorun görmüyorum ama beyaz gürültüye ( bağlantı ) …

9 neural-networks  deep-network  image-recognition  convolutional-neural-networks  signal-processing 

Şimdi Scikit-Learn ve TensorFlow ile Hands-On Machine Learning adlı bir kitap okuyorum ve kitabın 10. Bölümünde yazar şunları yazıyor: Biyolojik sinir ağlarının (BNN) 4 mimarisi hala aktif araştırmanın konusudur, ancak beynin bazı kısımları haritalanmıştır ve Şekil 10-2'de gösterildiği gibi nöronların sıklıkla ardışık katmanlarda organize olduğu görülmektedir. Ancak orada herhangi bir …

9 artificial-neuron  biology 

Veri madenciliği yöntemlerini incelerken iki ana kategori olduğunu anladım: Tahmin yöntemleri: sınıflandırma gerileme Açıklayıcı yöntemler: Kümeleme İlişkilendirme kuralları Konum, aktivite, pil seviyesine (eğitim modeli için girdi) dayalı olarak kullanıcı kullanılabilirliğini (çıktı) tahmin etmek istediğim için, "Öngörücü yöntemler" i seçeceğimin açık olduğunu düşünüyorum, ancak şimdi seçim yapamıyorum sınıflandırma ve regresyon. Şimdiye …

9 machine-learning  ai-design  classification  prediction  regression 

Aklıma ilk olarak bu soruda "Yapay zeka acı çekebilir mi?" Acı çekmek insanlar için önemlidir. Topuğuna zarar verdiğini düşün. Acı olmadan, ona zarar vermeye devam edeceksin. Bir AI için aynı. Ama sonra kendime " Bir saniye bekle. Zaten var. Gösterilen hatalar ve uyarılar " dedim . Acı ile benzer bir …

9 philosophy  emotional-intelligence