Yapay zeka

TensorFlow Fold ile PyTorch ve TensorFlow gibi çerçeveler Dinamik Hesaplama Grafiklerini destekler ve veri bilim insanlarından dikkat çeker . Bununla birlikte, Dinamik Hesaplama Grafiklerini anlamada yardımcı olacak kaynak eksikliği var gibi görünüyor. Dinamik Hesaplamalı Grafiklerin avantajı, giriş verilerinde değişen miktarlara uyum sağlama yeteneğini içerir. Eğitim sırasında her bir giriş seti …

19 neural-networks 

ReCAPTCHA'nın karmaşıklığı arttıkça, sadece bir insanın çözebileceği (veya AI'nin tam olarak insan beynini üretmediği sürece çözemeyeceği) bir sorunun varlığını merak ettim. . Örneğin, çarpık metin sadece insanlar tarafından çözülebilirdi. Olmasına rağmen... Bilgisayar şimdi en zorlu durumlarda bile [bozuk metin] testini% 99,8 oranında sağladı. Çarpık metnin artık gerçek insan tespiti için …

18 agi  problem-solving  intelligence-testing  ai-complete 

Ekim 2014'te, Dr. Mark Riedl , orijinal Lovelace Testinden (2001'de yayınlanan) esinlendikten sonra "Lovelace Test 2.0" adlı AI zekasını test etmek için bir yaklaşım yayınladı. Mark, orijinal Lovelace Testinin geçmesinin imkansız olduğuna inanıyordu ve bu nedenle daha zayıf ve daha pratik bir versiyon önerdi. Lovelace Testi 2.0, bir yapay zekanın …

18 history  intelligence-testing 

Turing makineleri için kanıtlanmış durma problemi göz önüne alındığında, güçlü Yapay Zeka yeteneğine sınırlar getirebilir miyiz?

18 halting-problem 

Yirminci yüzyılın analogdan dijital devreye geçişinin ardındaki itici güç, daha yüksek doğruluk ve daha düşük gürültü arzusu tarafından yönlendirildi. Şimdi sonuçların yaklaşık olduğu ve gürültünün pozitif değere sahip olduğu bir yazılım geliştiriyoruz. Yapay ağlarda, bir yakınsak algoritmada sonraki adımları tahmin etmek ve kabul edilebilir yanlışlık ve şüphe düzeylerini tanımlamak için …

18 machine-learning  hardware  neuromorphic-engineering  analog-computing  spiking-networks 

Bu terimleri bu sitenin etrafına, özellikle evrişimli-sinir ağları ve sinir ağları etiketlerinde çok fazla atıldığını gördüm . Bir Sinir Ağının insan beynine gevşek bir şekilde dayanan bir sistem olduğunu biliyorum. Peki, bir Evrimsel Sinir Ağı ile düzenli bir Sinir Ağı arasındaki fark nedir? Biri çok daha karmaşık ve ahem, kıvrımlı …

18 neural-networks  convolutional-neural-networks  definitions  terminology 

Bir NN'nin nnn gizli katman, mmm eğitim örneği, xxx özelliği ve n i içerdiğini varsayalımninin_i düğümü . Geri yayılım kullanarak bu NN'yi eğitmenin zaman karmaşıklığı nedir? Algoritmaların zaman karmaşıklığını nasıl buldukları hakkında temel bir fikrim var, ancak burada dikkate alınması gereken 4 farklı faktör var, yani her katmandaki yinelemeler, katmanlar, …

18 neural-networks  machine-learning  backpropagation  time-complexity 

Sinir ağlarındaki aktivasyon fonksiyonlarının doğrusal olmamaya yardımcı olduğu söylenir . Ne anlama geliyor? Bu bağlamda doğrusal olmama ne anlama geliyor? Bu doğrusal olmama durumu nasıl yardımcı olur? Aktivasyon fonksiyonlarının başka amaçları var mı?

18 neural-networks  deep-learning 

Alaycılığı belirlemek ML ve NLP alanındaki en zor açık uçlu sorunlardan biri olarak kabul edilir. Peki, bu cephede kayda değer bir araştırma yapıldı mı? Evet ise, doğruluk nasıldır? Lütfen ayrıca NLP modelini kısaca açıklayınız.

17 natural-language-processing  research  semantics 

Wikipedia'dan: Bir ayna nöron, hem bir hayvan hareket ettiğinde hem de hayvan başka bir kişinin yaptığı aynı eylemi gözlemlediğinde ateş eden bir nörondur. Ayna nöronlar, mevcut gerçek dünya AI uygulamalarında eksik olan çok kullanışlı bir özellik olan taklit öğrenme ile ilgilidir. Girdi-çıktı örneklerinden (denetimli öğrenme) veya ödüllerden (takviye öğrenme) öğrenmek …

17 neural-networks  models 

Wikipedia'ya göre , Prolog, yapay zeka ve hesaplama dilbilimi ile ilişkili genel amaçlı bir mantık programlama dilidir. Hala yapay zeka için kullanılıyor mu? Bu, 2014 kapalı beta ile ilgili bir soruya dayanmaktadır. Yazar 330 UID'ye sahipti.

17 history  programming-languages  prolog 

Bu, yapay zeka için kapalı bir betadan geliyor ve bu soru 47 numaralı kullanıcı tarafından gönderiliyor. Wikipedia'ya göre , Boltzmann makineleri Hopfield ağlarının stokastik, üretken muadili olarak görülebilir. Her ikisi de bit kalıplarını öğrenmek için eğitilebilen tekrarlayan sinir ağlarıdır. Daha sonra kısmi bir desenle sunulduğunda, ağ tam tam deseni alır. …

17 neural-networks  comparison  recurrent-neural-networks 

Jenerik Düşman Ağları Anlama'da (Daniel Seita tarafından yazılmış bir blog yazısı) sağlanan GAN kaybı işlevini anlamaya çalışıyorum . Standart çapraz entropi kaybında, sigmoid fonksiyon ve sonuçta ikili sınıflandırma yoluyla çalıştırılan bir çıktıya sahibiz. Sieta Eyaletleri x1x1x_1 'H( ( x1, y1) , D ) = - y1günlükD ( x1) - ( …

17 neural-networks  machine-learning  deep-learning  loss-functions  generative-adversarial-networks 

Açık wikipedia sayfasında AI hakkında, biz okuyabilir: Optik karakter tanıma artık rutin bir teknoloji haline gelen "yapay zeka" nın bir örneği olarak algılanmıyor. Öte yandan, MNIST el yazısıyla yazılan veri tabanı özellikle sinir ağlarını ve hata oranlarını eğitmek ve test etmek için tasarlanmıştır (bakınız: Sınıflandırıcılar ). Öyleyse yukarıdaki alıntı neden …

17 ocr 

Sadece eğlence için, sinir ağı geliştirmeye çalışıyorum. Şimdi, geri yayılım için iki teknik gördüm. İlki burada ve diğer birçok yerde de kullanılıyor. Yaptığı şey: Her çıkış nöronu için hatayı hesaplar. Ağa geri çoğaltır (her bir iç nöron için bir hata hesaplar). Ağırlıkları aşağıdaki formüle göre günceller: ( ağırlıktaki değişiklik , …

17 neural-networks  machine-learning  backpropagation