คำถามติดแท็ก algorithm

ทศวรรษที่ผ่านมามีและเป็นหนังสือในแมชชีนวิชันซึ่งใช้กฎการประมวลผลข้อมูลต่าง ๆ จากจิตวิทยา gestalt ได้ผลลัพธ์ที่น่าประทับใจด้วยรหัสน้อยหรือฮาร์ดแวร์พิเศษในการระบุภาพและการประมวลผลภาพ วันนี้มีการใช้วิธีการดังกล่าวหรือไม่ มีความคืบหน้าเกี่ยวกับเรื่องนี้หรือไม่? หรือโปรแกรมการวิจัยนี้ลดลง? ภายในวันนี้ฉันหมายถึงปี 2559 ไม่ใช่ปี 1995 หรือปี 2005

14 machine-learning  algorithm  computer-vision 

หากรายการนี้1สามารถใช้เพื่อจำแนกปัญหาใน AI ... ถอดรหัสปัญหาที่เล็กลงหรือง่ายขึ้น ขั้นตอนการแก้ปัญหาสามารถถูกละเว้นหรือเลิกทำ จักรวาลปัญหาที่คาดการณ์ได้ ทางออกที่ดีชัดเจน ใช้ฐานความรู้ที่สอดคล้องกันภายใน ต้องการความรู้มากมายหรือใช้ความรู้เพื่อ จำกัด การแก้ปัญหา ต้องมีการโต้ตอบเป็นระยะระหว่างมนุษย์และคอมพิวเตอร์ ... มีความสัมพันธ์ที่ยอมรับกันโดยทั่วไประหว่างการวางปัญหาตามมิติเหล่านี้และอัลกอริทึม / แนวทางที่เหมาะสมในการแก้ปัญหาหรือไม่ อ้างอิง [1] https://images.slideplayer.com/23/6911262/slides/slide_4.jpg

13 ai-design  algorithm  reference-request 

ฉันต้องการฝึกบอทที่ใช้การป้อนข้อความจดจำบางหมวดหมู่และตอบคำถามตามนั้น นอกจากนี้ในเวอร์ชั่น 2.0 ฉันต้องการให้ bot ตอบรับอินพุตด้วยเช่นกัน ขั้นตอนวิธีการเรียนรู้ของเครื่อง / AI ล่าสุดที่เหมือนกันมีอะไรบ้าง? โปรดแจ้งให้เราทราบ

11 machine-learning  algorithm  chat-bots 

ฉันกำลังอ่านหนังสือเสริมการเรียนรู้: บทนำโดย Richard S. Sutton และ Andrew G. Barto (ฉบับร่างสมบูรณ์, 5 พฤศจิกายน 2017) บนหน้า 271 รหัสหลอกสำหรับวิธีการนโยบายไล่ระดับสี Monte-Carlo หลักการจะแสดง ดูโค้ดหลอกนี้ฉันไม่เข้าใจว่าทำไมมันดูเหมือนว่าอัตราส่วนลดปรากฏขึ้น 2 ครั้งหนึ่งครั้งในสถานะอัพเดตและครั้งที่สองภายในผลตอบแทน [ดูรูปด้านล่าง] ดูเหมือนว่าการคืนค่าสำหรับขั้นตอนหลังจากขั้นตอนที่ 1 เป็นเพียงการตัดทอนการคืนค่าของขั้นตอนแรก นอกจากนี้หากคุณดูเพียงหนึ่งหน้าข้างบนในหนังสือคุณจะพบสมการที่มีอัตราส่วนลดเพียง 1 รายการ (หนึ่งในผลตอบแทน) ทำไมรหัสเทียมดูไม่เหมือนกัน? ฉันเดาว่าฉันเข้าใจผิดบางสิ่ง: θt+1 =˙ θt+αGt∇θπ(At|St,θt)π(At|St,θt).(13.6)(13.6)θt+1 =˙ θt+αGt∇θπ(At|St,θt)π(At|St,θt). {\mathbf{\theta}}_{t+1} ~\dot{=}~\mathbf{\theta}_t + \alpha G_t \frac{{\nabla}_{\mathbf{\theta}} \pi \left(A_t \middle| S_t, \mathbf{\theta}_{t} \right)}{\pi \left(A_t \middle| …

11 reinforcement-learning  algorithm  rl-an-introduction  reinforce 

ดังนั้นฉันจึงพยายามนำ BFS ไปใช้กับตัวต่อSlide Blocks (ประเภทตัวเลข) ตอนนี้สิ่งสำคัญที่ฉันสังเกตเห็นคือถ้าคุณมี4*4คณะกรรมการจำนวนของรัฐสามารถมีขนาดใหญ่เป็น16!ดังนั้นฉันไม่สามารถระบุทุกรัฐล่วงหน้า ดังนั้นคำถามของฉันคือฉันจะติดตามรัฐที่เยี่ยมชมแล้วได้อย่างไร (ฉันกำลังใช้บอร์ดระดับแต่ละอินสแตนซ์ของชั้นเรียนมีรูปแบบกระดานที่ไม่ซ้ำกันและสร้างขึ้นโดยการระบุขั้นตอนที่เป็นไปได้ทั้งหมดจากขั้นตอนปัจจุบัน) ฉันค้นหาบนเน็ตและเห็นได้ชัดว่าพวกเขาไม่กลับไปยังขั้นตอนก่อนหน้าที่เพิ่งเสร็จสมบูรณ์แต่เราสามารถกลับไปยังขั้นตอนก่อนหน้าโดยเส้นทางอื่นด้วยเช่นกันจากนั้นระบุขั้นตอนทั้งหมดที่เคยเยี่ยมชมอีกครั้ง ดังนั้นวิธีการติดตามของรัฐที่เยี่ยมชมเมื่อทุกรัฐไม่ได้รับการระบุแล้ว? (การเปรียบเทียบสถานะปัจจุบันที่มีอยู่แล้วกับขั้นตอนปัจจุบันจะมีค่าใช้จ่ายสูง)

10 ai-design  algorithm  ai-basics  breadth-first-search 

ข้อ จำกัด ของอัลกอริทึมการปีนเขาคืออะไร? เราจะเอาชนะข้อ จำกัด เหล่านี้ได้อย่างไร

9 algorithm  search  optimization  problem-solving  hill-climbing 

ฉันกำลังพยายามหาอัลกอริธึมที่เหมาะสมสำหรับระบบที่ผู้ใช้ป้อนอาการสองสามอย่างและระบบต้องคาดเดาหรือกำหนดโอกาสที่อาการบางอย่างที่เลือกจะสัมพันธ์กับที่มีอยู่ในระบบ จากนั้นหลังจากเชื่อมโยงพวกเขาผลลัพธ์หรือผลลัพธ์ควรเป็นโรคเฉพาะสำหรับอาการ ระบบประกอบด้วยชุดของโรคที่ได้รับมอบหมายให้แต่ละอาการเฉพาะซึ่งยังมีอยู่ในระบบ สมมติว่าผู้ใช้ป้อนอินพุตต่อไปนี้: A, B, C, and D สิ่งแรกที่ระบบควรทำคือตรวจสอบและเชื่อมโยงอาการแต่ละอย่าง (ในกรณีนี้แสดงด้วยตัวอักษรตามตัวอักษร) ทีละตัวกับตารางข้อมูลของอาการที่มีอยู่แล้ว และในกรณีที่ไม่มีข้อมูลเข้าระบบควรรายงานหรือส่งข้อเสนอแนะเกี่ยวกับข้อมูลนั้น และสมมุติว่ามันA and Bอยู่ในตารางข้อมูลเรามั่นใจ 100% ว่ามันถูกต้องหรือมีอยู่จริงและระบบสามารถให้โรคตามอินพุตได้ แล้วขอบอกว่าการป้อนข้อมูลที่ตอนนี้เป็นC and Dที่Cไม่อยู่ในข้อมูลตาราง แต่มีความเป็นไปได้ที่Dมีอยู่ เราไม่ให้Dคะแนน 100% แต่อาจจะต่ำกว่านี้ (สมมุติว่า 90%) จากนั้นCก็ไม่มีอยู่ในตารางข้อมูล ดังนั้นCได้รับคะแนน 0% ดังนั้นระบบควรมีการเชื่อมโยงและเทคนิคการทำนายหรือกฎบางอย่างเพื่อส่งออกผลลัพธ์โดยการตัดสินอินพุตของผู้ใช้ สรุปการสร้างผลลัพธ์: If A and B were entered and exist, then output = 100% If D was entered and existed …

9 algorithm  machine-learning  prediction