คำถามติดแท็ก math

ฉันทราบว่าเครือข่ายประสาทอาจไม่ได้ถูกออกแบบมาให้ทำเช่นนั้นอย่างไรก็ตามถามสมมุติว่าเป็นไปได้ไหมที่จะฝึกโครงข่ายประสาทลึก (หรือคล้ายกัน) เพื่อแก้สมการทางคณิตศาสตร์ ดังนั้นเมื่อได้รับ 3 อินพุท: หมายเลขที่ 1 เครื่องหมายของโอเปอเรเตอร์แสดงด้วยหมายเลข (1 - +, 2 - -, 3 - /, 4 - *และอื่น ๆ ) และหมายเลขที่ 2 จากนั้นหลังจากการฝึกอบรมเครือข่ายควรให้ผลลัพธ์ที่ถูกต้อง ตัวอย่างที่ 1 ( 2+2): การป้อนข้อมูลที่ 1: 2; อินพุต 2: 1( +); อินพุต 3: 2; ผลลัพธ์ที่คาดหวัง:4 การป้อนข้อมูลที่ 1: 10; อินพุต 2: 2( -); อินพุต 3: …

24 neural-networks  math 

สมมติว่าเรามีหลักฐานจำนวนมากในแคลคูลัสภาคแสดงคำสั่งแรก สมมติว่าเรามีสัจพจน์คอลลารีและทฤษฎีบทในสาขาคณิตศาสตร์ในรูปแบบนั้นด้วย พิจารณาข้อเสนอแต่ละข้อที่ได้รับการพิสูจน์แล้วและร่างของทฤษฎีที่มีอยู่โดยรอบข้อเสนอนั้นเป็นตัวอย่างในชุดฝึกอบรมและหลักฐานที่ดีที่รู้จักกันดีสำหรับข้อเสนอดังกล่าวเป็นฉลากที่เกี่ยวข้อง ในตอนนี้ให้พิจารณาเครือข่ายประดิษฐ์ที่ออกแบบมาเพื่อฝึกฝนในชุดตัวอย่างนี้โดยเฉพาะและตั้งค่าพารามิเตอร์ไฮเปอร์ไว้อย่างถูกต้อง เป็นไปได้ไหมที่จะฝึกอบรมเครือข่ายประดิษฐ์ที่ลึกลงไปในลักษณะที่การนำเสนอของข้อเสนอใหม่และทฤษฎีที่มีอยู่รอบ ๆ มันนำเสนอในภาคแสดงคำสั่งแรกที่แคลคูลัสที่อินพุตจะสร้างหลักฐานที่เอาท์พุท? (แน่นอนว่าหลักฐานดังกล่าวควรได้รับการตรวจสอบด้วยตนเอง) หากสัดส่วนของการพิสูจน์ที่ดีส่งผลให้มีสูงเพียงพออาจเป็นไปได้ไหมที่จะสร้างอัลกอริทึมทางพันธุกรรมที่เสนอข้อเสนอไปยังเครือข่ายลึกที่ผ่านการฝึกอบรม เป็นไปได้ไหม เป็นไปได้ไหมที่จะใช้การออกแบบเครือข่ายแบบลึกนี้เพื่อแก้ปัญหาการคาดการณ์ของโคลลาตซ์หรือการคาดการณ์ของรีมันน์

21 neural-networks  deep-learning  math  automated-theorem-proving 

ฉันเป็นนักศึกษาวิศวกรรมซอฟต์แวร์และฉันเป็นผู้เริ่มต้นหลักสูตร AI ที่สมบูรณ์ ฉันได้อ่านบทความมากมายเกี่ยวกับวิธีเริ่มต้นเรียนรู้ AI แต่แต่ละบทความมีวิธีที่แตกต่างกัน ฉันสงสัยว่าผู้เชี่ยวชาญบางคนสามารถช่วยฉันเริ่มต้นได้อย่างถูกต้องหรือไม่ คำถามเพิ่มเติมอีกสองสามข้อ ฉันควรเน้นภาษาใด มีบทความมากมายแนะนำให้ใช้ Python, C ++ หรือ Lisp สำหรับ AI ฉันสามารถใช้ Java แทนภาษาอื่นที่กล่าวถึงได้หรือไม่ ฉันควรมีพื้นฐานทางคณิตศาสตร์แบบใด ในช่วงปีแรกฉันทำคณิตศาสตร์แบบแยกซึ่งรวมหัวข้อต่อไปนี้: ชุดเมทริกซ์เวกเตอร์ฟังก์ชันตรรกะและทฤษฎีกราฟ (พวกเขาสอนหัวข้อเหล่านี้สั้น ๆ ) มีอีกหัวข้อที่ฉันควรเรียนรู้ตอนนี้? ตัวอย่างเช่นแคลคูลัส? ถ้าเป็นไปได้ฉันจะขอบคุณแหล่งข้อมูลหรือหนังสือที่ฉันสามารถใช้เพื่อเริ่มต้นใช้งานหรือบางทีพวกคุณสามารถให้รายละเอียดขั้นตอนที่ฉันสามารถติดตามเพื่อติดตามระดับของคุณ หมายเหตุ: สำหรับตอนนี้ฉันต้องการที่จะมุ่งเน้นไปที่เครือข่ายประสาทและการเรียนรู้ของเครื่อง หลังจากนั้นฉันต้องการสำรวจหุ่นยนต์และการประมวลผลภาษาธรรมชาติ

16 ai-basics  getting-started  math  programming-languages 

คำถามนี้มีคำตอบอยู่ที่นี่แล้ว : เราเริ่มเรียนรู้ปัญญาประดิษฐ์ได้อย่างไร [ซ้ำ] (6 คำตอบ) ปิดให้บริการในวันที่ 12 ที่ผ่านมา ภูมิหลังทางคณิตศาสตร์ที่จำเป็นในการเริ่มเรียนรู้ AI คืออะไร? ฉันควรเรียนรู้อะไรอีก

13 ai-basics  math  getting-started 

ฉันเลือกฟังก์ชั่นการเปิดใช้งานสำหรับเลเยอร์เอาต์พุตขึ้นอยู่กับเอาต์พุตที่ฉันต้องการและคุณสมบัติของฟังก์ชั่นการเปิดใช้งานที่ฉันรู้ ตัวอย่างเช่นฉันเลือกฟังก์ชัน sigmoid เมื่อฉันจัดการกับความน่าจะเป็น ReLU เมื่อฉันจัดการกับค่าบวกและฟังก์ชันเชิงเส้นเมื่อฉันจัดการกับค่าทั่วไป ในเลเยอร์ที่ซ่อนอยู่ฉันใช้ ReLU ที่มีการรั่วไหลเพื่อหลีกเลี่ยงเซลล์ประสาทที่ตายแล้วแทนที่จะเป็น ReLU และ tanh แทนที่จะเป็น sigmoid แน่นอนฉันไม่ได้ใช้ฟังก์ชันเชิงเส้นในหน่วยที่ซ่อนอยู่ อย่างไรก็ตามตัวเลือกสำหรับพวกเขาในเลเยอร์ที่ซ่อนอยู่ส่วนใหญ่เกิดจากการลองผิดลองถูก มีกฎใด ๆ ของฟังก์ชั่นการเปิดใช้งานที่น่าจะทำงานได้ดีในบางสถานการณ์ ใช้คำว่าสถานการณ์ทั่วไปเท่าที่จะทำได้: อาจหมายถึงความลึกของเลเยอร์ความลึกของ NN กับจำนวนของเซลล์ประสาทสำหรับเลเยอร์นั้นไปยังออพติไมเซอร์ที่เราเลือก เลเยอร์นั้นไปยังแอปพลิเคชันของ NN นี้เป็นต้น ในคำตอบของเขา / เธอ cantordust หมายถึงฟังก์ชั่นการเปิดใช้งานอื่น ๆ ที่ฉันไม่ได้พูดถึงเช่น ELU และ SELU ข่าวสารนี้มีมากกว่ายินดี อย่างไรก็ตามฟังก์ชั่นการเปิดใช้งานเพิ่มเติมที่ฉันค้นพบยิ่งฉันสับสนในการเลือกฟังก์ชั่นที่จะใช้ในเลเยอร์ที่ซ่อนอยู่ และฉันไม่คิดว่าการพลิกเหรียญเป็นวิธีที่ดีในการเลือกฟังก์ชั่นการเปิดใช้งาน

13 neural-networks  machine-learning  math  activation-function 

ฉันอ่านThe Book of Why ของจูเดียเพิร์ลซึ่งเขากล่าวว่าการเรียนรู้อย่างลึกซึ้งเป็นเพียงแค่เทคโนโลยีการปรับโค้งที่ได้รับการยกย่องและจะไม่สามารถสร้างสติปัญญาของมนุษย์ได้ จากหนังสือของเขามีแผนภาพนี้ที่แสดงความสามารถทางปัญญาสามระดับ: แนวคิดก็คือ "ปัญญา" ที่ผลิตโดยเทคโนโลยีการเรียนรู้ลึกในปัจจุบันนั้นอยู่ในระดับของการเชื่อมโยงเท่านั้น ดังนั้น AI จึงไม่มีที่ไหนใกล้กับระดับของคำถามที่ถามเช่น "ฉันจะทำให้ Y เกิดขึ้นได้อย่างไร" (การแทรกแซง) และ "จะเกิดอะไรขึ้นถ้าฉันทำสิ่งที่แตกต่างไป (counterfactuals) และเป็นไปได้ยากที่เทคนิคการปรับโค้งจะทำให้เราเข้าใกล้ความสามารถทางปัญญาในระดับที่สูงขึ้น ฉันพบว่าเหตุผลของเขาโน้มน้าวใจในระดับสัญชาตญาณ แต่ฉันไม่สามารถหากฎหมายทางกายภาพหรือคณิตศาสตร์ที่สามารถหนุนหรือสงสัยในการโต้แย้งนี้ ดังนั้นมีข้อโต้แย้งทางวิทยาศาสตร์ / กายภาพ / เคมี / ชีวภาพ / คณิตศาสตร์ที่ป้องกันไม่ให้การเรียนรู้อย่างลึกซึ้งจากที่เคยผลิต AI ที่แข็งแกร่ง (ปัญญาเหมือนมนุษย์)?

12 deep-learning  strong-ai  math  theory  superintelligence 

ข้อกำหนดเบื้องต้นทางคณิตศาสตร์สำหรับการทำความเข้าใจส่วนหลักของอัลกอริทึมในปัญญาประดิษฐ์และการพัฒนาอัลกอริทึมของตัวเองคืออะไร? โปรดแนะนำหนังสือที่เฉพาะเจาะจงให้ฉันดู

12 math  getting-started  academia 

หลายแหล่งข้อมูลที่ฉันพูดถึงนั้นก็คือ MSE นั้นยอดเยี่ยมเพราะมันนูน แต่ฉันไม่เข้าใจโดยเฉพาะในบริบทของเครือข่ายประสาท สมมติว่าเรามีดังต่อไปนี้: XXX : ชุดข้อมูลการฝึกอบรม YYY : เป้าหมาย ΘΘ\Theta : ชุดพารามิเตอร์ของแบบจำลอง (แบบจำลองโครงข่ายใยประสาทเทียมที่ไม่มีเส้นตรง)fΘfΘf_\Theta แล้ว: MSE(Θ)=(fΘ(X)−Y)2MSE⁡(Θ)=(fΘ(X)−Y)2\operatorname{MSE}(\Theta) = (f_\Theta(X) - Y)^2 ฟังก์ชั่นการสูญเสียนี้ทำไมจะนูนตลอดเวลา สิ่งนี้ขึ้นอยู่กับหรือไม่?fΘ(X)fΘ(X)f_\Theta(X)

9 neural-networks  math  backpropagation  gradient-descent