คำถามติดแท็ก training

1
ออกแบบ AI สำหรับการวิเคราะห์ไฟล์บันทึก
ฉันกำลังพัฒนาเครื่องมือ AI เพื่อค้นหาข้อผิดพลาดของอุปกรณ์ที่รู้จักและค้นหารูปแบบของความล้มเหลวใหม่ ล็อกไฟล์นี้เป็นไปตามเวลาและมีข้อความที่รู้จัก (ข้อมูลและข้อผิดพลาด) ฉันกำลังใช้ไลบรารี JavaScript เหตุการณ์จะลดลงเพื่อแสดงข้อมูลในแบบที่นุ่มนวล รูปแบบและค้นหารูปแบบที่เป็นไปได้ใหม่ ฉันมีข้อกำหนดบางอย่าง: 1 - เครื่องมือจะต้องเป็น ไม่มีการพึ่งพาการติดตั้งสภาพแวดล้อมพิเศษหรือ b ยิ่งน้อยยิ่งดี (สถานการณ์ที่สมบูรณ์แบบคือการเรียกใช้เครื่องมือทั้งหมดบนเบราว์เซอร์ในโหมดสแตนด์อโลน); 2 - ความเป็นไปได้ที่จะทำให้ตัววิเคราะห์รูปแบบมีการแยกส่วนชนิดของโมดูลหนึ่งโมดูลต่อข้อผิดพลาด; อัลกอริทึมชนิดที่แนะนำในการทำสิ่งนี้คืออะไร (โครงข่ายประสาทเทียมอัลกอริทึมพันธุกรรม ฯลฯ ) มีบางอย่างในการใช้งาน JavaScript ใช่ไหม ถ้าไม่ใช่ภาษาที่ดีที่สุดในการทำ AI นี้คืออะไร?

3
วิธีการฝึกโครงข่ายประสาทเทียมสำหรับเกมกระดานแบบกลม?
ฉันสงสัยว่าจะฝึกโครงข่ายประสาทสำหรับเกมกระดานแบบกลมเช่นโอเอกซ์หมากรุกความเสี่ยงหรือเกมอื่น ๆ การเคลื่อนย้ายครั้งต่อไปโดยการอนุมานนั้นค่อนข้างตรงไปตรงมาโดยป้อนสถานะของเกมเป็นอินพุตและใช้เอาต์พุตเป็นตัวย้ายสำหรับผู้เล่นปัจจุบัน อย่างไรก็ตามการฝึกอบรม AI เพื่อจุดประสงค์นั้นดูเหมือนจะไม่ตรงไปตรงมาเพราะ: อาจไม่มีการจัดเรตถ้าการย้ายครั้งเดียวทำได้ดีหรือไม่ดังนั้นการฝึกท่าเดียวจะไม่เป็นทางเลือกที่เหมาะสม การใช้สถานะเกม (อินพุต) และการเคลื่อนไหว (เอาท์พุต) ของเกมทั้งหมดเพื่อฝึกอบรมเครือข่ายประสาทดูเหมือนจะไม่ใช่ตัวเลือกที่ถูกต้องเนื่องจากการเคลื่อนไหวภายในเกมที่หายไปอาจไม่ดีนัก ดังนั้นฉันจึงสงสัยว่าจะฝึกโครงข่ายประสาทเทียมสำหรับเกมกระดานแบบกลมได้อย่างไร ฉันต้องการสร้างเครือข่ายประสาทเทียมสำหรับโอเอกซ์โดยใช้เมตริกซ์

3
ทำไมน้ำหนักเริ่มต้นในเครือข่ายประสาทเทียมจึงถูกสุ่ม?
นี่อาจฟังดูไร้สาระสำหรับคนที่มีประสบการณ์มากมายกับเครือข่ายประสาท แต่มันรบกวนจิตใจฉัน ... ฉันหมายถึงการสุ่มน้ำหนักเริ่มต้นอาจให้ผลลัพธ์ที่ดีกว่าซึ่งจะค่อนข้างใกล้เคียงกับเครือข่ายที่ผ่านการฝึกอบรมที่ควรมีลักษณะอย่างไร แต่อาจตรงข้ามกับที่ควรจะเป็นในขณะที่ 0.5 หรือค่าเฉลี่ยอื่น ๆ สำหรับช่วงน้ำหนักที่สมเหตุสมผล ค่าดูเหมือนจะเป็นการตั้งค่าเริ่มต้นที่ดี ... ทำไมน้ำหนักเริ่มต้นสำหรับเซลล์ประสาทจึงถูกสุ่มมากกว่า 0.5 สำหรับพวกเขาทั้งหมด?
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.