คำถามติดแท็ก ai.artificial-intel

ผลลัพธ์ใดของ #P = FP ฉันสนใจผลที่เกิดขึ้นจริง จากมุมมองของภาคปฏิบัติฉันสนใจเป็นพิเศษในเรื่องผลสืบเนื่องของปัญญาประดิษฐ์ ตัวชี้ไปยังเอกสารหรือหนังสือเป็นมากกว่าการต้อนรับ โปรดอย่าพูดว่า #P = FP แสดงถึง P = NP ฉันรู้แล้ว นอกจากนี้โปรดอย่าพูดว่า"จะไม่มีผลตามมาหากอัลกอริทึมทำงานในเวลาโดยที่คือจำนวนอิเล็กตรอนในจักรวาล"αΩ ( nα)Ω(nα)\Omega(n^{\alpha})αα\alpha : อนุญาตให้ฉันสมมติถ้า อัลกอริทึมเวลาพหุนามกำหนดขึ้นสำหรับปัญหา # P-complete ที่มีอยู่เวลาทำงานของมันจะเป็น "ผ่อนผัน" (เป็นต้น)O ( n2)O(n2)O(n^2)

26 cc.complexity-theory  ds.algorithms  complexity-classes  counting-complexity  ai.artificial-intel 

เพื่อนร่วมงานที่ทำงานเกี่ยวกับการเขียนโปรแกรมทางพันธุกรรมถามคำถามต่อไปนี้ ก่อนอื่นฉันพยายามแก้มันโดยใช้วิธีโลภ แต่จากความคิดที่สองฉันพบตัวอย่างของอัลกอริทึมโลภ ดังนั้นฉันคิดว่ามันควรค่าแก่การกล่าวถึงที่นี่ พิจารณาพหุนามสองอันซึ่งแสดงโดยต้นไม้แสดงออกของพวกเขา ตัวอย่างเช่นx3−2x+1x3−2x+1x^3-2x+1และx2+4x2+4x^2 + 4มีภาพประกอบด้านล่าง: กฎ: แต่ละโหนดเป็นชื่อตัวแปร ( x,y,z,…x,y,z,…x, y, z, \ldots ), ตัวเลขหรือการดำเนินการ (+, -, ×) การสำรวจเส้นทางตามลำดับของต้นไม้ควรส่งผลให้พหุนามถูกต้อง โหนดการดำเนินการมีระดับ 2 โหนดอื่น ๆ มีระดับ -0 โหนดทั้งหมดมีระดับที่ 1 (ยกเว้นรูทซึ่งมีระดับนอกเป็น 0) บนโหนด N ของแผนผังกำหนดการดำเนินการพื้นฐานดังนี้: xxx××\times การดำเนินการขั้นพื้นฐานสามารถสร้างแผนภูมินิพจน์ด้านบนของ N (ดูตัวอย่างด้านล่าง) ค่าใช้จ่ายของการดำเนินการพื้นฐานของประเภท 1คือ 1 ค่าใช้จ่ายสำหรับประเภท 2เท่ากับจำนวนการดำเนินงาน {+, -, ×} ในต้นไม้นิพจน์ที่สร้างขึ้นใหม่ ตัวอย่างสำหรับชนิดที่ 2:ค่าใช้จ่ายของการดำเนินการพื้นฐานต่อไปนี้คือ 2 …

20 ds.algorithms  tree  ai.artificial-intel  genetic-programming 

ฉันกำลังเรียนคณิตศาสตร์ อย่างไรก็ตามฉันไม่คิดว่าฉันต้องการเป็นนักคณิตศาสตร์มืออาชีพในอนาคต ฉันกำลังคิดที่จะนำความรู้ด้านคณิตศาสตร์ไปใช้ในการทำวิจัยในด้านปัญญาประดิษฐ์ อย่างไรก็ตามฉันไม่แน่ใจว่าควรทำตามหลักสูตรคณิตศาสตร์กี่หลักสูตร (และหลักสูตร CS ทฤษฎีใดที่ฉันควรปฏิบัติตาม) จาก Quora ฉันเรียนรู้ว่าวิชาพีชคณิตเชิงเส้นสถิติและการปรับให้เหมาะสมที่สุดนั้นเกี่ยวข้องกับการเรียนรู้ของเครื่อง (ดูคำถามนี้ ) บางคนกล่าวว่าต้องเรียนรู้พีชคณิตเชิงเส้นความน่าจะเป็น / สถิติแคลคูลัสอัลกอริทึมพื้นฐานและตรรกะเป็นสิ่งจำเป็นในการศึกษาปัญญาประดิษฐ์ (ดูคำถามนี้ ) ฉันสามารถเรียนรู้เกี่ยวกับทุกวิชาเหล่านี้ได้ในช่วง 1.5 ปีแรกของคณิตศาสตร์ปริญญาตรีที่มหาวิทยาลัยของเรา ฉันสงสัยว่าถ้ามีวิชาคณิตศาสตร์ระดับปริญญาตรีบางวิชาที่มีประโยชน์หรือจำเป็นสำหรับการศึกษาปัญญาประดิษฐ์ สิ่งที่เกี่ยวกับ ODEs, PDEs, โทโพโลยี, ทฤษฎีการวัด, การวิเคราะห์เชิงเส้น, การวิเคราะห์ฟูริเยร์และการวิเคราะห์เกี่ยวกับ Manifold หนังสือเล่มหนึ่งที่ชี้ให้เห็นว่าคณิตศาสตร์ขั้นสูงที่ค่อนข้างมีประโยชน์ในการศึกษาปัญญาประดิษฐ์คือทฤษฎีรูปแบบ: การวิเคราะห์สุ่มของสัญญาณจริงจาก David Mumford และ Agnes Desolneux (ดูหน้านี้ ) มันรวมถึงบทเกี่ยวกับเครือมาร์คอฟ, แบบจำลองทวนเข็มนาฬิกาเกาส์, กิ๊บส์ฟิลด์, Manifolds, กลุ่ม Lie และ Lie Algebras และการประยุกต์กับทฤษฎีรูปแบบ หนังสือเล่มนี้มีประโยชน์ต่อการวิจัย AI …

19 soft-question  machine-learning  ai.artificial-intel 

เป็นไปได้ไหมที่จะทดสอบอัลกอริธึมว่าจำนวนที่คำนวณได้เป็นจำนวนตรรกยะหรือจำนวนเต็ม? ในคำอื่น ๆ ก็จะมีความเป็นไปได้สำหรับห้องสมุดที่ใช้คำนวณตัวเลขเพื่อให้ฟังก์ชั่นisIntegerหรือisRational? ฉันเดาว่ามันเป็นไปไม่ได้และนี่ก็เกี่ยวข้องกับความจริงที่ว่ามันเป็นไปไม่ได้ที่จะทดสอบว่าตัวเลขสองตัวนั้นเท่ากัน แต่ฉันไม่เห็นวิธีที่จะพิสูจน์มัน แก้ไข: จำนวนที่คำนวณได้ถูกกำหนดโดยฟังก์ชันที่สามารถส่งกลับค่าประมาณด้วยเหตุผลด้วยความแม่นยำ :สำหรับใด ๆ0 รับฟังก์ชั่นดังกล่าวเป็นไปได้หรือไม่ที่จะทดสอบว่าหรือ ?xxxfx(ϵ)fx(ϵ)f_x(\epsilon)xxxϵϵ\epsilon|x−fx(ϵ)|≤ϵ|x−fx(ϵ)|≤ϵ|x - f_x(\epsilon)| \leq \epsilonϵ>0ϵ>0\epsilon > 0x∈Qx∈Qx \in \mathrm{Q}x∈Zx∈Zx \in \mathrm{Z}

18 computability  computing-over-reals  lambda-calculus  graph-theory  co.combinatorics  cc.complexity-theory  reference-request  graph-theory  proofs  np-complete  cc.complexity-theory  machine-learning  boolean-functions  combinatory-logic  boolean-formulas  reference-request  approximation-algorithms  optimization  cc.complexity-theory  co.combinatorics  permutations  cc.complexity-theory  cc.complexity-theory  ai.artificial-intel  p-vs-np  relativization  co.combinatorics  permutations  ds.algorithms  algebra  automata-theory  dfa  lo.logic  temporal-logic  linear-temporal-logic  circuit-complexity  lower-bounds  permanent  arithmetic-circuits  determinant  dc.parallel-comp  asymptotics  ds.algorithms  graph-theory  planar-graphs  physics  max-flow  max-flow-min-cut  fl.formal-languages  automata-theory  finite-model-theory  dfa  language-design  soft-question  machine-learning  linear-algebra  db.databases  arithmetic-circuits  ds.algorithms  machine-learning  ds.data-structures  tree  soft-question  security  project-topic  approximation-algorithms  linear-programming  primal-dual  reference-request  graph-theory  graph-algorithms  cr.crypto-security  quantum-computing  gr.group-theory  graph-theory  time-complexity  lower-bounds  matrices  sorting  asymptotics  approximation-algorithms  linear-algebra  matrices  max-cut  graph-theory  graph-algorithms  time-complexity  circuit-complexity  regular-language  graph-algorithms  approximation-algorithms  set-cover  clique  graph-theory  graph-algorithms  approximation-algorithms  clustering  partition-problem  time-complexity  turing-machines  term-rewriting-systems  cc.complexity-theory  time-complexity  nondeterminism 

แรงบันดาลใจสำหรับคำถามนี้คือคำถามต่อไปนี้ (คลุมเครือ): อะไรคือภาษาการเขียนโปรแกรม / รากฐานที่เป็นตรรกะสำหรับการมี AI ซึ่งอาจมีเหตุผลเกี่ยวกับรหัสที่มาของตัวเองและแก้ไขได้หรือไม่ นี่ไม่ใช่ทั้งหมดที่เข้มงวดดังนั้นนี่คือความพยายามของฉันที่จะดึงคำถามที่เป็นรูปธรรมออกมา มีสองสิ่งที่ฉันสนใจ: (A) ภาษาการเขียนโปรแกรม P ที่สามารถเป็นตัวแทนและจัดการโปรแกรมของตัวเองเป็นโปรแกรมประเภทข้อมูล (เช่น AST) (หากต้องการวัตถุชนิดโปรแกรมสามารถแปลงเป็นสตริงซึ่งเป็นข้อความของโปรแกรมที่ถูกต้องในภาษานั้นจะเป็นสิ่งที่ตรงกันข้ามกับสิ่งที่คอมไพเลอร์ทำ) (B) วิธีการให้เหตุผลเกี่ยวกับสิ่งที่โปรแกรมในภาษา P ทำ นี่คือสองระดับฉันคิดเกี่ยวกับมัน: ภาษาอื่น Q (พร้อมความสามารถในการพิสูจน์ทฤษฎี) ซึ่งเป็นแบบจำลองสิ่งที่โปรแกรม P ทำ ควรสามารถแสดงและพิสูจน์ข้อความเช่น "ผลลัพธ์ของการรันโปรแกรม p คือ foo" วิธีให้เหตุผลเกี่ยวกับสิ่งที่โปรแกรม p: โปรแกรมทำในภาษา P เอง (ดังนั้นเราจึงใช้ P = Q ด้านบน) ระดับนี้มีการดำเนินการในระดับใดหรือความก้าวหน้าในทิศทางนี้คืออะไร? อะไรคืออุปสรรคในทางปฏิบัติ ในแง่ของความตั้งใจดั้งเดิมของคำถามวิธีที่ดีที่สุดในการทำให้เป็นปัญหาคืออะไร? * * * * เป็นคำตอบที่แสดง …

15 pl.programming-languages  ai.artificial-intel  recursion 

ปัญหาโลกแห่งความจริงที่แก้ไขโดยใช้อัลกอริทึมพันธุกรรมคืออะไร อะไรคือปัญหา? การทดสอบสมรรถภาพทางกายใช้เพื่อแก้ไขปัญหานี้อย่างไร?

13 ds.algorithms  machine-learning  ai.artificial-intel  application-of-theory  ne.neural-evol 

กำหนด "ปัญหา" ที่จะเป็นอัลกอริทึมยอมรับจำนวนธรรมชาติและกลับ 0 หรือ 1 ซึ่งผลตอบแทน1อย่างน้อยหนึ่งn ∈ N nดังกล่าวใด ๆเรียกว่า "ทางออก" ถึงAAAA111n∈Nn∈Nn \in \mathbb{N}nnnAAA กำหนด "universal problem solver" เป็นอัลกอริทึมยอมรับปัญหาและส่งคืนหนึ่งในโซลูชัน ตัวอย่างเช่นคุณสามารถทำงานได้โดยวนลูปทั้งหมดและเรียกใช้อินพุตของพวกเขาจนกว่าจะได้ผลลัพธ์1 รายการ (จะต้องหยุดที่อินพุตที่ถูกต้องเท่านั้น)UUUUUU111 ฉันสนใจที่จะสำรวจขอบเขตประสิทธิภาพของเครื่องมือแก้ปัญหาสากล ได้รับแก้ปัญหาสากลและปัญหาแสดงว่าเสื้อ( U , )เวลาที่ใช้ในUการส่งออกการผลิตเมื่อรับข้อมูลUUUAAAt(U,A)t(U,A)t(U, A)UUUAAA ตัวแก้ปัญหาสากลเรียกว่า "มีประสิทธิภาพ" เมื่อเราใช้ตัวแก้ไขปัญหาสากลVUUUVVV t(U,A)&lt;t(V,A)+tVt(U,A)&lt;t(V,A)+tVt(U, A) < t(V, A) + t_V นี่คือขึ้นอยู่กับVแต่ไม่ได้ขึ้นอยู่กับtVtVt_VVVVAAA มีตัวแก้ปัญหาสากลที่มีประสิทธิภาพหรือไม่? แก้ไข: ฉันรู้ว่ามันเป็นไปได้ที่จะเปลี่ยนคำจำกัดความของ "ปัญหา" และ "แก้ปัญหาสากล" เป็นสิ่งที่สง่างามกว่าเล็กน้อยและเทียบเท่า "ปัญหา" เป็นอัลกอริทึมที่ไม่มีอินพุตส่งคืน 0 …

12 cc.complexity-theory  ai.artificial-intel 

มีการศึกษาใด ๆ เพื่อพิจารณาว่าสติปัญญาของมนุษย์สามารถเอาชนะอัลกอริทึมได้ดีกว่าหรือไม่ (เช่นทดสอบว่าทฤษฎีบท No Free Lunch นำไปใช้กับสติปัญญาของมนุษย์) หรือไม่? มีใครบ้างที่พัฒนาวิธีการทางเทคนิคเพื่อใช้ประโยชน์จากคุณสมบัติพิเศษอื่น ๆ ของสติปัญญาของมนุษย์?

11 ds.algorithms  big-picture  ai.artificial-intel 

MCTS / UCTเป็นวิธีการค้นหาทรีเกมที่ใช้อัลกอริทึมโจรเพื่อเลือกโหนดที่มีแนวโน้มในการสำรวจ เกมจะเล่นจนจบแบบสุ่มและโหนดที่นำไปสู่การชนะมากขึ้นจะได้รับการสำรวจอย่างหนักมากขึ้น อัลกอริทึมโจรรักษาความสมดุลระหว่างการสำรวจโหนดที่มีอัตราการชนะสูงและการสำรวจโหนดที่ไม่รู้จัก (และในรูปแบบที่บริสุทธิ์ไม่จำเป็นต้องใช้ฟังก์ชั่นการประเมินแบบฮิวริสติก) โปรแกรมบนพื้นฐานของเทคนิคทั่วไปนี้ได้บรรลุผลที่น่ารักในคอมพิวเตอร์ไป มีการใช้การค้นหา monte-carlo โดยใช้ bandit ในการแก้ไขปัญหาการค้นหาอื่น ๆ หรือไม่? ตัวอย่างเช่นมันจะเป็นวิธีที่มีประโยชน์ในการประมาณโซลูชันสำหรับ MAX-SAT, BKP หรือปัญหาการเพิ่มประสิทธิภาพ combinatorial อื่น ๆ หรือไม่ มีลักษณะเฉพาะของปัญหา (โครงสร้าง / สถิติ / ฯลฯ ) ที่จะแนะนำว่าแนวทางโจรจะมีประสิทธิภาพหรือไม่? มีปัญหาเกี่ยวกับการกำหนดที่ทราบกันแล้วหรือไม่ซึ่งอาจต้านทานวิธีโจรโดยสิ้นเชิงเนื่องจากลักษณะของพื้นที่การแก้ปัญหา?

10 optimization  ai.artificial-intel  board-games 

โดยเฉพาะฉันขอทรัพยากรเพื่อเรียนรู้เกี่ยวกับระบบการเรียนรู้ของเครื่องที่สามารถปรับปรุงเครือข่ายความเชื่อของตน (หรือเทียบเท่า) ระหว่างการดำเนินการ ฉันวิ่งข้ามไปไม่กี่ครั้งแม้ว่าฉันจะทำบุ๊กมาร์กไม่สำเร็จ อย่างที่คุณอาจจินตนาการมันเป็นหัวข้อที่ค่อนข้างท้าทายในการค้นหาบนอินเทอร์เน็ต

10 reference-request  machine-learning  lg.learning  ai.artificial-intel  online-learning