Штучний інтелект

Такі рамки, як PyTorch і TensorFlow через TensorFlow Fold, підтримують динамічні обчислювальні графіки і привертають увагу науковців даних. Однак, як видається, не вистачає ресурсів для розуміння динамічних обчислювальних графіків. Перевага динамічних обчислювальних графіків, мабуть, включає можливість адаптуватися до різної кількості вхідних даних. Схоже, може бути автоматичний вибір кількості шарів, кількості …

19 neural-networks 

Зі зростаючою складністю reCAPTCHA я замислювався над існуванням якоїсь проблеми, що тільки людина коли-небудь зможе вирішити (або що AI не зможе вирішити, доки він точно не відтворить людський мозок) . Наприклад, спотворений текст, який раніше можна було вирішити лише людям. Хоча ... Комп'ютер тепер отримав тест [спотвореного тексту] 99,8% навіть …

18 agi  problem-solving  intelligence-testing  ai-complete 

У жовтні 2014 р. Доктор Марк Рідл опублікував підхід до тестування інтелекту ІС, який отримав назву "Lovelace Test 2.0" , після натхнення оригінальним тестом Lovelace (опублікований у 2001 р.). Марк вважав, що оригінальний тест Lovelace неможливо пройти, а тому запропонував слабший і практичніший варіант. Тест Lovelace 2.0 припускає, що для …

18 history  intelligence-testing 

З огляду на доведену проблема зупинки для машин Тьюринга , ми можемо зробити висновок , обмеження на здатності сильного штучного інтелекту?

18 halting-problem 

Поштовх до переходу ХХ століття з аналогової на цифрову схему був зумовлений прагненням до більшої точності та зниження шуму. Зараз ми розробляємо програмне забезпечення, де результати приблизні, а шум має позитивне значення. У штучних мережах ми використовуємо градієнти (якобіанські) або моделі другого ступеня (Гессіана) для оцінки наступних кроків у конвергентному …

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

Я бачив ці терміни, кинуті навколо цього сайту, особливо в тегах конволюційно-нейронних мереж і нейронних мереж . Я знаю, що Нейронна мережа - це система, заснована вільно на людському мозку. Але яка різниця між згортковою нейронною мережею і звичайною нейронною мережею? Є один тільки набагато більш складним і, гм, звивистий …

18 neural-networks  convolutional-neural-networks  definitions  terminology 

Припустимо, що NN містить nnn прихованих шарів, mmm прикладів тренувань, xxx функцій та ninin_i вузлів у кожному шарі. Яка складність у часі для підготовки цього NN з використанням зворотного розповсюдження? У мене є основне уявлення про те, як вони знаходять складність часу алгоритмів, але тут є 4 різні фактори, які …

18 neural-networks  machine-learning  backpropagation  time-complexity 

Кажуть, що функції активації в нейронних мережах допомагають запровадити нелінійність . Що це означає? Що означає нелінійність у цьому контексті? Як допомагає запровадження цієї нелінійності ? Чи є інші функції функцій активації ?

18 neural-networks  deep-learning 

Ідентифікація сарказму вважається однією з найскладніших проблем відкритого типу в галузі ML та NLP. Отже, чи було проведено якісь значні дослідження на тому фронті? Якщо так, то яка точність? Будь ласка, поясніть також коротко модель NLP.

17 natural-language-processing  research  semantics 

З Вікіпедії: Дзеркальний нейрон - це нейрон, який спрацьовує і тоді, коли тварина діє, і коли тварина спостерігає ту саму дію, яку виконує інша. Дзеркальні нейрони пов'язані з імітаційним навчанням, що є дуже корисною функцією, якої не вистачає в сучасних реалізаціях інтелектуального інтелекту в реальному світі. Замість того, щоб вчитися …

17 neural-networks  models 

Це із закритої бета-версії для AI, з цим питанням розміщується номер користувача 47. Усі кредити їм. За даними Вікіпедії , Машини Больцмана можна розглядати як стохастичний, генеративний аналог сіток Hopfield. Обидва - це періодичні нейронні мережі, які можна навчити вивчати бітові структури. Тоді при поданні з частковим малюнком мережа отримає …

17 neural-networks  comparison  recurrent-neural-networks 

За даними Вікіпедії , Prolog - мова логічного програмування загального призначення, пов'язана зі штучним інтелектом та обчислювальною лінгвістикою. Він все ще використовується для ШІ? Це ґрунтується на питанні щодо закритої бета-версії 2014 року. У автора був UID 330.

17 history  programming-languages  prolog 

Я намагаюся зрозуміти функцію втрат GAN, як це передбачено в розумінні генеративних змагальних мереж (повідомлення в блозі, написане Даніелем Сейтою). У стандартній крос-ентропійній втраті у нас є вихід, який пройшов через сигмоподібну функцію та отриману в результаті бінарну класифікацію. Сієта констатує х1х1x_1 Н( ( х1, у1) , Г ) = …

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

На сторінці вікіпедії про AI ми можемо прочитати: Оптичне розпізнавання символів більше не сприймається як приклад "штучного інтелекту", що став рутинною технологією. З іншого боку, база даних MNIST рукописних цифр спеціально розроблена для навчання та тестування нейронних мереж та рівня їх помилок (див .: Класифікатори ). То чому ж у …

17 ocr 

Просто для розваги я намагаюся розвинути нейронну мережу. Тепер для зворотного розмноження я побачив дві техніки. Перший використовується тут і в багатьох інших місцях. Що це робить: Він обчислює помилку для кожного вихідного нейрона. Він підтримує його в мережі (обчислюючи помилку для кожного внутрішнього нейрона). Він оновлює ваги формулою: (де …

17 neural-networks  machine-learning  backpropagation