タグ付けされた質問 「algorithm」

1
ゲシュタルト心理学の情報処理ルールは現在もコンピュータービジョンで使用されていますか?
数十年前はマシンビジョンの本であり、ゲシュタルト心理学からのさまざまな情報処理ルールを実装することにより、画像識別と視覚処理にほとんどコードまたは特別なハードウェアを使用せずに印象的な結果を得ました。 そのような方法は現在使用されているか、または現在行われていますか?これで何か進歩はありましたか?または、この研究プログラムは中止されましたか?今日までに、1995または2005ではなく2016を意味します。

2
これら7つのAI問題の特性は、問題へのアプローチを決定するのにどのように役立ちますか?
このリスト1を使用してAIの問題を分類できる場合... より小さな問題またはより簡単な問題に分解可能 解決手順は無視または元に戻すことができます 予測可能な問題の世界 良い解決策は明らかです 内部的に一貫した知識ベースを使用 多くの知識を必要とするか、知識を使用してソリューションを制約する 人間とコンピューター間の定期的な相互作用が必要 ...これらの次元に沿った問題の配置とその解決策に適したアルゴリズム/アプローチとの間に一般に受け入れられている関係はありますか 参照資料 [1] https://images.slideplayer.com/23/6911262/slides/slide_4.jpg

4
チャットボットをトレーニングする最新の方法は何ですか?
テキスト入力を使用し、いくつかのカテゴリを記憶し、それに応じて質問に答えるボットをトレーニングしたいと思います。また、バージョン2.0として、ボットに音声入力にも応答できるようにしたいと考えています。同じで利用できる最新の機械学習/ AIアルゴリズムはどれですか?私にお知らせください。

3
REINFORCEアルゴリズムの割引率が2回表示されるのはなぜですか?
私は「強化学習:リチャードS.サットンとアンドリューG.バルトによる序論(完全なドラフト、2017年11月5日)」という本を読んでいました。 271ページに、一時的なモンテカルロポリシー勾配法の疑似コードが示されています。この疑似コードを見ると、なぜ割引率が2回表示されるように見えるのか理解できません。1回は更新状態で、2回目は返品内です。【下図参照】 ステップ1の後のステップの戻りは、最初のステップの戻りの単なる切り捨てのようです。また、本の上の1ページだけを見ると、割引率が1つだけの方程式(戻り値内の方程式)が見つかります。 では、なぜ疑似コードが異なるように見えるのですか?私は何かを誤解していると思います: θt + 1 =˙ θt+ α Gt∇θπ(At|St、θt)π(At|St、θt)。(13.6)(13.6)θt+1 =˙ θt+αGt∇θπ(あt|St、θt)π(あt|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| S_t, \mathbf{\theta}_{t} \right)}. \tag{13.6}

6
幅優先検索で訪問済みの状態を追跡する
だから私はスライディングブロックパズル(数値型)にBFSを実装しようとしていました。今私が気づいた主なことは、4*4ボードを持っている場合、州の数は16!すべての州を事前に列挙することができないほど多くなる可能性があるということです。 だから私の質問は、すでに訪問した州を追跡する方法ですか?(私はクラスボードを使用しています。各クラスインスタンスには一意のボードパターンが含まれており、現在のステップから可能なすべてのステップを列挙して作成されます)。 私はネット上で検索し、どうやら彼らは完成前のステップに戻っていない、しかし、我々は以前に訪問されたすべてのステップを列挙する再過ぎてから、再度、別のルートで、前のステップに戻ることができます。それでは、すべての州がまだ列挙されていない場合に、訪問した州を追跡する方法は?(すでに存在する状態を現在のステップと比較すると、コストがかかります)。


1
症状から疾患を予測するための適切な手法の選択
ユーザーがいくつかの症状を入力し、いくつかの選択された症状がシステムに存在する症状と関連付けられる可能性をシステムが予測または決定する必要があるシステムに適したアルゴリズムを考え出そうとしています。次に、それらを関連付けた後、結果または出力は症状の特定の疾患になるはずです。 システムは一連の疾患で構成されており、それぞれが特定の症状に割り当てられており、システムにも存在します。 ユーザーが次の入力を行ったと仮定します。 A, B, C, and D システムが最初に行うべきことは、各症状(この場合はアルファベット文字で表される)を個別にチェックして、既存の症状のデータテーブルに対して個別に関連付けることです。そして、入力が存在しない場合、システムはそれについて報告またはフィードバックを送信する必要があります。 また、それA and Bがデータテーブルにあったとしましょう。そのため、それらが有効であるか、または存在し、システムが入力に基づいて疾患を提供できることを100%確信しています。次に、入力がデータテーブルに存在しないC and D場所であるとCしますが、存在する可能性がDあります。 D100%のスコアは与えませんが、おそらくそれよりも低いスコア(90%としましょう)を与えます。そのC場合、データテーブルにはまったく存在しません。したがって、Cスコアは0%になります。 したがって、システムには、ユーザーの入力を判断して結果を出力するための、何らかの関連付けと予測の手法またはルールが必要です。 出力の生成の要約: If A and B were entered and exist, then output = 100% If D was entered and existed but C was not, then output = 90% If all entered don't exist, then output ...

3
画像の視覚的注意領域を検出する
特定の画像の視覚的な注意領域を検出し、その領域に画像をトリミングしようとしています。たとえば、任意のサイズの画像と、たとえばLxW寸法の長方形を入力として、最も重要な視覚的注意領域に画像をトリミングします。そのための最先端のアプローチを探しています。 それを実装するためのツールやSDKはありますか?コードまたはアルゴリズムのどの部分も本当に役立ちます。

5
CPUのキャッシュパフォーマンスのデータセット内のパターンを識別するために使用できる機械学習アルゴリズムはどれですか。
CPUのキャッシュパフォーマンスの詳細を含むデータセット(CSVファイルに保存されている)のパターンを識別するための機械学習アルゴリズムが必要です。具体的には、データセットのような列が含まれReadhits、ReadmissまたはWritehits。 アルゴリズムが識別するパターンは、次の点で役立ちます。 次回、ユーザーがワークロードのパフォーマンスを向上できるようにします。 機能に基づいて問題を特定するのに役立つ、または ユーザーがパターンに基づいて発生する可能性のある将来のデータ値または将来のイベントを予測するのに役立ちます。 どのMLアルゴリズムを使用できますか?


1
要約に役立つ人工知能戦略は何ですか?
要約したい段落がある場合、たとえば: ポンツォとフィラは日中にモールに行きました。彼らは長い間歩き、お店に立ち寄った。彼らは多くの店に行きました。最初は何も買わなかった。多くの店に行った後、最終的にシャツとズボンを購入しました。 次のように要約すると: 彼らは今日ショッピングモールで買い物をし、いくつかの服を買いました。 もしあれば、このプロセスを自動化するための最良のAI戦略は何ですか?ない場合、それはアルゴリズムを通知する外部情報リソースを最初に持っていることに依存しているためでしょうか?それとも、問題は本質的に文脈に依存しているからでしょうか?
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.