タグ付けされた質問 「machine-learning」

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。

9 machine-learning  image-recognition  algorithm  computer-vision  pattern-recognition 

私の理解の及ぶ限りでは、モンテカルロツリー検索（MCTS）アルゴリズムは、ノードのツリーを検索するためのミニマックスの代替手段です。これは、手（通常、最高になる可能性が最も高い手）を選択し、その手でランダムなプレイアウトを実行して結果を確認することで機能します。このプロセスは、割り当てられた時間だけ続きます。 これは機械学習のようには聞こえませんが、ツリーをトラバースする方法です。しかし、AlphaZeroがMCTSを使用していると聞いたので、混乱しています。AlphaZeroがMCTSを使用する場合、AlphaZeroはなぜ学習するのですか？それとも、AlphaZeroは、試合を行う前に何らかの機械学習を行ってから、機械学習から得た直感を使用して、MCTSでより多くの時間を費やすためにどの動きをするかを知りましたか？

9 machine-learning  reinforcement-learning  game-ai  monte-carlo-tree-search  alphazero 

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？

9 machine-learning  algorithm  unsupervised-learning  pattern-recognition 

現在、Android AIアプリに取り組んでいます。 ランダムな文章を生成するAIモデルを知っています。しかし、皮肉な文章を生成するためのAIモデルはありますか？

9 machine-learning  algorithm 

簡単にディープラーニングについて（参考）： ディープラーニングは、複数の線形変換と非線形変換で構成される複数の処理層を持つディープグラフを使用して、データの高レベルの抽象化をモデル化しようとする一連のアルゴリズムに基づく機械学習の分岐です。 ディープニューラルネットワーク、たたみ込みディープニューラルネットワーク、ディープビリーフネットワーク、リカレントニューラルネットワークなどのさまざまなディープラーニングアーキテクチャが、コンピュータービジョン、自動音声認識、自然言語処理、音声認識、バイオインフォマティクスなどの分野に適用され、それらが生成することが示されていますさまざまなタスクに関する最新の結果。 することができ、深いニューラルネットワークや畳み込み深いニューラルネットワークは、と見ることがアンサンブルベースの機械学習の方法？それとも別のアプローチですか？

9 neural-networks  machine-learning  deep-learning  convolutional-neural-networks  computer-vision 

私はこれの原因の背後にある数学の直感を発達させることなく、これをしばらく考えてきました。 では、モデルが低い学習率を必要とする原因は何でしょうか？

8 machine-learning  hyper-parameters 

機械学習アルゴリズム（CNN？）を使用/トレーニングして、画像間の細部の小さな違い（赤や他の色の色合いのわずかな違い、または他の非常に類似した画像間の小さなオブジェクトの存在など）を区別できるかどうか疑問に思っていましたか？ ）？そして、これらの違いに基づいて画像を分類しますか？これが現在の機械学習アルゴリズムで困難な作業である場合、どのように解決できますか？より多くのデータ（より多くの画像）を使用すると役立ちますか？ また、可能であれば、これに焦点を当てた研究への言及を提供していただければ幸いです。 私は機械学習を始めたばかりで、これは私の研究から疑問に思っていることです。 ありがとうございました。

8 machine-learning  convolutional-neural-networks  image-recognition  classification 

したがって、Talebには、一般的にデータ分布を記述する2つのヒューリスティックがあります。1つはメディオクリスタンです。これは基本的に、人の身長や体重などのガウス分布に基づくものです。 もう1つはExtremistanと呼ばれ、よりパレートのような分布または太っぽい分布を示します。例として、富の分布があります。1％の人が50％の富またはそれに近いものを所有しているため、限られたデータセットからの予測は非常に困難または不可能です。これは、データセットに単一のサンプルを追加でき、その結果が非常に大きいためにモデルが壊れる、または効果が非常に大きくなり、以前の正確な予測からの利点がすべて取り消されるためです。実際、これは彼が株式市場でお金を稼いだと主張する方法です。他の誰もが悪いガウス分布モデルを使用して市場を予測していました。これは実際には短期間で機能しますが、問題が発生した場合、彼らは本当に行きました市場で正味の損失が発生する原因となる間違っています。 AIについて尋ねられているタレブのこのビデオを見つけました。彼の主張は、過激派に該当するものにはAIが（同様に）機能しないというものです。 彼は正しいですか？AIを使用しても、本質的に予測不可能になるものはありますか？ これが私が参照しているビデオですhttps://youtu.be/B2-QCv-hChY?t=43m08s

8 machine-learning  ai-design  probability  statistical-ai 

私は最近、Googleが誰もがデータをアップロードできる新しいAIを開発し、それが即座にモデル、つまりそのデータに基づく画像認識モデルを生成することを読んだことを読みました。 誰かがこのAIがどのように機能するかを詳細かつ直感的な方法で私に説明できますか？

8 machine-learning  ai-design  research 

休業。この質問は意見に基づいています。現在、回答を受け付けていません。 この質問を改善してみませんか？この投稿を編集して、事実と引用で回答できるように質問を更新してください。 14日前休業。 Lispは元々、コンピュータプログラムの実用的な数学表記として作成され、Alonzo Churchのラムダ計算の表記法に影響を受けました。ウィキペディアによれば、人工知能（AI）研究ですぐに好まれたプログラミング言語になりました。 LispがAIでまだ使用されている場合、特に機械学習とディープラーニングのコンテキストでは、それを学習する価値がありますか？

8 machine-learning  deep-learning  history  programming-languages  lisp 

画像の認識と分解（国境の顔、自動車のストリートシーン、不確実な/複雑な状況での意思決定、または部分的なデータによる）など、NNベースのアプローチが多くのAI領域で非常に強力なツールになっていると言うことは、かなり議論の余地がないようです。ほとんどの場合必然的に、これらの使用の一部は、NNベースのAIが人間の負担の一部またはすべてを引き受ける状況に発展し、一般的に人々が一般的に行うよりも優れています。 例としては、自動運転車、医療診断、人間/身元の検証、回路/設計の検証、疑わしいトランザクションアラートのステップとして仮想的に使用されるNNが含まれる場合があります。次の10年かそこらでおそらく多くの分野。 これが発生し、一般的には成功していると見なされているとします（たとえば、人間の医師の65％などに対して診断が80％正しく行われるか、またはNNコンポーネントを含むAIを備えた車が人間が運転する車や代替車よりも8％少ないクラッシュ、または何でも）。 さて-これらの1つが異常にそして真剣に1つのケースで何か非常に間違っていると仮定します。どうすればそれに取り組むことができますか？正式な論理ステップを使用すると、正式な決定プロセスを追跡できますが、NNを使用すると、正式なロジックがない場合があります。特に、それが十分に複雑になると（数十年で）、200億のニューラルプロセッサとそのI / Oの重みしかありません。と接続、命が失われた場合でも、いくつかの事件の原因を特定することができない場合があります。また、システムが継続的に学習する以上のことを言うことは不可能であり、そのような事件はまれです。 私はまた、NNで「ブラックボックス」または同等のフライトレコーダーを実行する意味のある方法を聞いたことがありません。製品の欠陥に対する他の対応とは異なり、イベント後にこのようなケースを修正するためにNNをトレーニングできたとしても、新しいNN設定によって問題が修正されたか、またはそうすることにおける他の問題のリスクとバランス。非常に不透明です。それでも、明らかに、AIアプローチとしては非常に価値があります。 20年後、NNが飛行機の飛行または航空機の設計における（安全で成功したと認められた）コンポーネントであるか、緊急事態を監視するため、または銀行で詐欺を発見するために病院システムに組み込まれ、通常どおり規制および市場の要求が存在し、一般的な市場での年間の良い記録で行われ、可能性があると、その後1ケースでは、そのようなシステムいくつかの時間後に1つの機会にはっきりmisacts -それは危険な誤読道路、生活損傷薬または露骨に誤診を推奨していますか送金される前に偶然に捕まった清算銀行で、2億ポンドのあからさまな不正取引を清算します。 製造業者は、公衆または市場の懸念に対処するために、または事件を説明するために何ができますか？取締役会から「これはどのようにして起こり、修正されたことを確認したのですか」と言われたとき、技術チームは何をしますか？どのような意味のあるログを保持できますか？社会は、不確実性と時折の風変わりな行動が固有である可能性があることを受け入れなければならないでしょうか？または、NNにより適したロギング/デバッグ/決定アクティビティにアプローチするより良い方法はありますか？

8 neural-networks  machine-learning  philosophy  security  explainable-ai 

ベイズの定理は人工知能と機械学習でどのように使用されますか？高校生としてエッセイを書いているので、ベイズの定理、その一般的な使用法、AIまたはMLでの使用法について説明したいと思います。

8 machine-learning 

OpenAIのユニバースはRLアルゴリズムを利用しており、Qラーニングを使用したいくつかのゲームトレーニングプロジェクトについて聞いたことがありますが、ゲームをマスター/勝利するために使用される他のプロジェクトはありますか？遺伝的アルゴリズムを使用してゲームで勝つことはできますか？

8 machine-learning  reinforcement-learning  genetic-algorithms  game-theory 

ディープラーニングで使用される2つの一般的な活性化関数は、双曲線正接関数とシグモイド活性化関数です。双曲線正接はシグモイド関数の再スケーリングと変換にすぎないと理解しています。 tanh(z)=2σ(z)−1tanh⁡(z)=2σ(z)−1\tanh(z) = 2\sigma(z) - 1。 これらの2つのアクティベーション関数の間に大きな違いはありますか、特に、一方が他方より好ましい場合はいつですか？ （確率を推定する場合など）場合によっては、範囲の出力が範囲の出力よりも便利であることを理解しています。2つのアクティベーション機能を区別する便利さ以外の違いがあるかどうかを知りたいです。[0,1][0,1][0,1][−1,1][−1,1][-1,1]

8 neural-networks  machine-learning  deep-network  comparison  hidden-layers