タグ付けされた質問 「neural-networks」

私は感情に訴えるコンピューティングを研究しています。特に、私は感情認識の部分、つまりユーザー/被験者が感じている感情を認識する作業を研究しています。たとえば、afectivaはこの目的に使用できます。私はこれらのモデルの妥当性ではなく、モデルで何をするのかについて懸念を持っています。 感情への対応についてはどうですか？コンピューターはユーザーの感情を本当に理解できるでしょうか？

11 neural-networks  research  learning-algorithms 

データのノイズを増やすと、ネットワークの学習能力が向上しますか？違いはありますか、それとも解決する問題に依存していますか？汎化プロセス全体にどのように影響しますか？

11 neural-networks  machine-learning  statistical-ai  generalization 

非常に少数のノードを使用する（20ノードはハードリミットではない）重要な問題を解決する（> = 80％の精度で）ニューラルネットワークが存在するかどうかを知りたいです。ニューラルネットワークのサイズに関する直感を開発したいと思います。

11 neural-networks 

ニューラルネットワークを実行するように自分のシステムをプログラムしようとしています。必要なノードの数を減らすために、入力の回転を同等に扱うようにすることが提案されました。 私のネットワークは、グリッド内のすべての四角形とその周囲の四角形を調べ、その四角形の出力を与えることにより、コンウェイのライフゲームを学習および予測することを目的としています。入力は9ビットの文字列です。 上記は010 001 111として表されます。 ただし、この形状には他に3つの回転があり、それらはすべて同じ出力を生成します。 私のネットワークトポロジは、入力の中央の正方形の次の状態の9つの入力ノードと1つの出力ノードです。これらの回転をそれぞれ同じようにして、可能な入力の数を元の4分の1に削減するように、隠しレイヤーを構築するにはどうすればよいですか？ 編集： 各回転のフリップもあり、同じ結果が得られます。これらを組み込むと、入力が1/8に削減されます。グライダーの場合、これらの入力をすべて同じように処理することが私の目標です。これは前処理で行う必要がありますか、それともネットワークに組み込むことができますか？

11 neural-networks 

AlphaGo Zeroには、以前のバージョンと比較していくつかの改善点があります。Alpha Go Zeroのアーキテクチャの詳細は、このチートシートで確認できます。 これらの改善点の1つは、移動確率と状態値を同時に計算する単一のニューラルネットワークを使用することですが、古いバージョンでは2つの別個のニューラルネットワークを使用していました。論文によると、マージされたニューラルネットワークはより効率的であることが示されています。 2つではなく1つのニューラルネットワークを使用します。AlphaGoの以前のバージョンでは、「ポリシーネットワーク」を使用して次にプレイする動きを選択し、「バリューネットワーク」を使用して各ポジションからゲームの勝者を予測していました。これらはAlphaGo Zeroで組み合わされており、トレーニングと評価をより効率的に行うことができます。 ソフトウェア設計の観点からすると、これは懸念の原則の分離に違反するため、これは私には直観に反しているようです。だからこそ、このマージが有益であることが証明されたのではないかと思います。 この手法-単一のニューラルネットワークでさまざまなタスクをマージして効率を向上させること-は、他のニューラルネットワーク全般に適用できますか、それとも、特定の条件が機能する必要がありますか？

10 neural-networks  comparison  architecture  alphago-zero  efficiency 

赤いピクセルと青いピクセルを除いた黒い画面のゲームを想像してみてください。このゲームを人間に与えると、矢印キーを押すと赤いピクセルが移動することが最初にわかります。次に試みるのは、赤のピクセルを青のピクセルに移動することです。 このゲームをAIに与えると、赤のピクセルがランダムに移動し、100万回試行すると青のピクセルに誤って移動して報酬を獲得します。AIに赤と青のピクセル間の距離の概念がある場合、この距離を最小化しようとする可能性があります。 距離の概念を実際にプログラミングせずに、ゲームのピクセルをとると、「エントロピー」などの数を計算できます。これは、ピクセルが互いに接近しているときよりも離れているときの方が低くなるでしょうか。ピクセルの他の構成で動作するはずです。1つは良いピクセルで、もう1つは悪いピクセルが3つあるゲームなど。画面がどのように見えるかについてニューラルネットワークにもっと感覚を与えるためだけですか？次に、NNに「ボードのエントロピーを最小限に抑え、報酬を獲得しようとする」などの目標を設定します。 現在の研究でこれに似ていることはありますか？

10 neural-networks  game-ai  path-planning  teaching-concepts 

CADモデルの設計機能（スロット、ボス、穴、ポケット、ステップ）を識別できるニューラルネットワークを開発しようとしています。 ネットワークに使用する入力データは、axnマトリックスです（nはCADモデルの面の数です）。マトリックスの右上の三角形の「1」は、2つの面の間の凸関係を表し、左下の三角形の「1」は、凹関係を表します。両方の位置のゼロは、面が隣接していないことを意味します。以下の画像は、そのようなマトリックスの例を示しています。 ネットワークへの入力を一定のサイズにするために、最大モデルサイズを20面に設定し、それよりも小さいものにパディングを適用するとします。 5つの異なる設計機能を認識できるようにしたいので、5つの出力ニューロンを持ちます-[スロット、ポケット、穴、ボス、ステップ] これが一種の「パターン認識」問題になると言ってもいいでしょうか？たとえば、ネットワークに、モデルに存在する設計機能を説明するラベルとともにいくつかのトレーニングモデルを提供すると、ネットワークは、特定の設計機能に関連するマトリックスで表される特定の隣接パターンを認識することを学習しますか？ 私は機械学習の完全な初心者であり、このアプローチが機能するかどうかを把握しようとしています。問題を理解するためにさらに情報が必要な場合は、コメントを残してください。どんな入力やヘルプもありがとうございます。

10 neural-networks  machine-learning  convolutional-neural-networks  pattern-recognition  detecting-patterns 

私は開発中の人工知能エージェントであるVivを調査しています。私の理解に基づいて、このAIは新しいコードを生成し、ユーザーからのクエリに基づいてそれを実行できます。私が知りたいのは、このAIがクエリに基づいてコードを生成する方法を学ぶ方法です。このプロセスにはどのような機械学習アルゴリズムが関係していますか？私が検討したことの1つは、プログラムのデータセットを段階的に分解することです。例えば： 5項の平均を取るコード 1-5 つの用語をすべて一緒に追加2-5で除算 次に、テキストをコードに変換するアルゴリズムをトレーニングします。それは私が理解した限りです。どこから始めればいいかわからないので、何も試していません。誰かがVivを実装する方法について何かアイデアがありますか？これはVivのデモです。

10 neural-networks  machine-learning  deep-learning  ai-design  natural-language-processing 

私の知識によると、現在の人工知能研究のほとんどは、ある種のニューラルネットワークまたはそのバリアントを使用しています。良い例としては、DeepMindのalphagoがあります。これは、ビジョンCNN、テキスト、音楽、その他の順序付けされた機能RNNなどのディープニューラルネットワークです。ただし、機械学習アプリケーションには、ニューラルネットワーク、サポートベクターマシン、ランダムフォレスト、回帰法があります。用途等にご利用頂けます。 では、ニューラルネットワークとそのバリアントが「真の」人工知能に到達する唯一の方法なのでしょうか。

10 neural-networks 

ReLU、シグモイド、タンなど、いくつかのアクティベーション関数があります。タンタン\tanh。アクティベーション機能を混在させるとどうなりますか？ 最近、Googleが（x * sigmoid）のSwishアクティベーション関数を開発したことを発見しました。アクティベーション関数を変更することにより、XOR問題などの小さなニューラルネットワーク問題の精度を向上させることができますか？

10 neural-networks  machine-learning  activation-function  relu  sigmoid 

ニューロンカバレッジの概念を偶然見つけました。これは、ニューラルネットワークにおける活性化ニューロンと総ニューロンの比率です。しかし、ニューロンが「活性化」されるとはどういう意味ですか？アクティベーション関数とは何か知っていますが、たとえばReLUやシグモイド関数の場合、アクティベートされているとはどういう意味ですか？

10 neural-networks  ai-basics  concepts  activation-function 

ReLUの代わりにLeaky ReLUを使用する利点は、このようにして勾配を消すことができないことです。パラメトリックReLUには同じ利点がありますが、唯一の違いは、負の入力に対する出力の傾きが学習可能なパラメーターであるのに対し、Leaky ReLUではハイパーパラメーターであることです。 ただし、Leaky ReLUまたはParametric ReLUの代わりにReLUを使用する方が便利な場合があるかどうかはわかりません。

10 neural-networks  activation-function  relu 

近い将来、ニューラルネットワークを置き換える可能性のあるモデルはありますか？ そして、それさえ必要ですか？効率の面でニューラルネットワークを使用する上で最悪のことは何ですか？

10 neural-networks  convolutional-neural-networks  recurrent-neural-networks 

私はビデオファイル内のTVチャネルのロゴを検出しようとしています。そのため、単純に入力.mp4ビデオを与え、そのロゴが特定のフレーム、たとえば最初のフレームにあるかどうかを検出します。 事前にそのロゴがあり（％100と同じサイズではない場合があります）、場所は常に固定されています。 私はすでにパターンマッチングベースのアプローチを採用しています。ただし、そのためには、パターンを同じサイズの100％にする必要があります。それを実現するために、ディープラーニングとニューラルネットワークを使用したいと思います。どうやってやるの？CNNの方が効率が高いと思いますか？

10 neural-networks  convolutional-neural-networks  pattern-recognition  detecting-patterns 

これは、ニューラルネットワークの経験が豊富な人にはばかげているように聞こえるかもしれませんが、私を困らせます... つまり、初期の重みをランダム化すると、訓練されたネットワークの外観に近い結果が得られる可能性がありますが、適切な重みの範囲の0.5またはその他の平均値とは正反対の場合もあります。値は適切なデフォルト設定のように聞こえます... ニューロンの初期の重みが、それらすべてに対して0.5ではなくランダム化されているのはなぜですか？

10 neural-networks  training