タグ付けされた質問 「artificial-intelligence」

現在、時系列予測（特にForex）をいじっています。外国為替予報に適用されるエコー状態ネットワークに関する科学論文をいくつか見ました。この目的のために他の優れた機械学習アルゴリズムはありますか？ 時系列から「収益性のある」パターンを抽出することも興味深いでしょう。

28 reference-request  machine-learning  artificial-intelligence 

ウィキペディアと私が見つけた他のソースはvoid、空のタイプではなくユニットタイプとしてリストCのタイプを見つけました。void空の/下の型の定義によりよく適合するように思えるので、この混乱を見つけます。 void私が知る限り、値は存在しません。 戻り値の型がvoidの関数は、関数が何も返さないため、何らかの副作用しか実行できないことを指定します。 タイプのポインターvoid*は、他のすべてのポインタータイプのサブタイプです。また、void*C との間の変換は暗黙的です。 最後の点voidに、空の型であることの引数としてのメリットがあるかどうかはわかりvoid*ませんvoid。 一方、voidそれ自体は他のすべてのタイプのサブタイプではありません。これは、タイプがボトムタイプであるための要件であると言えます。

28 type-theory  c  logic  modal-logic  coq  equality  coinduction  artificial-intelligence  computer-architecture  compilers  asymptotics  formal-languages  asymptotics  landau-notation  asymptotics  turing-machines  optimization  decision-problem  rice-theorem  algorithms  arithmetic  floating-point  automata  finite-automata  data-structures  search-trees  balanced-search-trees  complexity-theory  asymptotics  amortized-analysis  complexity-theory  graphs  np-complete  reductions  np-hard  algorithms  string-metrics  computability  artificial-intelligence  halting-problem  turing-machines  computation-models  graph-theory  terminology  complexity-theory  decision-problem  polynomial-time  algorithms  algorithm-analysis  optimization  runtime-analysis  loops  turing-machines  computation-models  recurrence-relation  master-theorem  complexity-theory  asymptotics  parallel-computing  landau-notation  terminology  optimization  decision-problem  complexity-theory  polynomial-time  counting  coding-theory  permutations  encoding-scheme  error-correcting-codes  machine-learning  natural-language-processing  algorithms  graphs  social-networks  network-analysis  relational-algebra  constraint-satisfaction  polymorphisms  algorithms  graphs  trees 

閉じた。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。 この質問を改善したいですか？この投稿を編集して事実と引用で答えられるように質問を更新してください。 去年閉鎖されました。 まっすぐに：私は本当にAIを学びたいです。 しかし、私は、いつ人工知能に飛び込むべきかについて、経験豊富なCSの人たちからのアドバイスが欲しいです。 AIの概念をよりよく把握するには、どのような前提条件が必要ですか？

21 artificial-intelligence 

一部の（歴史的）論文では、チェスは人工知能のショウジョウバエと呼ばれています。現在の研究では、検索アルゴリズムの単なる適用はせいぜい高度なコンピューターサイエンスであると思われますが、AI技術を適用（および実践）できる分野はまだあると思います。 簡単な例は、プログラムが特定の種類のポジションに適していないため、特定の動きを使用するかどうかをプログラムに教えることができるオープンブック学習です。強化学習の形式を使用して、これを自動化できます。プログラムを自分自身と対戦して、勝ちのラインの確率を上げ、ラインを失う確率を下げることができると思います。 より複雑な例は、学習評価関数を使用することです（たとえば、正方形のテーブルの値を調整できます）。しかし、私は考えています： （現実的な開始線の量とは対照的に）膨大な量の現実的な位置があるためにすべてのノイズが与えられた コンピューターチェスゲームのコスト（期間）と負荷をプレイする必要性。 どのようにこれを効果的に行うことができますか？（または、ニューラルネットワークなどの他の手法を検討する必要があります。）

19 artificial-intelligence  board-games 

13歳の少年をシミュレートするために開発されたコンピュータープログラムである「Eugene Goostman」は、裁判官の33％が人間であることを納得させ、チューリングテストに合格したと言われています。 チャットボットとも呼ばれるコンピュータープログラムは、英語が第二言語である13歳のウクライナ人のふりをしていました。 私にとって、Eugeneは平凡なチャットボットとまったく同じように聞こえます。反復的で、無意味で、非セキットルが散らばっています。私はそれが裁判官をどのように納得させたのかわかりません（これは専門家ではないようです）。 多くの人々は、「それはナンセンスだ」と「チューリングテストに合格していない。近づいてさえいない」と言ったステバン・ハーナッド教授のようにユージンを批判している。 意見は異なりますが、正式にテストに合格したかどうかを知りたいですか？ それはまた言われています： 一度も受賞したことのない2回限りの賞。25Kは、ジャッジが本物の人間と区別できず、人間がコンピュータープログラムであるとジャッジに納得させることができる最初のチャットボットに提供されます。100,000ドルは、テキスト、視覚、聴覚入力の解読と理解を含むチューリングテストで、裁判官が本物の人間と区別できない最初のチャットボットに対する報酬です。これが達成されると、年次大会は終了します。 Eugeneが25,000ドルを獲得したということですか？

18 reference-request  artificial-intelligence  history  turing-test 

この質問は、私が作成し、いくつかのコンピューターゲームで現在使用されているか、使用される予定のコンピューターの対戦相手に対するアプローチに関するものです。 バックグラウンド 昨年、「Minesweeper Flags」と呼ばれるゲームでコンピューターの対戦相手を改善しようとしたとき（簡単な説明：対戦相手よりも多くの地雷を奪わなければならない、ターンベースのマルチプレイヤーバージョンのMinesweeper ）、アルゴリズムの動作を大きく変えました。 。if-else-if-elseのようなアプローチを使用する代わりに、指定された重みを持つ「スコアラー」のセットを使用して、最適な動きを決定しています。 マインスイーパフラッグのようなゲームでは、地雷を奪う可能性が最も高いのは動きを作ることだけですが、それほど単純ではありません。通常、コンピューターがどの動きをするかは、現在のゲーム状態での特定の動きのいくつかの機能に依存します。機能の例： この動きが地雷を採点する確率はどのくらいですか？ ここで相手に何かを明かす確率はどれくらいですか？ システムの説明 システムは基本的に次のように機能します。 「事前採点者」：現在のゲームの状態に対して事前分析が行われます（掃海艇の旗に関しては、これは通常、すべての確率の計算です） 「得点者」：通常の得点者のセットは、各可能な動きの得点を決定するように求められ、各得点者はそれ自身の基準に従って得点を適用します。得点者は、行われた事前分析の結果を確認できます。 上記のステップで計算されたスコアは合計され、移動のスコアに設定されます。 同じスコアのすべての動きが同じランクになるように、動きはスコアに従ってソートされ、ランク付けされます。 「ポストスコアラー」：上記の結果は、ポストスコアラー自身のルールに従って、任意のフィールドのスコアを任意の方法で変更できる「ポストスコアラー」に送信できます。 プリスコアラー、スコアラー（ウェイト付き）、ポストスコアラーの束を組み合わせると、スコア構成と呼ばれるものになります。 結果例 これは、掃海艇旗にスコアが適用された例です。これは得点されたマップです： そして、これは実際のスコア設定の出力です。可能な動きのランクを示しています。1が最高ランクで、白で強調表示されています。 非常に柔軟なコードを記述したおかげで、このAIへのアプローチは他のゲームにも同様に挿入できます。 長所と短所 以下に、このシステムの長所と短所をいくつか挙げます。 長所 AIのさまざまな構成を非常に簡単に作成できます。 遺伝的アルゴリズムで使用することは可能です：各スコアラーには関連する重みがあり、重みが遺伝子になることができます。 いくつかのツールを使用して、特定の移動が行われた理由と、その移動の主な責任者を確認できます。 ツールを使用して、可能な動きの全体的なスコア/ランクのマップを作成することができます（上のスクリーンショットのように） 人間のプレイ方法にスコアを適用することにより、人間が行うと思われる動きをしようとする「#AI_Mirror」を作成することができます 短所 AIを可能な限り良好にプレイするために、スコア構成を「正しく」調整することは非常に困難です。 ご質問 ここで構築したシステムは、AIの世界で広く知られていますか？実際のAI用語では何と呼ばれますか？ このアプローチは理にかなっていますか、または推奨する別のアプローチがありますか？ スコア設定を微調整するプロセスを簡単にする方法はありますか？ 最後の質問について、私は遺伝的アルゴリズムを使用する可能性を知っています。SARSAについても少し気づいていますここに）。SARSAの問題は、ゲームが終わるまで報酬がわからないことだと思います。最良の動きは、報酬（地雷）をまったく与えない動きであることが多いです。現在の勝つ可能性は、現在のスコア（あなたと対戦相手が何個の地雷を奪ったか）と、現在のマップがどのようなものかによって異なります。 この質問はもともと、今では機能しない人工知能サイトに投稿されました。 このアプローチに使用される（Java）コードは、現在Code Reviewに投稿されています。

16 algorithms  artificial-intelligence  computer-games 

A *（または他の最適なパス検索アルゴリズム）を使用する場合、使用されるヒューリスティックは許容できる必要があります。つまり、実際のソリューションパスの長さ（または移動）を過大評価してはなりません。 許容されるヒューリスティックは最適なソリューションをどのように保証しますか？直感的な説明を探しています。 必要に応じて、8パズルのマンハッタン距離ヒューリスティックを使用して説明できます。

16 algorithms  artificial-intelligence  search-algorithms  heuristics 

私はかつて、料理のレシピを提案するアルゴリズムを作成したベテランを私のコースにいました。最初は、あらゆる種類のクレイジーなレシピが出てきました。その後、彼女は実際のレシピで調理アルゴリズムを訓練し、最終的には非常に良いレシピを提案します。 彼女はベイズの定理やクラスタリングに関連するものを使用したと思いますが、彼女はずっといなくなっており、アルゴリズムもそうです。私はインターネットを検索しましたが、料理のレシピを探すとどんな種類の結果も得られますが、私が探しているものではありません。だから、私の質問は： どのアルゴリズムを使用して、実行可能なレシピを（ランダムに）提案するアルゴリズムを考案できますか（固定レシピのデータベースを使用せずに）。 なぜ調理アルゴリズムを探しているのですか？まあ、それは基礎となる概念の現実世界のアプリケーションの非常に良い例であり、そのようなアルゴリズムは現実世界により近いさまざまな設定で役立つ可能性があります。

15 machine-learning  artificial-intelligence  modelling  recommendation-systems 

lllrrr L ≤ I 、最大（I ⊕ J ）最大（私⊕j）\max{(i\oplus j)}L ≤ I 、J ≤ Rl≤私、j≤rl\le i,\,j\le r ナイーブアルゴリズムは、考えられるすべてのペアを単純にチェックします。たとえば、ルビーでは次のようになります。 def max_xor(l, r) max = 0 (l..r).each do |i| (i..r).each do |j| if (i ^ j > max) max = i ^ j end end end max end 私感私たちはより良い次より行うことができます。この問題のためのより良いアルゴリズムはありますか？

14 algorithms  algorithms  machine-learning  statistics  testing  terminology  asymptotics  landau-notation  reference-request  optimization  scheduling  complexity-theory  time-complexity  lower-bounds  communication-complexity  computational-geometry  computer-architecture  cpu-cache  cpu-pipelines  operating-systems  multi-tasking  algorithms  algorithm-analysis  education  correctness-proof  didactics  algorithms  data-structures  time-complexity  computational-geometry  algorithms  combinatorics  efficiency  partitions  complexity-theory  satisfiability  artificial-intelligence  operating-systems  performance  terminology  computer-architecture 

ノルウェーのフィヨルドのどこかに太陽電池式の自律水上船があり、かなり最近の地図セット、GPS受信機を備えていて、詳細なコマンドをダウンリンクする手段がないと仮定します。この船は、可能な限り早い時期に海南島に到達しなければなりません。 地球上の海上ルートを見つけるための決定論的なアルゴリズムは何ですか？ 彼らの時間とメモリの複雑さは何ですか？ たとえば、地球の地図を、接続されたポリゴン（つまり、球/楕円体のドローネ三角形分割）を含む図に変換した後、A *を使用できますか？ 回答は、理想的には上記の質問の議論を伴う論文への参照を提供する必要があります。 Rob Langが指摘したように、アルゴリズムは通常の基準に適合しなければなりません。時間の制約がない場合、地球の海と海の任意の2点間の最短経路につながるか、そうでなければ経路探索の失敗を示します。 ここには興味深いサブトピックがあります（オンライン計算用の事前計算時間/ストレージのトレーディング、締め切りが始まる前にやや準最適なルートを提供するなど）が、これらは主な問題に付随しています。

14 artificial-intelligence  search-algorithms 

アニーリングアルゴリズムのシミュレーションでさまざまな初期温度のテストを行ったところ、開始温度がアルゴリズムのパフォーマンスに影響を与えていることがわかりました。 良い初期温度を計算する方法はありますか？

14 optimization  artificial-intelligence  heuristics 

私はニューラルネットワークを使用して時系列を予測しています。私が今直面している問題は、日付/時刻/シリアル番号をどのようにエンコードするかです。ニューラルネットワークへの入力として設定された各入力の？ ここで説明するように、Cエンコーディング（カテゴリのエンコーディングに使用）の1つを使用する必要がありますか？ または、時間（1-1-1970からのミリ秒単位）を与える必要がありますか？ または、残りのデータを時系列でフィードする限り、時間を不要にしていますか？

12 machine-learning  artificial-intelligence  neural-networks 

このサイトでDeep Dreamに関するいくつかの質問を見てきましたが、DeepDreamが具体的に何をしているのかについて実際に話しているようには見えません。私が集めた限りでは、それらは目的関数を変更し、重み付けを更新する代わりに入力画像を更新するように逆伝播も変更したようです。 誰かがグーグルがしたことを正確に知っているのだろうかと思います。彼らは、最適化を実行するときにベイズの事前分布を課す彼らの記事の1つで言及しています。これにより、ニューラルネットが各ラベルの画像を吐き出すのはそれほど難しくないことを想像できます。ラベルを設定して、それに応じて入力ベクトルを最適化します。 ただし、ディープドリームの興味深い部分は、これをレイヤーごとに実行することです。この点で、レイヤーごとの方法で詳細を強調する方法がよくわかりません。 確かに、画像を入力すると各ニューロンの値が得られますが、その情報を使用して元の画像の詳細を誇張するにはどうすればよいでしょうか。これに関する詳細な報告を見つけるのに苦労しました。 参考資料：ここでvznが同様の質問に回答しました：https ://cs.stackexchange.com/a/44857/49671 そのリンクから、ここにDeepdreamの実装があります：http ://auduno.com/post/125362849838/visualizing-googlenet-classes ここで説明されているように、機能の誇張はありませんが、http：//googleresearch.blogspot.com/2015/06/inceptionism-going-deeper-into-neural.html どちらも特定のクラスと特定のレイヤーの視覚化を示し、次のように言います。 ネットワークで増幅する機能を正確に規定する代わりに、ネットワークにその決定を任せることもできます。この場合、ネットワークに任意の画像または写真を送り、ネットワークに画像を分析させるだけです。次に、レイヤーを選択し、検出されたものを強化するようネットワークに要求します。

12 machine-learning  artificial-intelligence  neural-networks  image-processing  computer-vision 

私は人工知能の研究を始めたばかりで、なぜ8パズルの到達可能な状態空間がか疑問に思っています。/ 29!/29!/29!/2。タイルの順列の数は9!9!9!しかし、パズルの可能な状態の半分がどの状態でも到達できない理由はすぐには明らかではありません。誰でも詳しく説明できますか？ 左側にランダムな構成、右側にゴール状態の参照用の8パズルの画像：

11 artificial-intelligence 

k-Nearest-Neighbourの主なアイデアは、最も近い点を考慮に入れ、多数決によってデータの分類を決定します。その場合、局所性に敏感なハッシュのようなメソッドは最も近い近傍を効率的に見つけることができるため、高次元のデータでは問題が発生しないはずです。kkk さらに、ベイジアンネットワークでの特徴選択により、データの次元が削減され、学習が容易になります。 ただし、統計的学習におけるJohn Laffertyによるこのレビューペーパーは、高次元の特徴空間でのノンパラメトリック学習は依然として課題であり、未解決であることを指摘しています。 何が問題になっていますか？

11 machine-learning  artificial-intelligence