タグ付けされた質問 「pattern-recognition」

ペアのセットがあります。各ペアの形式は（x、y）で、x、yは範囲の整数に属します[0,n)。 したがって、nが4の場合、次のペアがあります。 (0,1) (0,2) (0,3) (1,2) (1,3) (2,3) 私はすでにペアを持っています。次に、n/2整数が繰り返されないようにペアを使用して組み合わせを作成する必要があります（つまり、各整数は最終的な組み合わせで少なくとも1回出現します）。理解を深めるための正しい組み合わせと間違った組み合わせの例を次に示します 1. (0,1)(1,2) [Invalid as 3 does not occur anywhere] 2. (0,2)(1,3) [Correct] 3. (1,3)(0,2) [Same as 2] ペアができたら、可能性のあるすべての組み合わせを生成する方法を誰かが提案できますか？

28 algorithms  graphics  data-structures  computational-geometry  operating-systems  process-scheduling  algorithms  sorting  database-theory  relational-algebra  finite-model-theory  logic  automata  linear-temporal-logic  buchi-automata  complexity-theory  np-complete  decision-problem  machine-learning  algorithms  pattern-recognition  logic  formal-languages  formal-grammars  context-free 

私は、組織の基本的な論理を決定するために組織の細則を評価するシステムを考え出そうとしていました。 一次述語システムは、ルールを表すために機能すると思います。ルールは、品詞タグ付けやその他のNLPテクニックを使用してテキストから翻訳できます。 全体として一次論理規則を解釈する体系的な方法、または要素間の類似性を見つけるための第2層として機能する何らかのタイプのMLアーキテクチャがありますか。 例えば、 楽しいアクティビティのリスト： ゴルフ コーヒーブレイク ピザ 細則： 金曜日、ゴルフをします 金曜日または土曜日に、私たちは短いコーヒー休憩を取り、それが土曜日の場合、ピザを受け取ります 結論：私たちのグループは週末は楽しい それははるかにフェッチされたように聞こえますが、可能かどうか私は興味があります。また、2次層の結論を導き出すには、おそらく1次論理のほうが適していると思います。

16 machine-learning  algorithms  pattern-recognition  logic 

機械学習は初めてです。私は、さまざまなアプリケーションにディープラーニングを採用し、ほとんどのモデル設計ケースで「前」という用語を使用したいくつかの論文を読みました。それが実際に何を意味するのか誰かが説明できますか？チュートリアルでは、事前と事後の数学的な定式化のみを見つけることができました。

12 terminology  machine-learning  pattern-recognition  bayesian-statistics 

私は再生可能エネルギーで働いています。私の会社は機器から多くのデータを収集しています。これには通常、プロセスデータ（変圧器の温度、ライン電圧、電流など）および個別のアラーム（ブレーカートリップ、インバーターアラーム値、変圧器過熱アラームなど）が含まれます。これは、データの大まかな例です（csvの行として読み取られます）。 タイムスタンプ、タグ、値 2016年5月25日14：30：01、INVERTER_1.VOLTAGE_DC、249.5 2016年5月25日14：30：06、INVERTER_1.VOLTAGE_DC、250.1 5/25/2016 14：45：02、TRANSFORMER_1.TEMP_ALARM、0 2016年5月25日14：45：15、TRANSFORMER_1.TEMP_ALARM、1 （少なくとも今のところ）リアルタイムではなく、静止しているこのデータに対して何らかのパターン分析を開始したいと思います。私が試みたいのは教師なしの特徴学習だと思いますが、完全にはわかりません。機械学習を1）明白でないパターンを特定し、2）アルゴリズムがデータ内のパターンのシグネチャを特定できるようにするとよいと思います（たとえば、ブレーカが作動すると、単一のフィーダのすべてのインバータが通信を失う）開いています）。 私の最初の質問：これは時系列データと見なされますか？これまでの私の研究では、時系列データは時間の関数であるデータを参照しているようです。ほとんどのデータについて、ドメインエキスパートとして、データの関数を定義することがこの分析に役立つとは思いません。また、私の研究では、時系列データは離散ではなく実数値を参照しているように見えます。 コメントや関連参照があれば参考になります。

8 machine-learning  data-mining  pattern-recognition  time-series-analysis 

一部の人間は、かなり上手に口読みをすることができます。話している誰かを見ると、話者が言っていることを（スピーチを聞いていなくても）知ることができます。 読唇用のコンピュータソフトウェアを作成する作業はありましたか？言い換えると、誰かが話しているビデオが与えられた場合、その人が言っていることを推測するソフトウェアを構築することは可能ですか（オーディオなしでビデオストリームにのみアクセスできます）？この問題、または展開されたシステムについての調査はありましたか？ 背景と動機：米国では、特定の法律が同意なしに音声を録音することを禁止している場合があります。ただし、一般に、録画する人の同意なしにビデオを録画することは禁止されていません。（だからこそ、あちこちに監視カメラがあり、ビデオだけを記録し、音声は記録しないのです。）ビデオだけで、自動化された方法で人々が言っ​​ていることを伝えることができるかもしれないほどテクノロジーが進歩したのかどうか知りたいです。 -またはそれが近い将来実現可能になるかどうか。そして、プライバシーへの影響は別として、そのようなテクノロジーはかなり役立つかもしれません。

7 reference-request  computer-vision  pattern-recognition  facial-recognition 

画像のシャノンのエントロピー[plog（1 / p）]は、2つのピクセルまたはピクセルのグループを比較するための確率論的方法です。3x3のマトリックスを持つ画像にピクセル強度値があるとします。 1 1 2 2 3 3 4 4 5 3x3マトリックスの別の画像には、強度値を持つピクセルのグループがあります。 5 5 6 6 7 7 8 8 9 その場合、画像のシャノンのエントロピーは同じになります。この場合、エントロピー値は、実際には画像が異なるものの同じであることを示します。したがって、この手法を使用した画像マッチングは役に立ちません。監視された分類に基づくと、私はシャノンのエントロピーの訓練されたデータベースに基づいて画像を分類します、私たちはエントロピーの概念を使用して2つの画像間の類似性を見つけます。

7 pattern-recognition  image-processing  entropy  computer-vision 

私はジェスチャーを認識し、常に任意のカテゴリに分類する分類子Mを設計しました。ジェスチャーは、サンプル時系列yとトレーニング時系列xの間のハミング距離に基づいて分類されます。分類子の結果は確率値です。A、B、Cの3つのクラス/カテゴリがあり、ハンドジェスチャを分類します。分類するクラスごとに100個のサンプルがあります（単一の機能とデータの長さ= 100）。データは異なる時系列です（x座標vs時間）。トレーニングセットは、どのジェスチャが何回発生したかを示す確率を割り当てるために使用されます。したがって、10個のトレーニングサンプルのうち、ジェスチャAが6回出現した場合、ジェスチャがカテゴリAに該当する確率は P（A）= 0.6同様にP（B）= 0.3 そして P（C）= 0.1 現在、この分類器の性能をベイズ分類器、K-NN、主成分分析（PCA）およびニューラルネットワークと比較しようとしています。 分類子の特徴はROCプロットの確率値であるため、ROCまたは交差検証を検討する場合、パラメーターと方法をどのように実行すればよいですか？したがって、k-nn、ベイ分類およびPCAの特徴は何ですか？ 便利なコードがありますか？ 3つのクラスのジェスチャがある場合、kの値はどうあるべきですか？ 助けてください。私は修正中です。

7 machine-learning  pattern-recognition