タグ付けされた質問 「artificial-intelligence」

人工知能(AI)は、人間の知能の側面をシミュレートできるマシンの開発を研究するコンピューターサイエンスとテクノロジーの分野です。このタグは、ゲーム中にプレイヤーが操作できる仮想キャラクターの動作を制御するコンピューターゲームアプリケーションの一部を指す場合もあります。

9
ニューラルネットワークの重みを乱数に初期化する必要があるのはなぜですか?
私はニューラルネットワークをゼロから構築しようとしています。すべてのAI文献全体で、ネットワークの収束を速くするために、重みを乱数に初期化する必要があるというコンセンサスがあります。 しかし、なぜニューラルネットワークの初期の重みが乱数として初期化されるのでしょうか。 これは「対称性を壊す」ために行われ、これによりニューラルネットワークの学習が速くなることをどこかで読んだことがあります。対称性を壊すことで、学習がどのように速くなりますか? 重みを0に初期化した方がいいでしょうか?そのようにして、重みはそれらの値(正または負にかかわらず)をより速く見つけることができますか? 初期化時に重みが最適値に近いことを期待することとは別に、重みをランダム化する背後にある他の基本的な哲学はありますか?


7
機能とラベルの違いは何ですか?
私は機械学習の基本についてのチュートリアルに従っていますが、何かが機能またはラベルである可能性があると述べられています。 私が知っていることから、機能は使用されているデータのプロパティです。ラベルが何であるかわからない。言葉の意味はわかっているが、機械学習の文脈でそれが何を意味するのか知りたい。


10
コンピュータがユーザーが提供した例によって正規表現を「学習」することは可能ですか?
コンピュータがユーザー提供の例によって正規表現を「学習」することは可能ですか? 明確にするために: 正規表現を学びたくありません。 テキストからパーツを選択するか、開始マーカーまたは終了マーカーを選択することにより、ユーザーがインタラクティブに提供する例から正規表現を「学習」するプログラムを作成したいと考えています。 出来ますか?Googleで使用できるアルゴリズム、キーワードなどはありますか? 編集:回答ありがとうございますが、この機能を提供するツールには興味がありません。論文、チュートリアル、ソースコード、アルゴリズム名などの理論的な情報を探しているので、自分で何かを作成できます。

6
Tensorflowテンソルの次元(形状)をint値として取得するにはどうすればよいですか?
Tensorflowテンソルがあるとします。テンソルの寸法(形状)を整数値として取得するにはどうすればよいですか?私は2つの方法があります知っている、tensor.get_shape()そしてtf.shape(tensor)、私は、整数として形状値を取得することはできませんint32値。 たとえば、以下では2次元テンソルを作成しました。int32呼び出しreshape()て形状のテンソルを作成できるように、行と列の数を取得する必要があります(num_rows * num_cols, 1)。ただし、このメソッドtensor.get_shape()はDimension、ではなく型として値を返しますint32。 import tensorflow as tf import numpy as np sess = tf.Session() tensor = tf.convert_to_tensor(np.array([[1001,1002,1003],[3,4,5]]), dtype=tf.float32) sess.run(tensor) # array([[ 1001., 1002., 1003.], # [ 3., 4., 5.]], dtype=float32) tensor_shape = tensor.get_shape() tensor_shape # TensorShape([Dimension(2), Dimension(3)]) print tensor_shape # (2, 3) num_rows = tensor_shape[0] # ??? num_cols …

2
OpenAIで新しいジム環境を作成するにはどうすればよいですか?
MLを使用してビデオゲームをプレイする方法を学習するAIエージェントを作成する割り当てがあります。既存の環境を使いたくないので、OpenAIGymを使って新しい環境を作りたいです。新しいカスタム環境を作成するにはどうすればよいですか? また、OpenAIジムの助けを借りずに特定のビデオゲームをプレイするためのAIエージェントの開発を開始できる他の方法はありますか?

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.