タグ付けされた質問 「artificial-intelligence」

私が読んだ画像認識用のニューラルネットワークの例はすべて、単純な「はい」または「いいえ」の答えを生成します。1つの出口ノードは「はい、これは人間の顔です」に対応し、もう1つの出口ノードは「いいえ、これは人間の顔ではありません」に対応します。 これは説明を簡単にするための可能性が高いことを理解していますが、より具体的な出力を提供するために、このようなニューラルネットワークをどのようにプログラムできるか疑問に思っています。たとえば、動物を分類していたとしましょう。「動物」または「動物ではない」と言う代わりに、「犬」、「魚」、「鳥」、「蛇」などの応答が必要です。これを認識しないでください」。 これは可能であるに違いないと思いますが、その方法を理解するのに苦労しています。エラーの逆伝播のトレーニングアルゴリズムが原因であるように思われます。1つの出口ノード（つまり、「これは犬です」）をトレーニングし、ニューロンの重みが変更されると、以前に別の出口ノードの理想的な状態訓練された（つまり、「これは鳥です」）が逸脱し始め、逆もまた同様です。したがって、あるカテゴリを認識するようにネットワークをトレーニングすると、別のカテゴリに対して行われたトレーニングが妨害され、単純な「はい」または「いいえ」の設計に制限されます。 これにより、そのようなレコグナイザーは不可能になりますか？または、アルゴリズムを誤解していますか？私が考えることができるのは、次の2つだけです。 分類したいものごとに1つのニューラルネットワークをトレーニングし、それらを使用して、より大きなスーパーネットワーク（たとえば、「犬」のネットワーク、「鳥」のネットワークなど）を構築します。 「動物」のスーパーネットワークを作成するために一緒に追加）。または、 信じられないほど高度な数学を必要とし、すべての可能な出力（つまりinsert math magic here）に対して理想的なニューロン重量状態を何らかの形で生成する、ある種の途方もなく複雑なトレーニング方法論を作成します。 （サイドノート1：多層パーセプトロンを一種のニューラルネットワークとして具体的に見ています。） （サイドノート2：最初の箇条書きの「可能性のある解決策」では、特定の各ニューラルネットワークを持ち、「はい」の応答を受け取るまでそれらを繰り返し処理するだけでは十分ではありません。機械学習ではなくプログラミング。情報を供給して適切な応答を受け取るために1つのニューラルネットワークを使用できるかどうかを知りたい）。

11 machine-learning  artificial-intelligence 

「次の単語の予測」を実装する良い方法は何ですか？たとえば、ユーザーが「私は」と入力すると、システムは次の単語として「a」と「not」（またはおそらく他の人）を提案します。私はマルコフ連鎖といくつかのトレーニングテキストを使用して（明らかに）これを達成する方法を知っています。しかし、私はこの方法が非常に制限的であり、非常に単純なケースに適用されることをどこかで読みました。 ニューラルネットワークと遺伝的アルゴリズムの基本を理解しています（深刻なプロジェクトで使用したことはありませんが）。適切なトレーニングテキスト（たとえば、新聞記事やユーザー自身の入力）が与えられると、次の単語に対して合理的に適切な提案を行うことができるアルゴリズムがあるのでしょうか。アルゴリズムではない（リンクしている）場合は、この問題を攻撃するための一般的な高レベルの方法を歓迎します。

10 algorithms  artificial-intelligence  machine-learning  natural-language-processing 

この投稿を改善してみませんか？この質問に対する詳細な回答を提供します。これには、引用と、回答が正しい理由の説明が含まれます。詳細が不十分な回答は編集または削除される場合があります。 閉まっている。この質問はトピックから外れています。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？ 質問を更新して、ソフトウェアエンジニアリングスタック交換のトピックになるようにします。 5年前休業。 私は以前に画像処理をあまり行ったことがない大学の先輩です（スマートフォンでの基本的な画像圧縮を除く）。私は次の学期の機械学習に関する研究プロジェクトを始めています。これには、生物医学的な画像処理が必要になります。約2か月で画像処理の基本に慣れるための最良の方法は何ですか？それともこれは非現実的ですか？ 基本が上手くいけば、他のリソースから学ぶほうが簡単になると思います。

9 artificial-intelligence  machine-learning  image-manipulation 

NPCを実装して、仮想空間、具体的には猫を歩き回っています。一連の短いアニメーションクリップ（3〜5秒）があります。私の最初の本能は、最後のアニメーションが終了したときにランダムなアニメーションを選択することだけでしたが、次のアニメーションが物理的に偶発的な可能性に制限されていても、動作が頻繁に変更されるため、現実的に見えないことに気付きました。 私の意図する解決策は、各アニメーションに次のアニメーションの重み付きリストがある、動作ツリー（http://www.gamasutra.com/blogs/ChrisSimpson/20140717/221339/Behavior_trees_for_AI_How_they_work.php）のようなものです。つまり、猫が歩いている場合、歩き続ける確率は80％、座っている確率は20％、睡眠は0％です。基本的にマルコフモデルを使用して適切な次のステップを取得します。 ただし、これが良い解決策であるかどうかはわかりません。また、現在のアニメーションから次のアニメーションの可能性と確率へのマッピングを生成する方法もわかりません。30のアニメーション* 30の次のアニメーション= 900の重み付け。手動で計算するのは大変です。 猫は障害物にぶつかると反応することがありますが、問題の先を行くと、事前にすべてを選択せず​​に現実的なアニメーションのシーケンスを選択することになります。ツリーには、人への近さ、部屋の場所、最後に食べてからの時間など、他のいくつかの入力もあります。

8 game-development  artificial-intelligence