Ich versuche, ein neuronales Netzwerk zu entwickeln, das Konstruktionsmerkmale in CAD-Modellen identifizieren kann (dh Schlitze, Vorsprünge, Löcher, Taschen, Stufen). Die Eingabedaten, die ich für das Netzwerk verwenden möchte, sind Anxn-Matrix (wobei n die Anzahl der Flächen im CAD-Modell ist)....
Ich wollte anfangen, mit neuronalen Netzen zu experimentieren, und als Spielzeugproblem wollte ich einen zum Chatten trainieren, dh einen Chat-Bot wie Cleverbot implementieren. Jedenfalls nicht so schlau. Ich habe mich nach Dokumentationen umgesehen und viele Tutorials zu allgemeinen Aufgaben...
Die derzeit am häufigsten verwendeten Aktivierungsfunktionen sind die von Re-Lu. Also habe ich diese Frage beantwortet. Was ist der Zweck einer Aktivierungsfunktion in neuronalen Netzen? und als ich die Antwort schrieb, fiel mir auf, wie genau kann Re-Lus ungefähre nichtlineare Funktion sein? Nach...
Ich habe Viv untersucht, einen künstlichen intelligenten Agenten in der Entwicklung. Nach meinem Verständnis kann diese KI neuen Code generieren und basierend auf einer Abfrage des Benutzers ausführen. Ich bin neugierig zu wissen, wie diese KI lernen kann, Code basierend auf einer Abfrage zu...
Stellen Sie sich ein Spiel vor, bei dem es sich neben einem roten und einem blauen Pixel um einen schwarzen Bildschirm handelt. Wenn sie dieses Spiel einem Menschen geben, werden sie zuerst sehen, dass durch Drücken der Pfeiltasten das rote Pixel verschoben wird. Als nächstes werden sie versuchen,...
Ich bin gerade auf das Konzept der Neuronenabdeckung gestoßen, bei dem es sich um das Verhältnis von aktivierten Neuronen und Gesamtneuronen in einem neuronalen Netzwerk handelt. Aber was bedeutet es für ein Neuron, "aktiviert" zu werden? Ich weiß, was Aktivierungsfunktionen sind, aber was bedeutet...
Meines Wissens nach verwenden die meisten aktuellen Studien zur künstlichen Intelligenz eine Art neuronales Netzwerk oder dessen Varianten. Ein gutes Beispiel wäre DeepMinds Alphago, von dem ich glaube, dass es ein tiefes neuronales Netzwerk ist, für Vision CNN, Text, Musik und andere geordnete...
Ich denke, dass der Vorteil der Verwendung von Leaky ReLU anstelle von ReLU darin besteht, dass wir auf diese Weise keinen verschwindenden Gradienten haben können. Die parametrische ReLU hat den gleichen Vorteil mit dem einzigen Unterschied, dass die Steigung des Ausgangs für negative Eingänge ein...
Deep Mind hat in den letzten Jahren viele Arbeiten zum Thema Deep Learning veröffentlicht, von denen die meisten auf dem neuesten Stand der Technik für ihre jeweiligen Aufgaben sind. Aber wie viel von dieser Arbeit wurde tatsächlich von der KI-Community reproduziert? Zum Beispiel scheint das Papier...
Insbesondere analysiert ein eingebetteter Computer (mit begrenzten Ressourcen) den Live-Videostream einer Verkehrskamera und versucht, gute Frames auszuwählen, die Kennzeichen vorbeifahrender Autos enthalten. Sobald eine Platte gefunden wurde, wird der Rahmen an eine OCR-Bibliothek übergeben, um...
Ein neuronales Netzwerk ist ein gerichteter gewichteter Graph. Diese können durch eine (spärliche) Matrix dargestellt werden. Dies kann einige elegante Eigenschaften des Netzwerks offenlegen. Ist diese Technik für die Untersuchung neuronaler Netze von
Wie hat die Verwendung von evolutionären Algorithmen zum Entwerfen und Trainieren künstlicher neuronaler Netze Vorteile gegenüber der Verwendung herkömmlicher
Auf der Wikipedia-Seite können wir lesen, dass Google einen benutzerdefinierten ASIC-Chip für maschinelles Lernen erstellt und auf TensorFlow zugeschnitten hat, um die KI zu beschleunigen. Da ASIC-Chips speziell für eine bestimmte Verwendung angepasst wurden, ohne dass die Schaltung geändert werden...
Kurz über Deep Learning (als Referenz) : Deep Learning ist ein Zweig des maschinellen Lernens, der auf einer Reihe von Algorithmen basiert, die versuchen, Abstraktionen auf hoher Ebene in Daten mithilfe eines Deep Graphs mit mehreren Verarbeitungsebenen zu modellieren, die aus mehreren linearen...
Ich habe auf dem Tensorflow-Spielplatz herumgespielt . Einer der Eingabedatensätze ist eine Spirale. Egal welche Eingabeparameter ich wähle, egal wie breit und tief das neuronale Netzwerk ist, ich kann die Spirale nicht anpassen. Wie passen Datenwissenschaftler Daten dieser Form...
DeepMind gab an, dass sein Deep Q-Network (DQN) sein Verhalten kontinuierlich anpassen konnte, während es lernte, 49 Atari-Spiele zu spielen. Nachdem der Agent alle Spiele mit demselben neuronalen Netz gelernt hatte, war er in der Lage, sie alle gleichzeitig auf "übermenschlichen" Ebenen zu spielen...
Wenn Neuronen und Synapsen mithilfe von Transistoren implementiert werden können, was hindert uns daran, beliebig große neuronale Netze mit denselben Methoden zu erstellen, mit denen GPUs hergestellt werden? Im Wesentlichen haben wir gesehen, wie außerordentlich gut virtuelle neuronale Netze...
Seit ich auf Adam Geitgeys Blog über maschinelles Lernen gestoßen bin, habe ich versucht, neuronale Netze zu verstehen . Ich habe so viel wie möglich zu diesem Thema gelesen (was ich verstehen kann) und glaube, ich verstehe alle allgemeinen Konzepte und einige der Funktionen (obwohl sie in...
Mehrere Ressourcen, auf die ich Bezug genommen habe, erwähnen, dass MSE großartig ist, weil es konvex ist. Aber ich verstehe nicht wie, besonders im Zusammenhang mit neuronalen Netzen. Nehmen wir an, wir haben Folgendes: X.XX : Trainingsdatensatz Y.YY : Ziele ΘΘ\Theta : der Parametersatz des...
Wie mächtig ist die Maschine, die kürzlich den Pokerspieler-Champion geschlagen