인공 지능

4

TensorFlow Fold를 통한 PyTorch 및 TensorFlow와 같은 프레임 워크는 동적 계산 그래프를 지원하며 데이터 과학자의 관심을 받고 있습니다. 그러나 동적 계산 그래프를 이해하는 데 도움이되는 리소스가 부족한 것 같습니다. 동적 계산 그래프의 장점은 입력 데이터의 다양한 수량에 적응하는 기능을 포함하는 것으로 보입니다. 훈련 중 각 입력 세트 인스턴스에 따라 레이어 …

19 neural-networks

1

Lovelace Test 2.0은 학업 환경에서 성공적으로 사용 되었습니까?

2014 년 10 월 Mark Riedl 박사 는 원래 Lovelace Test (2001 년에 출판)에서 영감을 얻은 후 "Lovelace Test 2.0" 이라는 AI 인텔리전스 테스트 방법을 발표했습니다. Mark는 원래 Lovelace Test를 통과 할 수 없다고 믿었으므로 더 약하고 실용적인 버전을 제안했습니다. Lovelace Test 2.0은 AI가 지능적이기 위해서는 창의성을 보여야한다는 가정을합니다. 종이 …

18 history intelligence-testing

2

정지 문제가 인공 지능에 미치는 한계는 무엇입니까?

튜링 기계 의 입증 된 정지 문제 를 고려할 때 강력한 인공 지능의 능력에 한계를 유추 할 수 있습니까?

18 halting-problem

7

디지털 값이 단순한 추정치 인 경우 AI를 위해 아날로그로 돌아 가지 않겠습니까?

아날로그에서 디지털 회로로의 20 세기 전환의 원동력은 더 높은 정확도와 더 낮은 노이즈에 대한 요구에 의해 주도되었습니다. 이제 우리는 결과가 대략적이고 잡음이 긍정적 인 소프트웨어를 개발하고 있습니다. 인공 네트워크에서는 그라디언트 (Jacobian) 또는 2 차 모델 (Hessian)을 사용 하여 수렴 알고리즘의 다음 단계 를 추정 하고 허용 가능한 수준의 부정확성과 의심을 …

18 machine-learning hardware neuromorphic-engineering analog-computing spiking-networks

3

컨볼 루션 뉴럴 네트워크와 일반 뉴럴 네트워크의 차이점은 무엇입니까?

나는이 용어를이 사이트에서 많이 보았습니다. 특히 convolutional-neural-networks 및 neural-networks 태그에서 . 신경망은 인간의 두뇌에 기반을 둔 시스템이라는 것을 알고 있습니다. 그러나 Convolutional Neural Network와 일반 Neural Network 의 차이점은 무엇 입니까? 단지 하나 개의 많은 더, 에헴, 복잡하고 뒤얽힌 다른 것보다?

18 neural-networks convolutional-neural-networks definitions terminology

2

인간 만이 해결할 수있는 문제

reCAPTCHA의 복잡성이 증가함에 따라, 인간 만이 해결할 수없는 (또는 AI가 인간의 두뇌를 정확하게 재생산하지 않는 한 AI가 해결할 수없는) 문제가 존재하는지 궁금했습니다. . 예를 들어, 왜곡 된 텍스트는 인간에 의해서만 해결 될 수있었습니다. 이기는 하지만... 컴퓨터는 이제 가장 까다로운 상황에서도 99.8 %의 [왜곡 된 텍스트] 테스트를 받았습니다. 왜곡 된 텍스트를 …

17 agi problem-solving intelligence-testing ai-complete

2

"텍스트에서 풍자 식별"영역에서 어떤 연구가 수행 되었습니까?

풍자 식별은 ML 및 NLP 영역에서 가장 어려운 개방형 문제 중 하나로 간주됩니다. 그래서 그 앞에 상당한 연구가 있었습니까? 그렇다면 정확도는 어떻습니까? NLP 모델도 간략하게 설명하십시오.

17 natural-language-processing research semantics

3

거울 뉴런의 계산 모델이 있습니까?

Wikipedia에서 : 거울 뉴런은 동물이 행동 할 때와 동물이 다른 사람이 수행 한 것과 동일한 행동을 관찰 할 때 발생하는 뉴런입니다. 거울 뉴런은 모방 학습과 관련이 있으며, 현재 실제 AI 구현에서 누락 된 매우 유용한 기능입니다. 입력-출력 예제 (감독 학습) 또는 보상 (강화 학습)에서 학습하는 대신 거울 뉴런이있는 에이전트는 단순히 …

17 neural-networks models

3

GAN 손실 기능 이해

나는 Generative Adversarial Networks 이해 (Daniel Seita가 작성한 블로그 게시물) 에서 제공되는 GAN 손실 기능을 이해하기 위해 고심하고 있습니다. 표준 교차 엔트로피 손실에서 우리는 시그 모이 드 함수와 결과 이진 분류를 통해 실행 된 출력을 갖습니다. 시에 타 주 따라서 [각] 데이터 포인트 엑스1엑스1x_1 및 해당 레이블에 대해 다음과 같은 …

17 neural-networks machine-learning deep-learning loss-functions generative-adversarial-networks

2

AI에서 여전히 프롤로그가 사용됩니까?

에 따르면 위키 백과 , Prolog는 인공 지능 및 계산 언어와 관련된 범용 논리 프로그래밍 언어입니다. 여전히 AI에 사용됩니까? 이것은 2014 비공개 베타에 대한 질문을 기반으로합니다. 저자의 UID는 330입니다.

17 history programming-languages prolog

1

Boltzmann 머신이 Hopfield net보다 더 많은 패턴을 저장할 수 있습니까?

이것은 AI에 대한 비공개 베타 버전이며,이 질문은 사용자 번호 47로 게시됩니다. 모든 크레딧. 에 따르면 위키 백과 , 볼츠만 기계는 Hopfield 그물의 확률적이고 생성적인 대응 물로 볼 수 있습니다. 둘 다 비트 패턴을 학습하도록 훈련 될 수있는 반복적 인 신경망입니다. 그런 다음 부분 패턴이 표시되면 그물은 완전한 패턴을 모두 검색합니다. …

17 neural-networks comparison recurrent-neural-networks

3

AI의 좋은 예라고 OCR을 인식 할 수없는 이유는 무엇입니까?

에 위키 피 디아 페이지 AI에 대한, 우리는 읽을 수 있습니다 : 광학 문자 인식은 더 이상 일상 기술이 된 "인공 지능"의 모범으로 인식되지 않습니다. 반면, MNIST 자필 숫자 데이터베이스는 특히 신경망과 오류율을 훈련 및 테스트하기 위해 설계되었습니다 ( 분류기 참조 ). 그렇다면 왜 위의 인용문에서 OCR이 더 이상 AI의 …

17 ocr

1

역 전파 기술의 차이점

재미로 신경망을 개발하려고합니다. 역 전파의 경우 두 가지 기술을 보았습니다. 첫 번째는 여기 와 다른 많은 장소에서도 사용됩니다. 그것이하는 일은 : 각 출력 뉴런에 대한 오류를 계산합니다. 그것은 그것을 네트워크로 역 전파합니다 (각 내부 뉴런에 대한 오류를 계산합니다). 이 식에 가중치를 업데이트한다 : (여기서, 중량의 변화이며, 학습 속도 시냅스로부터의 입력을 …

17 neural-networks machine-learning backpropagation

4

딥 러닝 접근 방식의 문제 및 대안?

지난 50 년 동안 신경망의 인기 상승 / 하강은 인공 지능 연구의 '기압계'의 역할을 해왔습니다. 이 사이트의 질문에서 사람들이 다양한 어려운 문제에 딥 러닝 (DL)을 적용하는 데 관심이 있다는 것은 분명합니다. 따라서 두 가지 질문이 있습니다. 실무자-문제에 DL '즉시 사용'을 적용하는 데 주된 장애물은 무엇입니까? 연구원-실제 문제를 해결하는 데 도움이되는 …

17 deep-learning

3

역 전파를 사용하여 신경망을 훈련시키는 데 시간이 얼마나 복잡합니까?

NN 에 각 레이어에 nnn 숨겨진 레이어, mmm 교육 예제, xxx 기능 및 ninin_i 노드가 포함되어 있다고 가정합니다 . 역 전파를 사용하여이 NN을 교육하는 데 시간이 얼마나 복잡합니까? 알고리즘의 시간 복잡성을 찾는 방법에 대한 기본 아이디어가 있지만 여기서는 반복, 레이어, 각 레이어의 노드, 학습 예제 및 더 많은 요소와 같이 …

17 neural-networks machine-learning backpropagation time-complexity