你是否有一些建议或阅读如何为机器学习任务设计功能？ 即使对于神经网络，良好的输入特性也很重要。选择的特征将影响所需的隐藏神经元数量和所需的训练示例数量 下面是一个示例问题，但我对功能工程感兴趣 激励示例： 在看拼图时，什么是好的输入（例如，或）？是否有可能识别两种状态中哪一种更接近目标？良好的特性工程涉及两个组件。第一个是理解您试图解决的任务的属性，以及它们如何与您使用的分类器的优势和局限性交互。第二个是实验性的工作，你将测试你的期望，找出什么实际有效，什么不有效 这可以反复进行：你对问题的自上

我正在读这本引人入胜的书中的一章，内容是关于使用基因编程以交互方式进化图像。大多数函数集由简单的算术和trig函数组成（它们真正对图像进行操作并返回图像）。这些函数构成了对图像进行编码的解析树的内部节点。树的叶子或终端值是随机数和x、y坐标 有一节是关于将复平面的迭代函数添加到函数集的： 假设遗传学将一个特定的Mandelbrot集作为节点插入到 浓密的树。函数需要两个参数：mandel（cReal，cImag），treating 它们作为复平面中的实坐标和虚坐标。如果基因组 刚好提供了像素坐标

我本学期有一门课程，要求我做一个关于人工智能应用的项目。我决定在游戏AI上做这个。我有两个基本想法：实现FPS机器人或实现足球AI 我现在在人工智能领域很安静，我已经实现了基本的寻路算法（a*，等等），学习了有限状态机，一些一阶逻辑，基本的神经网络（反向传播算法），目前正在学习遗传算法 我们现在主要关注机器人。我们的计划包括： 每个“bot”都将使用有限状态机（FSM）实现，该状态机将包含bot可能具有的状态操作/状态的规则在收到输入时将发生更改。 在机器人群体运动中，每个机器人决定是否

Matlab中的Anfis（自适应神经模糊推理系统）可以有多个输出吗 顺便问一下，使用Anfis决定打开/关闭风扇和灯是一个好主意吗 根据中的示例，我可以看到只有一个输出。但它没有提到。有人知道它吗？我对它一无所知，但你不能为每个输出都建立一个唯一的网络吗 可以说，每个输出都可以独立于其他输出来确定，不是吗？我对它一无所知，但你不能为每个输出建立一个唯一的网络吗 可以说，每个输出都可以独立于其他输出来确定，不是吗？您是这样尝试的吗。anfis\U input=*[input1 input2[ou

我知道人工智能领域非常广阔，有很多关于它的书。但我只想知道我可以从哪里得到所有人工智能技术的简单介绍，比如 它希望有1或2页的介绍，介绍所有技术及其示例，说明如何应用这些技术或将其用于什么目的。我对……感兴趣 反向传播算法 赫布斯定律 贝叶斯网络 马尔可夫链模型 模拟退火 禁忌搜索 遗传算法还是进化算法 现在有许多变体和更多的人工智能技术。每一本书都有很多关于它们的书。我无法决定我可以使用哪些算法，除非我知道它们能做什么 因此，我能在1-2页的产品介绍中找到应用示例吗？涵盖了其中的几个方面-我不

我是一名计算机专业的学生，主修人工智能。我现在正在为我最后一年的项目研究课题，我对神经网络很感兴趣，尽管我几乎不知道它 我现在正在考虑的主题是语言和音乐，所以我在寻找一些关于语言和音乐的神经网络可以做什么的建议。也可以为不同的领域提供建议 任何输入，建议，链接，建议或指针将不胜感激。谢谢！：） 更新：所以我缩小了我最可能做的主题： 基于神经网络的音乐流派分类 基于神经网络的文本挖掘 我的问题是，这两种方法是否都太先进，本科生无法完成？看一看 看看你能不能找到你喜欢的话题 如果你有C++和C的经验

我读过（例如）在每一级首先搜索最好的动作（可以通过迭代深化找到）会使搜索速度更快 如何在不占用太多额外内存和cpu时间的情况下搜索可能的最佳移动？如果您事先知道如何搜索最佳移动，那么您首先就不需要进行搜索。你能做的通常需要你在游戏中的一些专业知识。例如，在跳棋中，您可以尝试在不产生“王”的移动之前先计算所有产生“王”的移动 基本上有两种策略： 静态移动排序 动态移动排序 动态移动排序使用以前搜索中的信息，这可能是因为您再次转置到同一位置，或者您在以前不太彻底的搜索中已经到达该位置。这就是您提到的

问题是这个小函数告诉我这场比赛是赢、输还是平局，但是我怎么才能得到让我赢的那一步呢？我的Point类是一个简单的类，有两个坐标X，Y，我想得到答案作为一个点，这样我可以在后面说类似于game.Do_Move（myPoint） 如果某些功能不明显： game.IsFinished（）-如果赢/输/平局，则返回true，否则返回 游戏。得分（回合）-返回-1/0/1，以防下一步玩家输/平/赢 游戏。生成移动（）-返回包含可用移动的列表 game.Do\u Move（）-将移动应用于游戏的无效 gam

我们必须为我们的任务演示一个代理系统，我们必须演示以下代理功能 紧急财产 适应性 蝴蝶效应（局部小变化，全局大变化） 我们将使用JADE作为代理开发平台，我们已经开发了基本代理，但我们无法将上述行为实施到代理。有人知道如何做到这一点吗？您可以基于实现MAS来查找从原点到目标的最短路径。每个蚂蚁都被建模为一个代理。它们通过信息素交换相互交流。蚂蚁的目标是找到目标。紧急属性是MAS在源和目标之间寻找最短路径，即使这不是每个代理的明确目标-这是MAS作为一个整体的紧急行为。你可以改变环境（例如地形或设

如果我有一个训练有素的决策树，是否仍然有一些属性组合是树无法预测的？我想说的是，有没有可能有一个决策树，它能够响应来自一个数据集的所有可能的输入组合，而这个数据集并没有经过训练？我不关心树的准确性，相反，我想知道一个好的决策树是否能够预测所有可能的输入组合 谢谢你的帮助 这取决于“属性组合”指的是为其提供值的属性集，还是指（所有属性）特定值的组合。例如，假设您有属性A、B、C和D。属性A可以有值{A_1、A_2、…、AA_n}（属性B、C和D也是如此） 如果“属性组合”，您的意思是，有时将为所有

我实际上正在做一个棋盘游戏，它是TIC-TAC-TOE游戏的一个变体。游戏的具体内容如下： 1。游戏在nxn板上进行，带有n变量 2.如果玩家成功将k对齐放在第一位，k是可变的 3.路线由水平、垂直或对角线上的l标记（X或O）构成l是固定的 4.如果nxn网格已满（没有玩家可以添加标记x或O），并且没有玩家成功放置k对齐，因此游戏被绘制 我正在使用minmax和alpha-beta修剪算法。这是我的第一个人工智能程序，我不知道如何创建算法使用的评估函数。我在网上看到一些例子，这些例子使用了一个重

我大学作业的任务是为“MOBA”风格的策略游戏创建AI。我已经研究过使用神经网络来实现这一点。我看不出有必要事先培训网络 换句话说，如果我硬编码权重并在运行时简单地应用较小的权重变化，它还会被视为神经网络吗？神经网络是一回事（神经元、突触等的结构），而学习算法是完全不同的事 因此，如果你问一个没有学习算法的神经网络是否仍然可以被称为神经网络，我想答案是肯定的，它可以

我正在尝试使用alpha-beta修剪为特定的零和棋盘游戏构建一个AI代理。由于某些时间限制，该计划的深度有限，因此我需要一个好的评估函数来使用。游戏内容如下 这是一个两人游戏，每个人都试图最大限度地发挥自己的潜力 从随机放在盒子里的一批糖果中分享。盒子是空的 分为多个单元格，每个单元格要么是空的，要么是满的 一种特殊类型的糖果。在每个游戏开始时，所有的单元格都是 装满了糖果。玩家轮流玩，可以选择一个单元格 按自己的顺序包装并领取所有相同类型的糖果，共 通过水平和垂直方向连接到选定单元格的单元格

这不是一个特定于语言的问题，但为了对话，我目前在C#7中工作 多年来，我成功地实现了Alpha-Beta剪枝算法（甚至在35年前的PASCAL中：） 每一次，我都创建了游戏状态的半深度副本（下面讨论），该副本为每个节点递归。我经常想知道这是否必要，也许我还没有真正理解算法 互联网上充斥着对Tictatcoe的帮助请求，这让我觉得这一定是一个常见的学校作业问题——这有点阻碍了对这个相当基本的主题的搜索 半深拷贝。。。在我看来，每个节点都应该知道： 董事会的全部情况 轮到谁的球员 比赛状态-即：{

我问过其他人工智能人士这个问题，但我还没有得到一个令我满意的答案 对于其他以前编写过人工神经网络程序的人来说，如何测试其正确性 我想，另一种说法是，如何调试神经网络背后的代码？我在这一领域完全是个业余爱好者，但你不使用你知道是正确的预先确定的数据集吗？对于神经网络，通常情况下，你使用的是未经训练的神经网络，您正在使用一组给定的数据对其进行训练，以便它以您期望的方式响应。事情是这样的；通常，你要训练它，使其达到你输入的某个置信水平。一般来说（同样，这只是一般情况；您的里程数可能会有所不同），您无法

我只想知道街机/战略游戏中使用的各种AI算法或逻辑，用于为单个单位寻找/选择最佳攻击目标 因为，我必须编写一个小的AI逻辑，在这里，他们的一组部队将受到各种坦克的攻击，所以我一直在寻找更好的逻辑或算法，以便为部队选择一个最佳目标攻击坦克 现有数据包括： 加油机位置、射程、生命值、伤害 请任何人知道解决此问题的最佳算法/逻辑，尽早响应 提前感谢,， Ramanand.我将以类似于RPG玩家的视角来表达这一点： 为了给你的其他敌人以致命的一击，你会先击倒哪个角色？打倒该党的治疗者是常识，因为他们可以

我正在使用python中的前馈神经网络实现。对于培训，我将使用反向传播算法。我知道，对于神经网络，我们需要恰到好处的数据量，以避免网络训练不足/过度。我可以为数据集获得大约1200个不同的训练数据模板 所以问题是： 如何计算培训的最佳数据量因为我已经尝试了数据集中的500个项目，并且花了很多小时才收敛，所以我不想尝试太大的尺寸。最后一个尺码的效果很好，但我想找到最佳的数量。神经网络约有7个输入、3个隐藏节点和一个输出 如何计算最佳金额 我的培训需要多少数据 它完全依赖于解决方案。科学中也有一些艺

在计算机视觉中，在一天中的不同时间（即不同的照明水平）跟踪黑白同一场景中的人的好方法是什么？场景永远不会是黑暗的，所以我不需要担心使用红外线或任何感热设备进行搜索。我需要识别这些人，然后跟踪他们，所以有两个部分 任何建议都很好 谢谢。筛选功能匹配在这方面效果很好。它是在OpenCV中实现的。您检查过OpenCV吗？这里有很多例子。

我有一个人工神经网络控制一个人工食草动物。输入是最近植物的大小和方向，最近配偶的大小和方向，以及食草动物的健康。输出是一个运动矢量（方向和幅度）。如果使用遗传算法进行训练，是否有必要使用偏差？您应该使用偏差，偏差不仅允许您解决不可线性分离的问题；但它也允许训练伪阈值，伪阈值是偏置神经元和其他神经元之间的互连。一般来说，它更有可能帮助你的尝试，而不是阻碍它们 偏差用于将神经网络的决策边界从原点移开。对于一个简单的感知器进行简单的线性分类，这等于移动分隔两个类的线。（想想简单线性回归中的c 遗传算法

我有此表格的数据： [(v1, A1, B1), (v2, A2, B2), (v3, A3, B3), ...] vs对应于数据元素，As和Bs对应于表征vs的数值 查看此数据的人可以查看它，并根据A和B值查看哪个元组似乎最“匹配”。我想要一种AI形式，我可以通过选择这些元组中的一个作为最佳元组来进行训练，并调整a和B的权重 基本上，每个元组表示一个值的近似值A表示错误，B表示每个近似值的复杂性。我希望通过分配不同的权重，在错误和复杂性之间取得一些折衷。我想用不同的近似值进行几次试验，然后选

我在一个培训周期中使用培训数据样本多少次？ 假设我有60个训练数据。我穿过第一排，向前传球，用向后传球的结果调整重量。使用如下所示的S形函数： Forward pass Si = sum of (Wi * Uj) Ui = f(Si) = 1 / 1 + e^ - Si Backward pass Output Cell = (expected -Ui)(f'(Si)), where f'(Si) = Ui(1-Ui) 然后，我是否通过第二行并执行与第一行相同的过程，还是绕过第一行，直

分支因子是给定节点生成的后续节点数。有效分支因子是给定搜索问题的“典型”节点生成的后继数，深度是节点的高度，Y是从Y到叶子的最长向下简单路径上的边数。树的高度定义为其根节点的高度。请注意，简单路径是没有重复顶点的路径。树的高度等于树的最大深度。我想知道增加或减少分支因子和深度会对开销产生什么影响？欢迎使用堆栈溢出！请特别查看帮助中心。你被卡在哪一部分？你尝试过什么？不，你还需要定义你打算使用的算法。。。并将其与当前使用的深度挖掘进行比较，以确定开销。

从语音中获取SpeechIntent永远不起作用（即使在给定的源代码中）。如何复制-步骤 在ProjectOxford.ai示例程序中，下载“SpeechToText WPF示例” 在www.projectoxford.ai中，使用您的Hotmail id登录，并在语音API的帐户页面中获取key1/key2。将Key1放在app.config的源代码主键中 访问www.luis.ai网站，使用相同的Hotmail id登录并创建应用程序id。训练并创建一些意图和实体。发布培训后，您将看到一个新

有谁能告诉我或指导我如何编程一个ai助手，比如Jarvis或Google Assistant等，它具有在线和离线语音识别功能。 我对人工智能是新手，所以我尝试了很多教程，但仍然无法理解或构建一个。我也不知道从哪里开始，如何开始，请提供我真正需要的帮助。坦率地说，自然语言处理是计算机科学中最复杂、技术最困难的领域之一。因此，如果你想制作自己版本的谷歌助手，拥有人工智能的高级学位、一百万美元的研究经费和你自己的工程师团队会有所帮助 话虽如此，聊天机器人是一个非常有趣的爱好项目。目前，尽量不要担心在线

我试图在游戏中实现MCTS算法。我每次移动只能使用大约0.33秒。在这段时间里，我可以从包含大约500个子节点的开始状态为每个孩子生成一到两个游戏。我的模拟不是随机的，但当然我不能根据1或2个模拟做出正确的选择。在游戏中，树变得越来越小，我可以说我的选择是基于更多的模拟 因此，我的问题在于最初的几步。有没有办法改进MCTS算法，使其能够模拟更多的游戏，或者我应该使用另一种算法？有没有可能为状态提供一些启发式评估函数？我意识到，MCTS的一个主要好处是，理论上你不需要它，但是：如果你能创建一个合理

我正在做一个项目，需要使用遗传算法找到有效的路径来解析地图。路径是点的列表。目前，我正在使用以下方法交叉和变异路径，但没有得到好的结果 交叉-我随机生成一些点，这些点将在1和最小路径的大小之间交叉。然后我将随机选择位置，并直接在该位置交易该点 public Chromosome[] cross(Chromosome other) { int crossPoints; Chromosome child1 = new Chromosome(); ch

在阅读马克西姆·拉潘（Maxim Lapan）关于RL“深度强化学习实践”的书时，我试图创建自己的代理和环境。问题是我的经纪人似乎没有进行适当的训练。 我想做一个可以自动探索（以最有效的方式）室内建筑的代理。为此，我创建了一个类似健身房（且兼容）的环境，其特点如下： 尺寸：100px x 100px 使用二进制空间分区在每次重置时随机生成 算法（从这里开始： ) 一切都是灰色的 墙像素对应于0的值 代理是一个3x3像素的正方形，其值为192 空像素的值为255 探索的像素的值为64 对于每个动

有人知道任何可以学习问题的软件吗？我正在尝试创建或使用一个开源软件，我可以输入问题的答案，然后在学习的基础上，它可以根据%匹配回答类似的问题

我的问题是关于论证理论，可容许集或标签。 我们定义：如果中的每一个标记的参数在中是合法的，并且每一个Out标记的元素在中是合法的，则标签是可容许的。 我的问题是：如果标记集包含Undec参数，那么标记是否允许？总是存在可接受的论点标签吗？以下是我自己问题的答案： 空参数集始终是允许的 根据定义，它是无冲突的，并且因为它不包含任何参数，所以它不能被攻击，因此可以简单地保护自己。因此，它是可以接受的

假设我有一个小位图，其中包含手写的一个数字（0..9） 是否可以使用（两层）感知机检测数字 除了使用神经网络之外，还有其他可能从位图中检测单个数字吗？这里有一个指向手写数字庞大数据库的链接。头版也有许多不同方法的相关性能数据，包括两层神经网络。这应该给你一个好的开始： 你可能还想看看他所说的哪些表现相当好，他的网站上有一个很好的解释性讲座（非常值得关注）。这是一个使用经过训练的神经网络来检测单个数字（图像大小固定为28*28）。将位图的每个像素直接输入神经网络需要大量训练，并且在处理图像的缩放

我对人工智能的兴趣之一不是太关注数据，而是更多地关注生物计算。这包括神经网络、大脑映射、细胞自动机、虚拟生活和环境 下面描述的是一个激动人心的项目，包括为机器人开发一个虚拟环境 “Polyworld是一个由Larry Yaeger编写的跨平台（Linux、Mac OS X）程序，旨在通过自然选择和进化算法进化人工智能。” " Polyworld是研究虚拟生活的一个很有前途的项目，但它离创建一个“智能自治”代理还有很长的路要走 这是我的问题，在理论上，你会用什么参数来创造一个人工智能环境？可能是一

这是我之前被要求看的试卷上的一道题；我们用来学习的幻灯片对此没有意义。我知道如何使用一个表来获得熵，但不知道如何使用提供的方程来获得熵 问题 对属性A1、A2、A3和结果C表示的数据进行决策树训练，如下所述： A1 A2 A3 C 1 0 1 0 0 1 1 1 0 0 1 0 对于log2（1/3）=1.6和log2（2/3）=0.6，回答以下问题： a） 对于给定的训练示例集，熵H的值是多少 b） 按属性A2划分的阳性样本部分是多少 c） 属性A2的信息增益G（A2）的值

我对人工智能有点困惑 我把它理解为机器学习新事物的能力，或者在不实际执行代码（已经有人编写）的情况下做不同的事情的能力 在游戏中，我看到很多关于人工智能的帖子，但我认为这不是人工智能，因为如果是每种软件，甚至打印命令都应该被称为人工智能。在游戏中，只执行代码。我称之为伪人工智能 我错了吗？这也应该被视为人工智能吗？维基百科说： 人工智能（AI）是机器的智能，是计算机科学的一个分支，旨在创造它 人工智能教科书将该领域定义为“智能代理的研究和设计” []，其中智能代理是一个感知其环境并采取最大化其成

我现在正在上一门关于人工智能的课，我被要求在整个学期的课程中做一个以某种方式应用人工智能的项目。教授说它可以是任何语言中的任何东西。作为参考，“默认”项目正在编写一些东西来解决Wumpus世界，但是教授说这太容易了，我们应该尝试提出我们自己的问题。我真的不知道该怎么办。我是一名国际象棋高手，所以我想也许可以简化一些游戏规则，或者写一些东西来玩开场白，因为开场白中确实有特定的目标（获得空间、发展棋子、控制中心）。还有其他建议吗？谢谢。我试过一次抽搐。这对我来说已经够难了 不要尝试任何与自然语言解释

在研究自然语言处理时，我遇到了概念依赖的问题。我见过这样的例子： (PTRANS ACTOR(MARY) TO(SCHOOL)) (ATRANS ACTOR(JOHN) OBJECT(BOOK) TO(MARY)) 这些线条到底是什么意思？具体来说，PTRANS和ATRANS等术语的定义是什么？PTRANS对象物理位置的转移 A抽象关系的转移。 这些词用于表示概念化。这些词表示概念化，对应于基础概念之间的语义关系。 CD提供了非正式的构造，这意味着您可以在一个标准中表示它们，这些标

我的聊天机器人在以如下所示的第1种方式使用时没有响应使用通配符 <category> <pattern>*</pattern> <that>MY LITTLE HUMAN HELLO WHAT IS YOUR NAME</that> <template>Owh, nice to meet you, <set name="name"><star/></set>. I should alrea

实际上，我正在用一个免费帐户在Azure ML Studio上上课。我有一个非常简单的笔记本，我从Keras加载DenseNet并使用它（无需分割和训练）预测一些图像 from keras.preprocessing.image import load_img from keras.preprocessing.image import img_to_array from keras.applications.densenet import DenseNet121 from keras.appli

我想用人工神经网络玩井字游戏。我的网络配置如下： 对于9个字段中的每个字段，我使用2个输入神经元。当然，我有18个输入神经元。对于每个字段，我有一个输入神经元用于播放器1，一个神经元用于播放器2。除此之外，我还有1个输出神经元，用于评估当前电路板的位置。输出值越高，玩家1的位置就越好。它越低，对玩家2越有利 但我的问题是：我如何编写神经网络？我的想法是使用一个数组[1-18]作为输入神经元。此数组的值是输入权重。我将使用循环遍历数组。每当有一个神经元被激活时，我就把权重加到输出值上。因此，输出值

最近在一个大型扑克网站上发现，一些玩家可能利用了一个被发现的安全漏洞 一个天真的骗子会以难以置信的速度获胜，而这些骗子通常会很快被抓到，如果抓到的不快，他们很容易通过快速扫描手部历史来发现 更困难的问题是，当骗子表现出智慧，在他们一定会被叫来的地方虚张声势，用最差的手叫牌河投注时，基本前提是他们故意输掉赌注，以掩饰他们看到其他玩家牌的能力，并且他们以合理的现实率获胜 鉴于： 一个包含数百万已验证和完整信息的数据集 理论上无限的计算机能力 假设游戏没有限制举行'他们，虽然建议奥马哈或限制扑克可能

我找到了一些关于两者的短文，对我来说，这两篇文章似乎都是通过逻辑来解决问题的，类似于Prolog的工作原理。我必须补充一点，我是这个领域的新手，所以我可能错了。非常错误。通过一些“逻辑”来解决问题适用于非常广泛的算法。我同意维基百科的定义： 语义推理者的概念 概括推理 引擎，通过提供更丰富的 与之合作的机制 举个例子：根据给定的事实和规则，推理机将推断出新的事实（甚至规则）。但就是这样。这取决于您对聚合状态的理解。诚然，一个简单的语义推理机可能（而且经常）是在推理机之上实现的，但它是一个更广泛的

如果分支因子较大，则广度优先搜索“打开列表”可能会耗尽内存。但是如果状态的数量如此之多，状态空间图可能无法在内存中绘制或表示。因此，不是所有形式的搜索都会失败吗？不一定-可能是被搜索的状态位于树中相当浅的位置（因此在内存耗尽之前被找到），或者（如果树不是太深），可以使用深度优先搜索。此外，修剪技术可能会通过揭示某些路径不需要遵循来帮助您减少有效的分支因子

我对NN真的很陌生，我试图在我的推荐系统中实现它，该系统为用户提供关于用户相似性的推荐。 问题是，im通过不同的参数具有4种不同的用户相似度，并且im使用权重来确定每个相似度在总相似度中的重要性 区域相似性=0.5，权重区域=0.6 兴趣相似性=0.3，权重兴趣=0.8 教育相似性=0.75，权重教育=1.1 位置相似性=0.6，权重位置=1.5 所以计算总相似度将乘以和除以权重之和：0.5*0.6+0.3*0.8+0.75*1.1+0.6*1.5/4 //im除以权重之和，将参数放入{0..1

我从生成决策树开始构建我的专家系统，如下所示： 决策树： 我使用PC外壳构建专家系统，主要代码如下： result=e IF a>20, b=yes; result=f IF a>20, b=no; result=c IF a==20; result=g IF a<20, d="is dry"; result=e如果a>20，b=yes； 如果a>20，结果=f，b=no； 如果a==20，则结果=c； 结果=g如果a是，这是AI，好的老式AI（）。更具体地说，是一个可以作

我正在创建一个板球经理统计游戏。我需要创建一个逐球的游戏模拟。比赛/球的结果将受到球员数据和其他外部因素（如天气或选择的战术）的影响 我一直在读到，大多数游戏都可以实现为一个状态机，这听起来对我很有吸引力，但因为我是一个板球新手，所以我没能把这个游戏想象成一个状态机 球应该是一个状态机还是比赛，球员还是全部3个。我也不确定如何协调这种状态机（通过事件） 我也很难识别状态和转换。任何帮助都将不胜感激。作为第一步，你应该学习板球规则和你的球结果模型，总结以前的球对给定球的影响 然后确定需要跟踪什么，

为什么我们不能在计算权重时使用阶跃函数 weightChange = n * (t-o) * i Where, n: learning rate; t: target out; o: actual out; i: input 这适用于单层网络。我听说需要一个sigmoid来处理非线性问题，但为什么呢？sigmoid激活允许[0,1]中的实值数字的平滑曲线。通过这种方式，可以计算并调整错误，以便下次执行前馈时，它不仅输出整数，还输出来自[0,1]的预测。这样，您可以选择忽略哪个，接受哪个 你所

我了解POMDP中信念状态是如何更新的。但在政策和价值函数部分，我不知道如何计算V*（T（b，a，o））的值来寻找最优价值函数V*（b）。我在互联网上读了很多资料，但没有人解释如何清楚地计算这个。有人能为我提供一个数学上解决了所有计算的例子吗，或者给我一个数学上清晰的解释 您应该查看关于POMDP的本教程： 它包括一个关于值迭代的部分，可用于找到最佳策略/值函数。我尝试在这个答案中使用与前面相同的符号。 首先，我重复上所述的值函数： V*（b）是以置信度b为参数的值函数。b包含所有状态s的概

我的问题可能很简单，但我不确定众所周知的Q-学习方程中的时间指数 方程式： Qt+1（St，At）=Qt（St，At）+alpha*（Rt+1+伽马*max_A（Qt（St+1，A））-Qt（St，At）） 我不明白Rt+1代表什么。简单的例子： 我们在时间T处于状态X 基于epsilon贪婪选择新动作 应用操作 我们在时间T+1处于状态Y （现在我们需要更新状态Y的Q值）奖励是从动作X->Y（？）计算出来的，还是在评估所有下一个Q值（max_A（Q（Y，A））后从动作Y->Z计算出来的 重复1

如果我的聊天机器人是使用luis创建的，那么有可能将QnA集成到其中吗？当路易斯没有答案时，我想用路易斯的意图“无”来触发QnA。 我是如何做到这一点的？看看样品。是的，这是可能的 在Luis对话框中添加以下内容 [LuisModel("modelID", "SubscriptionKey")] [Serializable] public class RootDialog : LuisDialog<object> { [LuisIntent("None")] publ

我在游戏中使用alpha-beta剪枝实现了迭代深化，还添加了一个换位表来存储已经评估过的板 现在，我正在做以下工作： 当运行迭代深化时，在depth=0时，它评估并存储所有位置及其在TT中的分数 现在，当它以深度=1重新运行时。如果TT中存在板，我只返回板的值。这将在深度为0时停止算法，因为深度为0的板的所有值都已在TT中 如果我在达到深度限制时从TT返回值，例如深度=最大深度，那么大的子树将永远不会被砍伐 因此，我不明白我应该如何重新使用TT中存储的值来加快我的游戏速度？我将用国际象棋来解释

我知道一个城市中每个街区的中心纬度和经度，我有一组餐馆的数据，上面有它们的纬度和经度。我需要用K-Means之类的东西来确定哪个社区最密集。比如说，我有第一个系列，比如说十个纬度和经度，第二个是大约200，我如何确定这十个纬度中哪一个最密集，或者附近纬度最多？如果你知道每个街区的边界（或者说它的半径），根据城市的一些地图数据，你只需查看每家餐厅位于哪个街区 否则，您可以计算餐厅与邻居中心点之间的距离，并将200家餐厅中的每一家指定给最近的邻居 然后，您可以将每个街区的密度近似为该街区的餐厅数量除