我随机拿出一个数据集,其中有3个例子{1,2,3.5}
我尝试使用以下两种群集技术:
1.q=2且}=1.1的分层聚类
2.序列聚类
无论使用哪种聚类技术,我都会想到以下两种聚类
{1,2}和{3.5}
这是正确的吗?令人惊讶的是,使用两种完全不同的聚类技术,结果是相同的。我认为您的案例研究不够详尽,无法得出有意义的结论
以一个足够大的数据集为例,它可以显示差异,这也是因为顺序聚类实际上创建了集群,而层次聚类则构建了一棵树。这不是同一个故事。然后,这取决于你如何选择分割层次树的阈值以及用于顺序聚
是否有任何软件、服务或人工智能程序可以使用不同的词汇、语法规则等来重建英语段落
我的意思是,如果源段是
“瓜利奥是附近一个很好的旅游胜地
到Jhansi,Jhansi因为
他们的女王拉尼·拉克斯米·白
(马尼坎达纳)
任何软件都可以生成其版本或模式,如
“Rani Laxmi Bai(马尼坎大纳)是
杰汉斯女王,离
好的旅游宫,瓜利奥。”
或者别的什么。我知道100%的正确性是不可能的,除非有人为干预。编写了一个JavaScript应用程序,可以生成公司的废话供发布(他还有一个很棒的软件)。这不
我正在写一个“聊天机器人”,它通过阅读一组真实的人类聊天,并根据对人类输入的分析中最可能的答案对输入做出响应,但我需要大量的真实聊天来进行分析
我的个人聊天记录还不够,因为我需要更多的数据进行概率分析
有没有以任何形式向公众开放的真实生活聊天的公共资源
如果你不介意的话,你也可以捐赠自己的个人聊天记录?为了科学
谢谢
注意:我在开放式聊天室中发现了很多数据,人们使用公共聊天室只是为了写一些随机的东西我得到了帮助。当然,拉斐尔,
首先,看看沃利斯博士在艾尔伯特的出色作品。
查找AAA列表。
下一个
我想问一个作业问题。我知道有些人在回答这类问题时犹豫不决,但相信我,我在这项作业上花了很多时间,并尽了我所能。所以如果可以的话,请帮忙
问题是网格格式的类似流氓的AI游戏,其中一个测试用例是如下所示的地图:
~~~~~~~~~~~~~~~~
~~~~~~~~~~~~~~~~
~~ g** d *~~
~~ ** * * ~~
~~ ** *** ~~
~~ ** d ~~
~~ ** < ~~
~~~~~~~~~~~~~~~~
~~~~~~~
我一直试图在connect 4中实现minimax算法,但遇到了一个问题
只有两个值来评估移动:赢游戏的无穷大和相反的-无穷大,我需要一个巨大的深度来在第一步达到这些值,所以我需要的是一个评估函数,但我不知道它应该是什么。。。有什么想法吗?首先,Connect 4还允许进行抽签,因此您有三种可能的结果。
第二,既然可以使用+1和-1,为什么还要使用+inf和-inf呢?
第三,董事会评估函数的明显起点是一行中的令牌数
但这只是一个起点 对于游戏Connect Four,一个好的评估函数将分析两个
我正在尝试使用随机二叉树实现遗传编程。它本质上是一个解析树,具有特殊的操作符子集,包括:和,,纯形式的遗传编程与一组非终端(NTs)和终端(Ts)。NTs通常是运算符、函数等,而Ts通常是变量、常量,或者您可以将其视为零算术函数。当你做交叉时,你在每一个父对象中选择一个子树,然后切换它们。当你进行变异时,你会删除一个子树并生成一个随机的(深度有限的)。生成树时(无论是在初始化阶段还是在变异阶段),您都有一些深度限制。在达到此限制之前,您将同时从NTs和Ts放置节点。当达到此限制时,您将仅从Ts放
在BFS中,节点在生成时进行目标测试。在其他搜索中,节点在展开之前进行目标测试。这两种语句之间的区别是什么?这有什么好处 广度优先搜索(BFS)使用节点队列进行处理。类似地,可以使用堆栈编写用于比较的深度优先搜索(DFS)
展开节点时,所有相邻的未访问节点都将添加到队列(或堆栈)中
当对节点进行目标测试时,算法将检查该节点是否具有所需的属性,并应返回该节点,而不是继续搜索
注意,这是一个搜索,一旦找到所需的节点就会停止,而不是遍历,遍历总是访问所有可到达的节点
将新节点添加到队列之前,BFS目标
我创建了一个游戏(基本上是一个Agar.io克隆),在这个游戏中,一个人类玩家被放置在由遗传算法和神经网络驱动的人工智能控制的机器人上
问题是我认为我的算法效率不高。我有10个机器人按照它们的健身功能进行排名,也就是生存时间。他们的基因由-1到1之间的实数组成
从最低适应度到最高适应度,我将n个机器人最多5个机器人,并将当前权重值与高斯数乘以(10^-n)相加。
我很难用浮点数进行交叉,所以我只做了这样的变异
显然,我的人工智能不是很聪明
如何改进我的算法
如果需要的话,这里是大部分源代码所在的
我想知道为什么信赖域策略优化是基于策略算法的
我认为,在TRPO中,我们按照旧政策进行抽样,更新新政策,并应用重要性抽样来纠正偏差。因此,它更像是一种非策略算法。
但最近,我读到一篇文章说:
与关闭策略算法相比,打开策略方法需要
根据当前遵循的更新函数近似值
政策。特别地,我们将考虑信赖域。
政策优化:传统政策梯度的延伸
方法采用自然梯度方向
有什么我误解的吗?on policy方法的关键特性是它们必须使用估计的策略才能与环境交互。在信任区域策略优化的情况下,它使用当前策略有效地请求样本(即与环
我正在使用YOLOv3开发一个对象检测应用程序。我重新训练了模型,检测了两个类。多亏了Repo的创建者,我已经成功地完成了这项工作。
现在我必须将模型部署在jetson nano套件上,它应该连续运行并提取指定类别、置信度和边界框坐标的检测列表,然后我应该对前面提到的参数进行一些处理,然后使用任何通信协议将其发送到另一个ECU,无论如何,如何从YOLOv3中提取上述参数并使代码连续运行如果您使用Python脚本进行YOLOv3检测,您将在脚本中遇到以下部分:
detections = darkn
我有一个槽,声明为分类槽,我希望该槽不会影响流
选择\u值:
类型:分类
价值观:
- "1"
- "2"
- "3"
- "4"
- "5"
- "6"
- "7"
- "8"
-“9”您必须在其下方添加“类型:未加热”。
我必须做一个索科班解算器(http://en.wikipedia.org/wiki/Sokoban).
你做过一次吗?我在搜索提示,而不是代码。比如“你可以使用IDA*alg”或者“我使用了那个启发式,它非常好”或者“我使用那个技术不会避免死锁”
基本上,我想在写任何代码之前在纸上写下策略。你可以创建一个蛮力解算器,尝试将你的人推向每个可能的方向。通过使用递归(或堆栈),如果找不到解决方案,您可以追溯您的步骤
A*可能对你没有任何好处,因为你不必在迷宫中找到路,还需要移动箱子。这意味着您可能需要
我是人工智能新手,我正在尝试用minimax算法实现tic-tac-toe游戏,但在开始之前,我想检查一下我对实现的理解:
首先,在移动的每个步骤中,根据我的网格的当前状态,我创建决策树,在决策树生成后,我将应用最小值来标记树,然后根据标记选择最佳下一步,然后再次从头开始为所选移动创建决策树,再次应用最小值并选择最佳移动
以下是我设计的伪代码:
move(current state)
{
tree=make_decision-tree(current state);
maxminalg(
利用clips库制作了专家系统。
我有一个问题要解释专家系统工作的结果
规则尽可能简单,看起来像“如果a不可操作,那么b不可操作”。
我用简单的规则和事实系统实现了一种还原逻辑推理机
为了准确地回答这个问题,有没有具体的方法可以在CLIPS专家系统中得到解释。这是如此广泛和模糊。您是否需要展示结果,或者您是否难以理解它为什么会这样做?在第一种情况下,看看一些科学论文以及作者是如何组织它们的。在后一种情况下,使用print语句或调试器来查看发生了什么,或者,在这里发布一些结果,并说出您期望的结果。
我正在研究知情搜索算法,对于新的双向A*搜索,我知道空间复杂度是O(b^d),其中d是最浅目标节点的深度,b是分支因子。我试图找出它的时间复杂度是什么,但我无法在在线资源中找到任何关于它的确切信息。NBA*搜索的准确时间复杂度未知吗?原始双向A*之间的区别是什么?任何见解都值得赞赏。如果您有问题的特定模型(例如单位边成本和状态数呈指数增长的双向均匀增长图),那么大多数双向搜索算法需要O(b^(d/2))节点扩展,并且需要O(b^(d/2))时间。但是,这个简单的模型并不能实际模拟大多数现实世界的
在计算机科学的整个学年里,我爱上了人工智能的许多方面。从专家系统、神经网络到数据挖掘(分类)。我想知道,如果我要在专业上改变这种学术热情,会有什么与人工智能相关的工作 人工智能课程教授 对我来说,最明显的答案是游戏
我认为游戏对人工智能来说是一个非常有趣的挑战,因为你本质上是一个机器人。你会惊讶于使用人工智能方法的领域的数量。从最佳工业控制、流程管理和优化,到业务规则和财务建模,再到文本分析、机器翻译、搜索引擎
几乎在人类已经习惯于根据数据做出复杂决策的任何地方,现代电子通信和采集方法产生的数据
我曾经写过一个俄罗斯方块AI,玩得很好。我使用的算法()是一个两步过程
在第一步中,程序员决定跟踪对问题“感兴趣”的输入。在俄罗斯方块中,我们可能有兴趣跟踪一行中有多少间隙,因为最小化间隙有助于更轻松地放置未来的片段。另一个可能是平均柱高,因为如果你即将失败,冒险可能是个坏主意
第二步是确定与每个输入相关联的权重。这是我使用遗传算法的部分。只要根据结果随时间调整权重,任何学习算法都可以。其想法是让计算机决定输入与解决方案的关系
使用这些输入及其权重,我们可以确定采取任何行动的价值。例如,如果将直
我将作为一名人工智能学生进入我的第三年学习,并且正在计划我的第三年项目。我一直在考虑某种推荐制度。这样做的动机是了解人们如何评估产品,什么使产品令人满意,从而试图建立一个系统来理解这一点。目前,我的想法是建立一个能够区分人们喜欢和不喜欢的不同优先事项的系统。例如,一个对环境非常了解的人可能不想购买不环保的产品
所以问题是
-在现代网络人工智能系统Google、Amazon、Last.fm等中,哪些东西最需要修复/开发
我的项目仅限6个月左右,但我很想听听大家对这个主题的看法。你可能想看看Face
我有一个过程,它使用来自外汇市场的多个实时价格数据源,并生成2个时间序列数据流作为其输出。输出有噪声(即不像sin或cos那样平滑),两个流的值都在0和100之间
在机器学习或人工智能中,有没有一种方法可以帮助我识别一个信号是陡正信号,另一个是陡负信号?我曾经玩弄过简单的移动平均线和指数移动平均线来稍微平滑线条,但是这样我丢失了太多的信息。你可以应用超智能的机器学习
特征:最后n个数据点的值。
标签:-1减少+1增加
现在,您只需要一些带标签的样品,这将给出如下表格(此处n=5):
现在,学习一
最近我开始研究数据挖掘中的聚类,我研究了序列聚类、层次聚类和k-means
我还读到一篇声明,将k-means与其他两种聚类技术区分开来,说k-means不太擅长处理名词性属性,但本文没有解释这一点。到目前为止,我能看到的唯一区别是,对于k-means,我们将提前知道我们将需要确切的K个聚类,而我们不知道其他两种聚类方法需要多少个聚类
有人能告诉我为什么会有这样的说法吗,比如说,k-means在处理名词性属性的例子时有这个问题,有没有办法克服这个问题
提前感谢。k-means算法通过获取簇中所有
对于我的AI类,我必须使用alpha-beta修剪制作一个游戏
我在考虑表示电路板状态的最佳方法-我的第一直觉是使用一种邻域矩阵,即9x9矩阵,在m[I,j]上,m[I,j]是一个整数,它表示移动(tic tac toe)中标记了I和j(如果没有这种连接-m[I,j])为零)M[i,i]不是0。然后,我将创建这样一个矩阵的博弈树,并使用经典的minimax和alpha-beta修剪
然而,这种方法似乎相当昂贵——会有一个相对较大的分支因子加上每个节点的基本操作——检查循环并找到9x9矩阵的所有等
经过几个小时的调试,该算法似乎正在运行。现在,为了检查它是否工作,我正在检查while循环退出时的结束节点位置到当前节点位置。到目前为止,这些值看起来是正确的。问题是,我离目前静止的NPC越远,性能就越差。它达到了一个点,游戏是不可玩的低于10 fps。我当前的路径图是2500个节点,我认为这相当小,对吗?关于如何提高绩效有什么想法吗
struct Node
{
bool walkable; //Whether this node is blocked or open
所以我有两个父母
ABCDE
EDCBA
我是否可以从以下两个选项中选择一个子集:
来自父一:ACD
来自父二:EDC
然后我将父一复制到子一,但以父二的顺序复制所选子集,因此:
子代一:DBCAE
后代二:CDEBA回答标题问题:
:
更多理论:镜像:
相关::< P>这是C++中用我自己的随机类实现的代码。我不确定旋转是否正确,但交叉似乎是合法的。在一天结束时,你不会得到任何重复
#include <array>
#include <random>
#include
给定这对表达式,是否可以为其找到MGU
f(x,y)
f(y,x)
我想说这是可能的,当x/y时,但我不确定这是否合法。
你们怎么说
谢谢 是的,这些术语可以很容易地统一起来,产生断言x=y作为副作用。你说的“x/y”是什么意思?为什么x=y不是mgu?这就是我的意思,但我想知道这是否是一个合法的解决方案,因为在给定的示例中,有两个输入可能不同,在mgu中,两个输入都是相同的。也许我遗漏了一些关于这个主题的东西。为什么它们不同?顺便问一下,这是序言符号还是逻辑符号?i、 例如,x和y是变量还是常
假设我正在基于函数fn=cgn+3-chn执行最佳优先搜索,以选择下一个要展开的节点。如果我使用c=0,我将得到fn=3hn。我可以说,当c=0时,搜索算法的行为与最佳优先搜索或贪婪的最佳优先搜索完全相同吗
我对这两件事感到怀疑。我的回答是肯定的,因为它只是向前看,不考虑GN,而且我的感觉是最好的第一次搜索,因为它被乘以3而被高估,所以它不是贪婪的,但是我不确定我是否正确。 < P>你指的是像A*这样的算法,它执行基于F成本的最佳第一次搜索,其中fn=gn+hn,节点的g成本是达到该节点的成本,
我读过一些关于时态差分学习的论文和讲座(有些是关于神经网络的,比如萨顿关于TD Gammon的教程),但我很难理解这些方程,这就引出了我的问题
-预测值V_t从何而来?然后,我们如何得到V_Ut(t+1)
-当TD与神经网络一起使用时,返回传播的究竟是什么?也就是说,当使用TD时,返回传播的错误从何而来?向后和向前的视图可能会令人困惑,但当您处理一些简单的东西,如游戏程序时,实际上事情非常简单。我不是在看你正在使用的参考资料,所以让我只是提供一个概述
假设我有一个类似神经网络的函数逼近器,它有两
假设我有一组图像,我将使用这些图像来识别来办公室的人。然后我建立自己的人脸识别系统,训练神经网络识别人脸。但是一个月后,有一个新员工,我是否应该(完全)重新培训ANN?有什么“动态技术”可以让我只训练新的而不是整个图像吗?我理解这个问题。通过训练神经网络,系统学习一种模式。为什么不使用一个数据库来存储由图片表示的人物,并为他们指定模式描述?这样,当您训练ANN识别模式时,您将存储与此人相关的模式,并且当您希望系统能够确定显示了谁的图片时,只需使用单独的模式来确定谁的模式与图片最相似
如果我是你,
我已经使用ENCOG实现了一个维度缩减算法,该算法采用了一个具有多个特征的数据集(称为a),并将其缩减为一个只有一个特征的数据集(B)(我需要用于时间序列分析)
现在我的问题是,我有一个时间序列分析预测的B值,我能把它转换回a数据集中的二维吗?不,通常降维是不可逆的。它会丢失信息。在自动编码器中,降维(信息压缩)是可逆的。自动编码器是中间具有瓶颈层的规则神经网络。例如,在第一层中有20个输入,中间层中有10个神经元,最后一层中有20个神经元。当你训练这样的网络时,你强迫它将信息压缩到10个神经元
在AIML中,如果有多个文件匹配同一模式,如何在一个文件中赋予匹配优先级?Alice站点对如何确定优先级有以下说明:
在每个节点上,“\u1”具有第一优先级、原子字匹配第二优先级和“*”匹配最低优先级
模式不需要按字母顺序排列,只需按部分顺序排列,以便在任何单词之前加上“u”,在任何单词之后加上“*”
匹配是逐字进行的,而不是按类别进行的
该算法将输入模式、模式和模式组合成一个“路径”或句子,如:“模式”
该主题“并处理令牌和
就像平常的话。模式和主题模式可能包含
多个通配符
匹配算法是高度受限
我正在尝试OCR简历。我的第一个问题是,在OCR之前,获取文档的主要块
由于所有的简历都有“视觉块”(指的是专业经验、技能、语言、爱好等等),我想知道是否有开源解决方案可以将文档“分割”为“块”,显然,无论布局设计如何(我认为某种人工智能将在这里工作)
谢谢首先使用zlib解压您的pdf。
然后,您将能够以可读格式查看pdf-
pdf格式有点类似于postscript
还可以尝试将pdf转换为postscript,以查看内容的排列方式
您可以使用pdf解析器解压缩pdf
也试试这个-
一旦你能看
在GoogleColab中培训了一个双延迟DDPG代理10个小时后,我下载了python文件,在另一个平台上继续工作。然而,问题是在保存python笔记本文件时没有包含训练数据,因此训练数据丢失。如何保存文件,例如将其移动到Unity 3D环境,而不放弃培训,这样我就不必重新培训代理
我真诚地感谢您的回答、评论、想法等 在驱动器中的会话中存储要持久化的文件
下面是一个片段,展示了如何在Colab中将您的Google驱动器作为FUSE文件系统装载:
嗨,鲍勃,谢谢你的回复,我会查看的!
我正在复习我拿到的人工智能课本,我已经进入了我的部分的最后一道作业题:
“使用您选择的任何语言实现第69页概述的统一算法。”
在第69页,统一算法的伪代码如下:
function unify(E1, E2);
begin
case
both E1 and E2 are constants or the empty list:
if E1 = E2 then return {}
else
我正在编写一个遗传编程(GP)系统(用C语言编写,但这只是一个小细节)。我读过很多文献(Koza、Poli、Langdon、Banzhaf、Brameier等),但有些实现细节我从未见过解释。例如:
我使用的是稳定状态的总体,而不是分代的方法,主要是使用计算机的所有内存,而不是为临时总体保留一半
问题1。在GP中,与GA相反,当您执行交叉时,您选择了两个父项,但您是否创建了一个或两个子项,或者这是您的自由选择
问题2。在稳定状态下,相对于代际制度,交叉创造的儿童会取代哪些人口成员?这是我没见过的
我在理解算法时遇到问题。这是在网上看到的最流行的一个
for all members of population
sum += fitness of this individual
end for
for all members of population
probability = sum of probabilities + (fitness / sum)
sum of probabilities += probability
end for
loop until new p
我需要执行扫雷舰解算器。我已经开始实现基于规则的代理。
我执行了一些规则。我有一个启发式函数,用于为正在处理的当前单元格(包含有关周围单元格的信息)选择最佳匹配规则。因此,对于每个选定的单元,它可以决定8个周围单元打开它们、标记它们或什么也不做。我是说。此时,代理获取一些显示的细胞作为输入,并决定如何处理周围的细胞(此时,代理不知道如何决定处理哪个细胞)
我的问题是,要实现什么算法来决定要处理哪个细胞
假设,对于第一步,代理将显示一个角单元格(或其他单元格,根据第一步的某些规则)。那之后怎么办
与机械工程、计算机工程或软件工程相比,数学如何比较?如果我想成为该领域的研究人员或行业专家,我现在应该开始专注于学习什么数学,或者应该期望学习什么数学?我目前是一名高中四年级学生,正在考虑人工智能。数学吓不倒我 在人工智能中,最重要的目标之一是让计算机像人类一样行动(和思考!)。为此,计算机必须从观测(数据)中学习模型,并根据该模型采取行动。这种学习和预测需要深入理解概率论、统计学和随机过程作为基本工具
今天,概率论和统计学被认为是微积分等普通数学,所有本科生都熟悉它们,但如果你的研究领域是人工
我已经实现了一个connect 4 AI,可以在我的班级比赛中玩。我已经用alpha-beta修剪实现了一个深度有限的minimax。我们可以给出一个深度作为比赛的论据。我的课程会有一个动作,然后另一个学生会有一个动作,这会一直持续到有赢家为止。它也是一个改进的connect 4,其中6×7游戏板中的全部42个点都被填满,每4个点一行就是一个点,最多的点获胜
我的问题是关于alpha-beta修剪。我们的动作需要“大约1秒”,所以任何低于2秒的动作都可以。在没有alpha-beta修剪的情况下运
我有一个关于朴素贝叶斯分类法的问题。
虽然我认为这是一个简单的例子,但我遇到了一个障碍
基本上,以下是我想做的分类:
我希望能够获取一些培训数据:
input1 | input2 | input3 | class
1 3 3 1
2 1 1 2
1 1 1 3
3 3 3 1
并将其分为1-3类
据我所
当我在不同的图上运行Dijkstra和A*时,因为它们都是最优算法,所以我总是希望找到相同的路径,对吗
如下图所示:
节点:S、A、B、C、D、E、G
边缘和成本:(S,A)=1,(A,B)=1(B,C)=1,
(A,E)=8,(A,D)=6,(D,G)=2
启发式:h(S)=6,h(C)=7,h(B)=6,h(A)=5,h(D)=2,h(E)=1,h(G)=0
我发现S->A->D->G都是路径。
Dijkstra和A*这条路的成本都是9
任何图都是这样,因为两者都是最优的吗?
如果我想比较这
请问,当我试图用人脸识别比较已知编码和未知编码时,我该如何修复这个错误
这是密码
unknown_dir = '/content/drive/My Drive/Colab Notebooks/unknownFaces'
for file in os.listdir(unknown_dir):
print('processing', file)
img = read_img(unknown_dir + '/' + file)
u_img_enc = face_recogni
我试图确定如下所示的人工神经元的值(0或1)
对于将触发的输入i1、i2和i3(i0是
偏差权重和将始终为-1)
重量很重
W0=1.5
W1=-1
W2=1,W3=2
假设激活功能如下图所示
请澄清您的答案,因为我只举了几个例子,但我仍然无法完全理解该理论:(
非常感谢,
玛丽J
附:下图:
似乎这只是一个将*Wn中的求和并确定i1、2、3的哪些组合会产生积极结果的问题。只有8个排列,所以只需手动运行即可。我对人工智能有粗略的了解,但据我所知:
输入的总和(Sigma i_n*W_n)必须大于
我觉得有用
groups.google.com/group/comp.lang.prolog/topics
cs.cmu.edu/afs/cs/project/ai-repository/ai/areas/
google.com/Top/Computers/Programming/Languages/Prolog/Implementations/
allisons.org/ll/Logic/Prolog/Examples/
序言信息/
也许还有其他有用的链接?请分享:-)一个充满聪明人的邮件列表
现在我需要创建一个我自己的数据挖掘任务。我已经和一些人谈过,最流行的想法是价格预测或运动结果预测,我认为已经有很多人在实施它们。
那么,有谁能给我一些现实生活中的想法吗?你发现数据挖掘可能很有用,比如根据顾客在超市已经购买的东西预测顾客想要买什么。
任何想法都欢迎,提前感谢。我发现在网站上进行链接点击分析时,数据挖掘非常有用。此信息用于通过微调网站中最合适的导航来优化用户体验
它涉及非常具体的链接和链接的“类别”,如“小项目描述”和“大项目标题”我发现在网站上进行链接点击分析时,数据挖掘非常有用
有没有软件可以将产生式规则转换为搜索树或决策树
谢谢=)看看像JBoss Drools这样的规则引擎,
它经常被用来模拟导致一个或多个决策的大量规则,
例如信贷批准和信贷利率或保险批准和保险费或医疗决定。通常不赞成使用表情符号,因为它们无法澄清您的问题。
在我目前的职位上,我是一名构建工程师,但我涉足应用人工智能技术来提高我们的能力。我感兴趣的是你们的团队如何在现实生活中使用人工智能技术(模式识别、机器学习、贝叶斯分类或神经网络)。我正在寻找其他方法来改进我们的流程和有趣的项目
我尝试过的事情的例子:
朴素贝叶斯分类器,用于自动将类别标签(轻罪、重罪、交通违规)分配给法庭记者输入的自由格式文本
使用遗传算法生成本年度的团队计划,该算法使用一个适应度函数,该函数为任何计划冲突、团队成员分配过多/过少、假期、个人休假分配了缺点
二进制关联存储器,用
假设您有3个输入:A,B,C。人工神经网络(不一定是前馈)能学习这种模式吗
if C > k
output is A
else
output is B
有哪种类型的网络可以或非常适合这种类型的问题 是的,对于前馈神经网络来说,这是一个相对容易学习的模式
假设使用sigmoid函数,您至少需要3层:
第一层可以测试C>k(也可能将A和B缩小到sigmoid函数的线性范围内)
第二层可以根据第一层计算A/0和0/B
第三(输出)层可以执行加权求和以给出a/B(根据所需值的比例,
我真的不知道这个问题怎么说,所以请容忍我
比如说,我正在开发一个神经网络,用于对田径比赛中的每位跑步者进行评分。我给出了关于跑步者的神经网络信息,例如获胜百分比、上次跑步后的天数等
我的问题是-在这种情况下,神经网络对跑步者进行评分,我能给网络一个像比赛天气一样的输入吗?e、 g.我给网络1.00表示热,2.00表示冷,3.00表示OK
我问这个问题的原因是:神经网络的输出越大,跑步者就越好。因此,这意味着win%投入越高,评级越高。如果我给神经网络输入值越大,不一定意味着跑步者越好,那么网络是
我已经为Campfire编写了一个聊天室机器人,它被编程用来处理某些关键字和命令,不过我想让它看起来更具感觉
是否有可以接受字符串的API,例如:
“你是机器人吗?”
并以如下方式回应:
“当然不是。”
??或者甚至是一个linux程序或者一个开源软件可以做这样的事情
我宁愿不要从头开始写 有一个名为“from”的python包,您可以在其中与不同的机器人进行“对话”。您可以将这些代码用于自己的应用程序。恐怕这里不接受资源请求…谢谢Jan。您介意告诉我应该去哪里问这样的问题吗?也许我听起来太像个
我正在研究一种遗传算法,它涉及一个排课问题,我有一个问题,那就是我应该选择哪种选择方法
我的问题是:
1)选择方法的选择如何影响遗传算法的性能?
2)最有效的选择方法是什么?
3)如果我尝试使用随机选择来逃避基于适应度的选择(因为我的任务需要时间),会发生什么情况?
提前感谢您。1)您的适应度函数、变异/交叉算子和整个搜索空间紧密而微妙地相互关联。每个问题/选择方法都有自己的性能特点。所以,你的问题没有明确的答案。这仍然是一个悬而未决的研究问题
2) 不能说是因为1)。你必须亲自尝试、测量和观察
如果我们有一个根节点为max节点的博弈树,树的minimax值为a,另一个类似的树,根节点为max节点,但每个min节点都替换为chance节点,树的expectimax值为E:A值是否始终小于或等于E?设X_i为根下第i个节点的随机变量
很明显,min(X_i)我担心有了这样的描述,很难——如果不是不可能的话——帮助你解决你的问题。你能再描述一下吗?一些展示A和E值的极小极大树的图片也会非常有用!
上一页 1 2 ...
6 7 8 9 10 11 12 ...
下一页 最后一页 共 30 页