обратное распространение ошибки

Обратное распространение ошибки: математика

В процессе обучения в человеческом мозге формируются и модифицируются синапсы между нейронами на основании стимулов, получаемых при накоплении эмпирического опыта. Нейронные сети реплицируют этот процесс как математическую формулировку — обратное распространение ошибки. Вот как эта архитектура взаимосвязанных вычислительных модулей может решать задачи: модули получают пример и, если не делают правильного предположения, отслеживают проблему в обратном […]

Открыть полностью »

простые нейронные сети

Простые нейронные сети: уровни и коэффициенты

В отличие от других алгоритмов, обладающих фиксированным конвейером получения и обработки данных, нейронные сети требуют решения об информационных потоках при фиксированном количестве модулей и их распределении по уровням, чтобы получилась архитектура нейронной сети. Уровни нейронной сети фильтруют и обрабатывают информацию прогрессивным способом. Это ввод с прямой подачей поскольку данные в сеть подаются с одного направления. […]

Открыть полностью »

вероятность события

Теорема Байеса: определение вероятности события

Томас Байес был не только священником в пресвитерианской церкви, но также статистиком и философом, сформулировавшим свою теорему в первой половине XVIII века. При его жизни эта теорема никогда не публиковалась, но впоследствии она сделала революцию в теории вероятности, введя понятие условной вероятности, упомянутой в предыдущем разделе. Благодаря теореме Байеса прогноз вероятности того, что человек является […]

Открыть полностью »

глубокое обучение нейронных сетей

Глубокое обучение и решения с необходимыми данными

Глубокое обучение позволяет перекинуть мост между возможностью алгоритмов вырабатывать наилучшие возможные решения, используя все необходимые данные, и теми данными, которые фактически доступны, а они редко бывают в формате, понятном алгоритмам машинного обучения. Фотографии, образы, звуковые записи, данные из веба и записи компаний — все они требуют, чтобы анализ данных предварительно преобразовал их в подходящий формат. […]

Открыть полностью »

глубокое обучение

Проблемы глубокого обучения искусственного интеллекта

При нынешнем положении дел у людей сложилось нереальное представление о том, как глубокое обучение может помочь обществу в целом. Вы видите, что приложение глубокого обучения побеждает кого-то в шахматах и думаете, что если они способны на эту действительно удивительную вещь, то на какие еще удивительные вещи они способны? Проблема в том, что в глубоком обучении […]

Открыть полностью »

вероятность события

Вероятность события: вычисление с учетом полученных знаний

Вероятность указывает, насколько ожидаемо некое событие, и выражает это как число. Например, подбросив монету, вы не можете знать заранее, как она упадет, орлом или решкой, но вы можете предсказать вероятность обоих результатов. Вероятность события измеряется в диапазоне от 0 до 1. Промежуточные значения, такие как 0,25; 0,5 и 0,75; указывают, что событие произойдет при определенном […]

Открыть полностью »

статистика и машинное обучение

Машинное обучение: поиск правды в вероятностях

На некоторых веб-сайтах утверждается, что статистика и машинное обучение — это две совершенно разные технологии. Например, складывается впечатление, что эти две технологии не только различны, но и совершенно враждебны одна другой. Хотя статистика демонстрирует скорее теоретический подход к задачам, а машинное обучение просто основано на данных, у статистики и машинного обучения есть много общего. Кроме […]

Открыть полностью »

подходы к обучению искусственного интеллекта

Перспективные подходы к обучению искусственного интеллекта

В этой статье рассматриваются подробности базовых алгоритмов, выбранных байесианцами, символистами и коннекционистами. Эти научные школы представляют настоящую и будущую грани обучения на основе данных, поскольку любой прогресс в искусственном интеллекте, подобном человеческому, ожидается именно от них, по крайней мере пока не произойдет новый прорыв с новыми, более невероятными и мощными алгоритмами обучения. Конечно, сцена машинного […]

Открыть полностью »

обучение искусственного интеллекта

Обучение искусственного интеллекта: пять основных подходов

Алгоритм — это своего рода контейнер. Он похож на коробку для хранения метода решения задач определенного вида. При обработке алгоритм проводит данные через серию четко определенных состояний. Состояния не обязаны быть определены, тем не менее они определяются. Задача заключается в том, чтобы получить результат, решающий задачу. В некоторых случаях алгоритм получает входные данные, помогающие определить […]

Открыть полностью »

искусственный интеллект и машинное обучение

Искусственный интеллект и машинное обучение: взаимосвязь

Обучение было важной частью искусственного интеллекта с самого начала, поскольку искусственный интеллект может подражать интеллекту человека. Достижение такого уровня мимикрии, который фактически напоминает обучение, займет много времени и потребует множества подходов. Сегодня машинное обучение может демонстрировать квазичеловеческий уровень обучения при решении специфических задач, таких как классификация изображений или обработка звука, но он стремится достичь подобного […]

Открыть полностью »