Computerwissenschaften machine-learning

1

Entscheidungsbaumähnliche Funktionsauswahl mit fester Länge, um die durchschnittliche Suchleistung zu minimieren

Ich habe eine komplexe Abfrage verwendet wird, um einen Datensatz S zu durchsuchen , um H genau = { s ∈ S ∣ zu finden, wobei Q ( s ) wahr ist } . Jede Abfrage benötigt die durchschnittliche Zeit t, sodass die Gesamtzeit bei der linearen Suche t ⋅ …

9 algorithms optimization machine-learning greedy-algorithms databases

1

Algorithmen für maschinelles Lernen basierend auf „struktureller Risikominimierung“?

Welche Algorithmen für maschinelles Lernen (neben SVMs) verwenden das Prinzip der strukturellen Risikominimierung ?

9 reference-request machine-learning

1

Gibt es einen allgemeinen Algorithmus zum Füllen von Löchern im Hinblick auf die Konstruktionsrechnung?

Angenommen, Sie erweitern die Konstruktionsrechnung um "Löcher", dh um unvollständige Codeteile, die Sie noch nicht ausgefüllt haben. Ich frage mich, ob es einen Algorithmus gibt, mit dem diese Rollen automatisch besetzt werden können. Zum Beispiel (unter Verwendung der Morte -Syntax): Fall A: λ (pred : ?) -> λ (Nat : …

9 machine-learning programming-languages unification

1

Ausdruckskraft moderner regulärer Ausdrücke

Ich habe kürzlich mit einem Freund über eine Website gesprochen, auf der Regex-Herausforderungen vorgeschlagen wurden, wobei hauptsächlich eine Gruppe von Wörtern mit einer speziellen Eigenschaft abgeglichen wurde. Er suchte nach einem regulären Ausdruck, der zu Zeichenfolgen passt, bei ||||||||denen die Anzahl der |Primzahlen ist. Ich sagte ihm sofort, dass dies …

9 formal-languages machine-models logic boolean-algebra xor cryptography algorithms machine-learning algorithms paging virtual-memory programming-languages object-oriented algorithms search-algorithms strings binary-search formal-grammars context-free algorithms algorithms correctness-proof greedy-algorithms permutations logic first-order-logic logic-programming algorithms complexity-theory computability programming-languages complexity-theory complexity-classes quantum-computing reductions formal-languages programming-languages semantics operational-semantics small-step-semantics sets first-order-logic computer-networks communication-protocols

1

Neuronales Netz divergiert statt konvergiert

Ich habe ein neuronales Netzwerk (mit CUDA) mit 2 Schichten implementiert. (2 Neuronen pro Schicht). Ich versuche, 2 einfache quadratische Polynomfunktionen mithilfe der Backpropagation zu lernen . Aber anstatt zu konvergieren, divergiert es (die Ausgabe wird unendlich) Hier sind einige weitere Details zu dem, was ich versucht habe: Ich hatte …

9 machine-learning artificial-intelligence neural-networks

1

Intuitive Beschreibung für das Training von LSTM (mit Vergissentor / Guckloch)?

Ich bin ein CS-Student (aber ich weiß nicht viel über KI, habe keine Kurse besucht und definitiv nichts über NN bis vor kurzem), der im Begriff ist, ein Schulprojekt in KI zu machen, also wähle ich ein Thema aus Grammatikinduktion (der kontextfreien Sprache und möglicherweise einer Teilmenge der kontextsensitiven Sprache) …

9 formal-languages machine-learning artificial-intelligence neural-networks

1

Lerndynamik

Ich habe kürzlich etwas über Q-Learning gelernt, eine verstärkte Lerntechnik, die den erwarteten Wert einer Aktion in einem Zustand direkt abschätzt. Ich frage mich, ob es Techniken gibt, um "dynamisches Lernen" durchzuführen, um die Dynamik eines Systems abzuschätzen. Ein "Dynamic Learning" -Agent kann Aktionen auswählen, die ihm beim Schätzen der …

8 machine-learning physics

1

Sollte die Aktivierungsfunktion in neuronalen Netzen monoton sein?

Viele Aktivierungsfunktionen in neuronalen Netzen (Sigmoid, Tanh, Softmax) sind monoton, kontinuierlich und differenzierbar (mit Ausnahme einiger Punkte, an denen keine Ableitung vorhanden ist). Ich verstehe den Grund für Kontinuität und Differenzierbarkeit, kann aber einen Grund für Monotonität nicht wirklich verstehen.

8 machine-learning neural-networks

1

Definition des PAC-Lernmodells

Das wahrscheinlich ungefähr korrekte (PAC) Lernmodell ist definiert als: Eine Konzeptklasse gilt als PAC-lernbar, wenn ein Algorithmus und eine Polynomfunktion so dass für alle ε> 0 und δ> 0 für alle Verteilungen D auf X und gilt Für jedes Zielkonzept c∈C gilt für jede Stichprobengröße m≥poly (1 / ε, 1 …

8 machine-learning

1

Zeichenfolgeneingaben beim maschinellen Lernen

Einige gängige Algorithmen für maschinelles Lernen wie die logistische Regression oder neuronale Netze erfordern numerische Eingaben. Was mich interessiert, ist, wie Sie diese Algorithmen für nicht numerische Eingaben (wie kurze Zeichenfolgen) verwenden. Angenommen, wir erstellen ein E-Mail-Klassifizierungssystem (Spam / kein Spam), bei dem eine der Eingabefunktionen die Absenderadresse ist. Um …

8 machine-learning data-mining

1

Anpassung des neuronalen Netzwerks

Ich habe gelegentlich neuronale Netze (Back Propagation Networks) mit einigen ziemlich komplizierten Datensätzen (Backgammon-Positionen und OCR) trainiert. Dabei scheint es, dass ein Großteil der Arbeit darin besteht, verschiedene Konfigurationen der Netzwerke auszuprobieren, um die optimale Konfiguration für das Lernen zu finden. Oft gibt es einen Kompromiss zwischen kleinen Netzen, die …

8 machine-learning neural-networks learning-theory

2

Was kann man aus den Gewichten in einem neuronalen Netzwerk lernen?

Ich bin sehr neu in neuronalen Netzen und habe versucht, einige Dinge herauszufinden. Angenommen, Sie stoßen auf ein neuronales Netzwerk mit 100 Eingängen, einer verborgenen Schicht mit 200 Knoten und 32 Ausgängen. Nehmen wir auch an, Sie, der "Entdecker" dieser bestimmten Instanz eines neuronalen Netzwerks, können die Gewichte der einzelnen …

8 machine-learning neural-networks

1

Vapnik-Chervonenkis-Dimension: Warum können nicht vier Punkte auf einer Linie durch Rechtecke zerschmettert werden?

Ich lese also die 2. Ausgabe von "Introduction to Machine Learning" von Bishop et al. alle. Auf Seite 27 diskutieren sie die Vapnik-Chervonenkis-Dimension, die "Die maximale Anzahl von Punkten, die durch H [die Hypothesenklasse] zerstört werden können, wird als Vapnik-Chervonenkis (VC) -Dimension von H bezeichnet, als VC (H) bezeichnet und …

8 machine-learning vc-dimension

1

Maschinelles Lernen: Identifizieren von Mustern in Zeitreihendaten

Ich arbeite in erneuerbaren Energien. Mein Unternehmen sammelt viele Daten von Geräten. Dies umfasst typischerweise Prozessdaten (wie Transformatortemperatur, Netzspannungen, Ströme usw.) und diskrete Alarme (z. B. Leistungsschalterauslösung, Wechselrichteralarmwerte, Transformatorübertemperaturalarm). Dies ist ein grobes Beispiel dafür, wie unsere Daten aussehen (als CSV-Zeilen zu lesen): Zeitstempel, Tag, Wert 25.05.2016 14:30:01, INVERTER_1.VOLTAGE_DC, 249.5 …

8 machine-learning data-mining pattern-recognition time-series-analysis

1

Warum erfordern Mainstream-Sprachmodelle keinen personalisierten Trainingsschritt mehr?

In der Windows XP-Ära musste ich beim Einrichten der in Windows OS integrierten Sprache / des Diktats eine Reihe programmierter Textbeispiele an die Sprach-Text-Engine senden, um mein Sprachprofil zu personalisieren. Heute kann ich mit vernetzten Sprach-Text-Engines wie Siri oder Cortana einfach anfangen zu diktieren. Die Qualität der Text-zu-Sprache-Konvertierung scheint gleichwertig …

7 algorithms machine-learning speech-recognition

Als «machine-learning» getaggte Fragen