Fulvio Romano
Guest
Incroyable. Regarde ce que j'ai trouvé. . . .http://thekiddevrait voirthis.com/post/36119475886
Tequila
Guest
Je suis une chatte !
Je ne sais pas si tu as déjà vu ça...http://www.youtube.com/watch?v=stq3nhxuem&feature=bfa&list=ple8518e018197fbd9
Fulvio Romano
Guest
J'ai d'abord posé une question. L'entraînement est-il toujours bon ?
Certes, sans formation, un réseau neuronal est inutile, mais une formation excessive risque de conduire à une « surspécialisation ». un réseau neuronal qui fonctionne bien doit avoir une bonne capacité à « généraliser » le problème. un peu comme pour l'être humain, il doit avoir un «esprit ouvert» et être capable de comprendre le phénomène dans son intégralité. ok, peut-être "comprendre" est un terme qui ne devrait pas être utilisé dans ce contexte, disons plus que tout ce que le réseau doit être capable de saisir l'essence d'un problème, même sans se fendre les cheveux.
Dans la pratique, en soumettant l'ensemble de formation au réseau pendant plusieurs périodes, jusqu'à un certain point vous obtenez une formation, dans laquelle le réseau apprend à reconnaître et traiter correctement les données de l'ensemble de formation, mais fonctionne également bien sur des données « similaires ». La formation est susceptible de surspécialiser le réseau, c'est-à-dire que les résultats de l'ensemble de formation continueront à s'améliorer, mais le réseau commencera à comprendre seulement ceux, en s'éloignant du problème réel pour tous les points autres que l'ensemble de formation.
pour éviter ce problème, vous utilisez deux jeux pour l'entraînement. l'ensemble de formation continue d'être utilisé pour la mise à jour des poids, mais en aval de chaque période de formation, le critère d'arrêt est évalué sur l'erreur que le réseau renvoie par rapport à un ensemble de validation, différent, quoique similaire, de l'ensemble de formation. un réseau surspécialisé si, d'une part, il continue à diminuer l'erreur sur l'ensemble de formation, au lieu de cela il commence à augmenter celle de l'ensemble de validation, et c'est un signal que le réseau est en train de quitter la route.
dans l'image vous devriez bien clarifier ce concept. boules noires sont celles de l'ensemble d'entraînement, tandis que celles blanches de l'ensemble de valitation. la courbe bleue est retournée par un réseau bien formé, qui se généralise au point droit et passe près de tous les points. la courbe rouge est à la place surspécialisée, elle retourne parfaitement l'ensemble d'entraînement, mais fausse complètement l'ensemble de validation, et alors elle sera également erronée avec tous les autres points du problème.
Certes, sans formation, un réseau neuronal est inutile, mais une formation excessive risque de conduire à une « surspécialisation ». un réseau neuronal qui fonctionne bien doit avoir une bonne capacité à « généraliser » le problème. un peu comme pour l'être humain, il doit avoir un «esprit ouvert» et être capable de comprendre le phénomène dans son intégralité. ok, peut-être "comprendre" est un terme qui ne devrait pas être utilisé dans ce contexte, disons plus que tout ce que le réseau doit être capable de saisir l'essence d'un problème, même sans se fendre les cheveux.
Dans la pratique, en soumettant l'ensemble de formation au réseau pendant plusieurs périodes, jusqu'à un certain point vous obtenez une formation, dans laquelle le réseau apprend à reconnaître et traiter correctement les données de l'ensemble de formation, mais fonctionne également bien sur des données « similaires ». La formation est susceptible de surspécialiser le réseau, c'est-à-dire que les résultats de l'ensemble de formation continueront à s'améliorer, mais le réseau commencera à comprendre seulement ceux, en s'éloignant du problème réel pour tous les points autres que l'ensemble de formation.
pour éviter ce problème, vous utilisez deux jeux pour l'entraînement. l'ensemble de formation continue d'être utilisé pour la mise à jour des poids, mais en aval de chaque période de formation, le critère d'arrêt est évalué sur l'erreur que le réseau renvoie par rapport à un ensemble de validation, différent, quoique similaire, de l'ensemble de formation. un réseau surspécialisé si, d'une part, il continue à diminuer l'erreur sur l'ensemble de formation, au lieu de cela il commence à augmenter celle de l'ensemble de validation, et c'est un signal que le réseau est en train de quitter la route.
dans l'image vous devriez bien clarifier ce concept. boules noires sont celles de l'ensemble d'entraînement, tandis que celles blanches de l'ensemble de valitation. la courbe bleue est retournée par un réseau bien formé, qui se généralise au point droit et passe près de tous les points. la courbe rouge est à la place surspécialisée, elle retourne parfaitement l'ensemble d'entraînement, mais fausse complètement l'ensemble de validation, et alors elle sera également erronée avec tous les autres points du problème.
Pièces jointes
panormus
Guest
J'ai poursuivi les filles et construit des cabanes sur les arbres. :biggrin:- Oui.!!!
J'avais huit ans, le mieux que je pouvais faire était de démonter les machines télécommandées et de changer les scooters électriques pour "les camionner"
Bien sûr, à la fin, j'ai toujours eu quelques morceaux.
PierArg
Guest
les "péricules" de l'intelligence artificielle:
http://www.corriere.it/tecnologia/c...pe_c338ab46-37c9-11e2-94e7-603de4c26bba.shtml
http://www.corriere.it/tecnologia/c...pe_c338ab46-37c9-11e2-94e7-603de4c26bba.shtml
Fulvio Romano
Guest
(Je suppose que vous n'avez pas besoin d'écrire la source...
Je ne m'inquiéterais pas de la reprise des machines. Au moins pas après vingt ans de gouvernement. . . .
numero1
Guest
- Oui.
Quant à la phrase que vous avez écrite la source:
le méchant de la matrice
Même si je suis sûr que tout le monde comprendra.
PierArg
Guest
Bien sûr que nous avons compris.
Il était nécessaire de découvrir seulement la tanière de whiteniglio:biggrin::finger:
MBT
Guest
la foudre ne peut indiquer que le seuil. C'est toi qui dois le traverser !
PierArg
Guest
Pensez à la matrice avant, nous avons déjà parlé de la pilule bleue: Biggrin:
MBT
Guest
et heureusement ce n'était pas un suppositoire... - Oui.
Tequila
Guest
Mais c'est le rouge qui vous montre à quel point la fosse du Whiteniglio est profonde..
(lire ma signature :biggrin
Tequila
Guest
Fulvio Romano
Guest
sfidate questo:http://it.akinator.com/personnages/certainement un réseau neuronal, probablement une machine vectorielle de support (puissant cluster).
Qui sait ?
Qui sait ?
PierArg
Guest
Cette chose ici m'avait fait voir ma petite amie qui était "ignorante" (d'une bonne façon) dans cette affaire cru être qui sait quelle grande invention.
Je lui ai dit que ce n'était qu'une énorme base de données de personnages. Lorsque vous répondez aux questions, le domaine (j'ai dû expliquer cela aussi:tongue des réponses possibles se rétrécit.
Le nombre de questions que vous posez n'est jamais le même.
plus le personnage est "ambigue" et plus sw a besoin d'éléments pour faire la sélection.
La seule façon de le baiser est de penser à un personnage qui n'est pas présent dans la base de données.
Je lui ai dit que ce n'était qu'une énorme base de données de personnages. Lorsque vous répondez aux questions, le domaine (j'ai dû expliquer cela aussi:tongue
des réponses possibles se rétrécit.Le nombre de questions que vous posez n'est jamais le même.
plus le personnage est "ambigue" et plus sw a besoin d'éléments pour faire la sélection.
La seule façon de le baiser est de penser à un personnage qui n'est pas présent dans la base de données.
Fulvio Romano
Guest
Bien sûr, mais ne sous-estimez pas les difficultés de l'exploitation des données.Cette chose ici m'avait fait voir ma petite amie qui était "ignorante" (d'une bonne façon) dans cette affaire cru être qui sait quelle grande invention.
Je lui ai dit que ce n'était qu'une énorme base de données de personnages. Lorsque vous répondez aux questions, le domaine (j'ai dû expliquer cela aussi:tongue
Le nombre de questions que vous posez n'est jamais le même.
plus le personnage est "ambigue" et plus sw a besoin d'éléments pour faire la sélection.
La seule façon de le baiser est de penser à un personnage qui n'est pas présent dans la base de données.
Lorsque vous avez un si grand nombre d'éléments (environ 10^5 dans le cas d'un akinateur) et que vous ne pouvez pas les « marquer » à la main, vous ne savez pas a priori si le problème est linéairement séparable, et si vous, avec combien de taille de support, trouvez un algorithme qui réussit à avoir une descente rapide vers la solution, avec peu d'ambiguïtés et zéro erreur, ce n'est pas du tout une chose insignifiante.
le moteur de l'akinator, "limule", semble fonctionner extrêmement bien, même dans le cas probable de certains éléments trompeurs. qui sait combien de personnes seront mises à donner des réponses au caxxo, mais le moteur reste robuste, signifie qu'il corrige les entrées incohérentes.
un commentaire polémique... Si l'agence fiscale utilisait de tels algorithmes, ils prendraient les évadés sans me casser la co...siddetti, que je paie toutes les taxes et je dois aussi justifier par écrit à la taxe si vers la banque plus de mille euros en espèces, presque supposé que je suis un criminel, coupable jusqu'à preuve du contraire.
PierArg
Guest
Sans doute l'algorithme qui effectue l'extraction de données est d'une complexité et d'une difficulté considérables.
vous remarquez le genre de questions que pas à pas.
Je parlais de gens qui voient l'akinator comme une sorte d'indovino... J'ai dû expliquer qu'il avait déjà toutes les réponses.
comme si c'était un "je devine qui" électronique, seulement qui a des milliers de caractères:biggrin:
Ce qui surprend n'est pas le fait de deviner les caractères (après n questions il est logique que le champ se rétrécisse) mais le type de questions qui vous posent (toujours plus spécifiques).
vous remarquez le genre de questions que pas à pas.
Je parlais de gens qui voient l'akinator comme une sorte d'indovino... J'ai dû expliquer qu'il avait déjà toutes les réponses.
comme si c'était un "je devine qui" électronique, seulement qui a des milliers de caractères:biggrin:
Ce qui surprend n'est pas le fait de deviner les caractères (après n questions il est logique que le champ se rétrécisse) mais le type de questions qui vous posent (toujours plus spécifiques).
Tequila
Guest
J'ai fait un test avec un vrai personnage mais qu'il ne reconnaîtrait pas, mais plutôt après beaucoup de oui et non il l'a deviné. . . .
Exatem
Guest
Ma fille le joue de temps en temps, je voulais essayer moi-même et, c'est qui m'a deviné. . . .
Fulvio Romano
Guest
Le grand chien a perdu une paire de jambes...
http://www.youtube.com/watch?v=zkbnfpbv3f0Il semble que Connor ait décidé de déménager.
c'est l'évolution du grand chien:
http://www.youtube.com/watch?v=btrnzlo7m_m
http://www.youtube.com/watch?v=zkbnfpbv3f0Il semble que Connor ait décidé de déménager.
c'est l'évolution du grand chien:
http://www.youtube.com/watch?v=btrnzlo7m_m