![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
zjmwqx
这个作者很懒,什么都没留下…
展开
-
太极文化与AI的状态空间
太极的那句很有名的话:“太极生两仪”。在人工智能的状态空间里有很好的阐述。 在状态空间的描述中,我们这么来分析:在问题空间中所有可行的静态数据叫做一个个状态。我这里定义时强调“静”,是为了要和太极中的两仪相对。太极中的两仪有一种解释是:变化 和静止,相互配合,转化,转移。最后形成了世界万物。 把太极中的静止和运动和状态空间对应起来:静止的状态对应”静原创 2010-12-19 13:00:00 · 500 阅读 · 0 评论 -
HMM模型
HMM模型有个很好的文章:http://www.suzker.cn/computervision/the-hmm-model.html我也转发了.语音识别中用的最广泛的模型,正是原文中所列问题的第二种:HMM将涉及以下三个问题:给定一个观察到得序列O,及参数lambda,求出P(O|lambda),即发生这种观察序列的可能性。对应上面例子中,即是我给定一个最终确定了的水原创 2011-11-03 14:00:41 · 1698 阅读 · 0 评论 -
example based motion planning
有人研究这个方向么?可以一起讨论.原创 2011-11-03 14:03:18 · 380 阅读 · 0 评论 -
policies learning with ε-regression SVM or continuous k-nearest neighbor
今天来说一下各种learning在高维连续空间的应用。policies learning 经常是被用到离散空间中的规则学习。对于高位的连续的,可以在生成规则后用ε-regression SVM和k-nearest neighbor。前提是生成的规则是基本平滑的。待续。。。原创 2011-11-02 13:04:21 · 419 阅读 · 0 评论 -
信息论?最大熵?编码?排序?——好晕。。。。
以前帮学长做毕设写算术编码的时候,粗略地接触过熵的概念。至于信息论这么重量级的名词基本碰到都果断绕开。今天看到刘未鹏的博客中的文章“数学之美番外篇:快排为什么那样快”。我学到了不少,但是有了很多疑问: 首先:排序每次的比较尽量排除一半的可能性,就好比用svm在复杂解空间中找到有效地分类(均分)方法。而排序算法的下限O(n*log(n))=O(log2(P(n,n)))的近似,原创 2011-11-20 21:04:08 · 710 阅读 · 0 评论 -
看wiki“History of artificial intelligence”有感
看了刘未鹏的推荐,我花了半天时间看了这条wiki:http://en.wikipedia.org/wiki/History_of_artificial_intelligence#cite_note-26正如刘未鹏所说,确实大气磅礴,文中索引了大量牛人的研究成果,描述他们在摸索中挣扎前进的过程。文中从希腊神话讲起,谈到了人工智能研究的起源和动机。然后讲到50年代的正式开展,接着两次兴衰,直到原创 2011-11-20 10:12:25 · 546 阅读 · 0 评论 -
Sex Robots
http://www.trendhunter.com/trends/robots-david-levySex robots seem like something straight out of sci-fi, but AI scientist David Levy says they could be coming soon to a bed near you. “Real Dolls”原创 2010-12-14 15:25:00 · 635 阅读 · 0 评论 -
AI的终极目标
可以为归纳方法编出程序么?这也是一个很有趣的问题,下面将要详细讨论!可以设想,假如我们找到了真正归纳的方法,那么编写出这样的程序,它就会一劳永逸的自己进行学习归纳了。我们完全再也不用给他编制程序和规则了。这正是人工智能的终极目标!我们说如果计算机能自动归纳,也就意味着我们可以为归纳方法来编写一段程序P。这个程序可以理解为输入的是一些特殊的数对,输出的是能够生成这些数对的程序。也就是说输入具体的原创 2010-12-14 15:46:00 · 380 阅读 · 0 评论 -
COMPUTING MACHINERY AND INTELLIGENCE
COMPUTING MACHINERY AND INTELLIGENCEBy A. M. TuringIndex 1 The Imitation Game 2 Critique of the New Problem 3 The Machine concerned in the Game 4 Digital Computers 5 Universal转载 2010-12-14 17:14:00 · 837 阅读 · 0 评论 -
programming collective intelligence reading tips (2)
Making recommendation心得总结:这一章主要讲了基于 人相似 和 物相似的两种推荐方法。从根本上讲:人和物是两个对等的类。一个人对某个物品评分,和某个物品被人评分其实是双向关系。所以广义上来讲,不用区分主动和被动。所以对一个人推荐某些物品,和给物品指派给某些人是完全对称的。所以对于一般的推荐系统可以采用两种思路设计:常规思路:给人推荐物品:1,找到和你相似原创 2011-11-24 21:37:17 · 1114 阅读 · 0 评论