我想建立一个机器人,根据答案询问某人一些简单的问题和分支.我意识到从人类的反应中解析意义将具有挑战性,但是你如何设置程序来处理对话的"状态"？
这将是人与机器人之间的一对一对话.
我有兴趣用Java构建Texas Hold'Em AI引擎.这是一个长期项目,我计划投资至少两年.我还在上大学,还没有建立任何雄心勃勃的东西,并希望解决一个长期存在我兴趣的问题.我是人工智能领域的新手.从我在大学的数据结构课程中,我知道基本的构建模块,如BFS和DFS,回溯,DP,树,图等.我正在学习正则表达式,为SCJP和SCJD学习,我将很快采取(密集) )统计课程.
问题:
- 我从哪里开始？我应该选哪些书？玩扑克游戏程序的人工智能是什么样的？我可以从哪个开源项目中获取页面？Java中有哪些优秀的AI资源？我也有兴趣学习Lisp,Jatha好吗？
您是否有一些建议或阅读如何为机器学习任务设计功能？即使对于神经网络,良好的输入特征也很重要.所选择的特征将影响所需数量的隐藏神经元和所需数量的训练样例.
以下是一个示例问题,但我对一般的特征工程感兴趣.
pattern-recognition artificial-intelligence classification machine-learning neural-network
我想了解更多有关Prolog内部的知识,并了解其工作原理.
我知道如何使用它.但不是内部如何运作.Prolog中使用的算法和概念的名称是什么？
可能它构建了某种树结构或有向对象图,然后在查询时,它使用复杂的算法遍历该图.可能是深度优先搜索.可能有一些源代码,但首先从高层次的角度来看它会很棒.
我真的很喜欢人工智能,理解Prolog似乎是一个很好的开始,imho.我的想法是尝试重建类似的东西并完全跳过解析器部分.我需要知道我必须做的研究工作的方向.
多层感知器神经网络中的隐藏层数对神经网络的行为方式有何影响？隐藏层中节点数量的问题相同？
假设我想使用神经网络进行手写字符识别.在这种情况下,我将像素颜色强度值作为输入节点,将字符类作为输出节点.
我如何选择隐藏层和节点的数量来解决这个问题？
任何一致的启发式也是可以接受的.但什么时候启发式可以接受但不一致(单调)？
请举例说明这种情况.
我有一个水平和垂直线条的图像.事实上,这张图片是BBC网站转换为横向和纵向的线条.我的问题是我希望能够找到图像中的所有矩形.我想写一个计算机程序来查找所有的矩形.有谁知道如何做到这一点或建议如何开始的想法？这个任务对我来说很容易找到视觉矩形,但我不知道如何将其描述为一个程序.
图片是BBC的网站http://www.bbc.co.uk/
更新到此,我编写了将BBC网站图像转换为水平和垂直线的代码,问题是这些线条在角落处并不完全相遇,有时它们并不完全形成矩形.谢谢!
graphics artificial-intelligence machine-learning computer-vision
据推测,iPhone新推出的Siri功能背后的引擎已经开发了好几年(从CALO项目中衍生出来).据说他们甚至专门为它开发了一种新的编程语言.
我无法在任何地方找到相关信息.唯一可能的线索是学术论文,但我不在大学网络中,因此我无法访问其中的大多数.
有没有人有任何线索,例子,甚至模糊的东西,"它类似于Prolog"或者"它是Lisp的方言"？
我是神经网络的初学者.我正在学习感知器.我的问题是为什么权重向量垂直于决策边界(超平面)？我提到了很多书,但都提到重量向量与决策边界垂直,但没有人说为什么？
任何人都可以给我一本书的解释或参考吗？
artificial-intelligence machine-learning perceptron biological-neural-network neural-network
你能告诉我随机梯度下降(SGD)和反向传播之间的区别吗？
artificial-intelligence machine-learning backpropagation gradient-descent difference