5ちゃんねる ★スマホ版★ ■掲示板に戻る■ 全部 1- 最新50  

■ このスレッドは過去ログ倉庫に格納されています

ニューラルネットワーク

1 :1:04/09/11 01:48:08
について教えてよ

2 :デフォルトの名無しさん:04/09/11 01:52:57
やだ

3 :デフォルトの名無しさん:04/09/11 02:12:46
やだ

4 :デフォルトの名無しさん:04/09/11 02:37:45
矢田亜希子かわいい

5 :デフォルトの名無しさん:04/09/11 02:41:24
いいよって6が言ってたよ

6 :デフォルトの名無しさん:04/09/11 02:43:30
そんなこと知らなくていいよ。


7 :デフォルトの名無しさん:04/09/11 02:50:46
なつかしいな

>>1
卒業研究か?

8 :デフォルトの名無しさん:04/09/11 09:27:24
板違い。シム板池

9 :デフォルトの名無しさん:04/09/11 11:02:50
NNの実装に関する話だったら別に構わないと思うよ

10 :デフォルトの名無しさん:04/09/11 15:12:19
ググれば本がいろいろ出てる
Cで実装したやつとか

11 :デフォルトの名無しさん:04/09/11 17:30:39
>>1
夢を見すぎだよ。
人工知能の時代はもうおしまいなんだよ

12 :デフォルトの名無しさん:04/09/11 17:45:06
ニューラルネットワーク=人工知能ではないと思うのだが。

13 :デフォルトの名無しさん:04/09/11 17:47:23
そうだが。
ニューラルネットワークを現在の2進コンピュータ
だけで実現させようとは・・・・

14 :デフォルトの名無しさん:04/09/11 17:48:27
シグモイド関数 g(x) = 1/(1-e^(-k*x)) を使って、
1層ニューラルネットワークのn次元縦ベクトル v=(v_1, ・・・, v_n)^T に対する出力f(v)は、

 f(v) = g(Σ[k=1, n]v_k*w_k)

こういうの?>>1

15 :デフォルトの名無しさん:04/09/11 17:48:49
>>11
ばっかじゃないの。
歴史は「人工知能」と言われた技術が一般に膾炙されていく繰り返しなんだけど。
ニューラルネットも使いどころを辨えればちゃんと使えるし、使われてる。


16 :デフォルトの名無しさん:04/09/11 17:51:05
>>15
辨えれば→弁えれば→わきまえれば
何かと思ったら「弁」の旧字体だった。

17 :デフォルトの名無しさん:04/09/11 17:51:28
>>11
釣れた発言は禁止な。

18 :デフォルトの名無しさん:04/09/11 17:52:55
>>14
f は一つのニューロンの出力だった。スマソ

19 :デフォルトの名無しさん:04/09/11 18:16:27
>>15
使われてはいても当初の人間が想像していた物は実現できなかっただろう。
ばっかじゃないの

20 :デフォルトの名無しさん:04/09/11 18:17:36
これは酷いバカがあらわれたな。

21 :デフォルトの名無しさん:04/09/11 18:42:03
ホムンクルスでも作ってみるかぁ…

22 :デフォルトの名無しさん:04/09/11 18:42:28
勇者募集中

23 :デフォルトの名無しさん:04/09/11 19:30:14
>>22
DQ3の世界の勇者です。アレフガルドからこの世界に来ました。

24 :デフォルトの名無しさん:04/09/11 19:36:27
DQ1の世界にお帰りください

25 :デフォルトの名無しさん:04/09/11 19:41:22
興味ないんだったらスレ立てるなヴォケ>>1

26 :デフォルトの名無しさん:04/09/11 21:01:16
>>19
アホだな。当初の人間が想像していた物って何か、わかってるの?
その期待がどうしてしぼんだか、その後どのようなブレークスルーが発見されて
次のブームが起きたか、言ってごらん。


27 :デフォルトの名無しさん:04/09/11 21:03:16
あまり構ってやるなよ。

28 : ◆HOTsoUpxjY :04/09/11 21:39:52
>>1
http://www.1101.com/morikawa/index_AI.html


29 :デフォルトの名無しさん:04/09/11 21:43:36
>>28
可愛いから買っちゃったよ。
子供向きで遊べるかな〜って思ったけど、絵本ほどの価値もなかった。

30 : ◆HOTsoUpxjY :04/09/11 21:52:35
>>14
シグモイド関数って谷底へ落ちるボールみたいに最適解を探して、
でも小さい谷に引っ掛かってローカルミニマムになっちゃうって、そこら辺の話で出てきたな

>>29
「がんばれ森川君」かな?やったことないから分からないけど…
ゲームなら、賛否が分かれるけどGPMとかEVA2とかがAIだね

31 :デフォルトの名無しさん:04/09/11 21:55:51
>>30
リンク先みた?
マッチ箱の脳っていう本だよ

32 : ◆HOTsoUpxjY :04/09/11 22:25:18
>>31
>子供向きで遊べるかな〜 っていうから…ゲームの話かなと思った
入門書で実際にプログラムするのとは別って感じじゃない

33 :デフォルトの名無しさん:04/09/11 23:20:34
>>30
完全な最適解を求めることは不可能か、計算量があまりにも大きすぎます。
関数の形が完全に分かればともかく、グラディエントしか分からない場合は
ローカルミニマムを求めるしかないです。

34 :デフォルトの名無しさん:04/09/11 23:25:43
ポストペットでつかわれてるお


35 :デフォルトの名無しさん:04/09/12 08:11:52
むりやり学習されるだけが脳じゃない

36 :デフォルトの名無しさん:04/09/13 00:13:53
>>35
ニューラルネットワークだけで人間が望むような学習を自動的にさせることは出来ません。

37 :35:04/09/13 01:01:03
出力を短時間で決定するためにBPなどを使うみたいですが
これは求める結果をあらかじめ固定しますよね
逆に結果によってどうさを切り替えるような構成って出来ないものでしょうか?
学識もない人間なので適当なことを言ってますが
人間の脳ってBPなんて機能はもってないですしね


38 :36:04/09/13 01:18:15
結果に対して動作を切り替えるとは、例えばどのような場合ですか?

入力と出力の組が分かっているとき(例えば、ある画像パターンAが「1」を意味する場合)、
画像パターンAを入力すると「1」を出力するように学習させることは出来ます。
(これは個人的な憶測ですが)おそらく、人が普段「何となくそんな感じがする」というときは
BPによって(無意識のうちに)学習されているのかも知れません。
具体的に脳の学習のメカニズムがどうなっているのかまでは(勉強不足で)分かりません。

39 :35:04/09/13 01:33:13
その場合ですと、初期状態でAが0を示すなら0がAであると
決めてしまえば学習する必要はないですし、類似のパターンについても
繰り返し入力することで0へかたよっていくような構成にしてしまう
この辺の処理も別のNNを組み合わせて自動化できると人間の脳に近い形だと思うんですが。
具体的にどうしたらいいかって聞かれても答えられませんが。。。

人間の脳は発火した細胞の結線は短いものがのびくっついてるものは
より強化される。
発火がないとじょじょに萎縮していく。
と認識してます。
間違ってたら誰か指摘して下さい。


40 :36:04/09/13 01:55:58
>その場合ですと、初期状態でAが0を示すなら0がAであると
>決めてしまえば学習する必要はないですし、類似のパターンについても
>繰り返し入力することで0へかたよっていくような構成にしてしまう
Aが0と決めると言っても、Aは実際には無数にあるので(24*24の白黒2値画像だと 2^576 通り)、
それら全ての組み合わせをあらかじめ決めておくことは現実的ではありません。
それを近似的に解決する方法の一つがNN(ニューラルネットワーク)です。
初期状態では何が何を指すのかは未知なので、新たに学習させる必要があります。
NNは、類似のパターンについても繰り返し入力することで期待する分類を行ってくれるようになる方法の一つです。
但し、常にうまくいくとは限りません。

>この辺の処理も別のNNを組み合わせて自動化できると人間の脳に近い形だと思うんですが。
>具体的にどうしたらいいかって聞かれても答えられませんが。。。
NNは、A_1, A_2, ・・・・, A_n (n=10000くらい)の入力と出力の関係を学習させて、似たようなパターンが現れたら
(良い条件のもとで)期待する出力を返すものです。一つだけパターンを与えて、それに似たものを全て
的確に答えてくれる高度なものはNNでは出来ません。
人間は、実は非常に高度な分類を日常的にしているので、それが凄いことだと気づかないのです。

>人間の脳は発火した細胞の結線は短いものがのびくっついてるものは
>より強化される。
>発火がないとじょじょに萎縮していく。
>と認識してます。
>間違ってたら誰か指摘して下さい。
そんな感じでいいと思います。
コンピュータで実現するNNの場合は、学習結果の衰退が起こらないという点で実際の脳と違いますが・・・

41 :35:04/09/13 02:31:54
現実的でないのはわかります。
今後の展望という意味で人間の脳に近づけることは非常に良い結果を
得られるんじゃないかと考えているんですが。

例えば脳は小脳と大脳があって小脳はほぼ変化しないそうです。
かってな考えですが小脳が大脳をコントロールする役割を果たしてるんじゃないかと
考えています。
前文で言ったNNで自動化するって部分がこれに相当するんじゃないかと思っています。
とりとめのない話ではありますが。。。


42 :デフォルトの名無しさん:04/09/13 09:54:50
とりあえずこれでも読んでくれ。

脳とコンピュータはどう違うか
http://www.amazon.co.jp/exec/obidos/ASIN/4062574128/

43 : ◆HOTsoUpxjY :04/09/13 18:52:17
>>33
完全な最適解を求めるのは無理だし無意味だよね
Boltzmann machine でボールに勢い(温度)を持たせて
小さい谷なら越えちゃうというのは有効だね


44 : ◆HOTsoUpxjY :04/09/13 18:56:30
ゲームの話になるけど、カルネージハートってのがあって、AIじゃないけど非常に面白かった
んで知ってる人にしか分からないけど、あのパネルをNNのノードに見立てたらどうかな
刺激が多いとパネルか、それを繋ぐラインが成長するとか…誰か作ってくんないかな

45 :デフォルトの名無しさん:04/09/14 18:01:41
>>43
入力を表すベクトルを v、内部状態を表すベクトルを w、そのときの出力ベクトルを f(v)、望みの出力を f0 とするとき、
E =|f(v, w)-f0|^2 (|x|はユークリッドノルム)

w_0 を初期の内部状態として

w_(n+1) = w_n - δ*∂E/∂w

とするのが最急降下法による学習ですが、
w と同じ次元の乱数ベクトル r を使って

w_(n+1) = w_n - δ*∂E/∂w + r_n

とするのでしょうか?

46 :デフォルトの名無しさん:04/09/15 07:48:33
Blondie24: Playing at the Edge of AI
http://www.amazon.com/exec/obidos/ASIN/1558607838

IBMのDeepBlueは人間が過去に蓄積したチェスの知識を強力なマシンで
ぶん回す力ずくの代物だったのに対し、この本では何の知識も無い
ニューラルネットがパソコン上で自身と対戦して学習するだけで
トップレベルのチェッカープレーヤに成長する過程を書いている。
どっちがAIの成果と言えるのか考えさせられる良書

47 :デフォルトの名無しさん:04/09/15 21:28:41
でもニューラルネットでできるのは、それがチェッカーだからだけどな。

パソコン上で自分自身または他のプログラムと対戦させて強くする、というのは
囲碁なんかでもあるね。



48 :デフォルトの名無しさん:04/09/15 23:13:54
ちなみに>>46のチェッカープログラムは自己学習したニューラル
ネットだけでトップレベルに達することを実証するため、定石や
結論の出ているデータをわざと使わないで作っている。
強さだけを論じるなら、数百年に渡る人間の知識再生型チェッカー
プログラムはさらに強い。

バックギャモンもニューラルネットプログラムが強いが、こちらは
知識再生型プログラムは激ヨワでお話しにならず、ニューラルネット
導入で初めてトッププレーヤの域に達した。

ニューラルネットが適するかはゲームの複雑さも影響するが、
ゲームの性格に因る所が大きい。囲碁も知識再生だけに頼ると
限界が近いタイプのゲームに思える。

49 :デフォルトの名無しさん:05/01/16 17:38:50
3層ニューラルネットワークをC言語で作成しろって課題が出たんだが、
参考になりそうなサイト無い?

50 :デフォルトの名無しさん:05/01/16 19:07:58
ニューラルネットワークなんて何層でも同じ様なコードだろ

51 :デフォルトの名無しさん:05/02/20 17:18:40
>>49
今どきの学生はそのくらいの課題をウェブに頼ろうとするのか…。


52 :デフォルトの名無しさん:05/03/01 00:02:51
Javaで階層型ニューラルネットワークのコードを書いてみたよ
興味があったら使ってみて、バグ探しとか、改良して

http://www.geocities.jp/retort_curry119/NN.htm

とりあえす、XORの入出力関係を学習するのを作ってある

13 KB
■ このスレッドは過去ログ倉庫に格納されています

★スマホ版★ 掲示板に戻る 全部 前100 次100 最新50

read.cgi ver 05.04.00 2017/10/04 Walang Kapalit ★
FOX ★ DSO(Dynamic Shared Object)