artificial-intelligence

1热度

1回答

Python：为J.A.R.V.I.S提供的最佳数据构造

我试图在Python中创建'AI'（不是真的）。因此，我使用SpeechRecognition模块来识别我说的单词和audioplayer模块等。所有工作正常，但现在我想创建一个清晰可分类的数据结构，其中包含我的程序的所有知识。 “可分类”意味着您可以为每个主题或具有不同词汇可能性的不同区域使用“文件夹和子文件夹”。为了使它更清楚一点这里就是我的想象：例1： class greeting:

1热度

1回答

是否有可能将Google的助手用作自制Python个人助理的基础？

所以，我一直想用Python来制作我自己的私人助理。我会对我的耳机说，叫出它的名字。给一个命令或问一个问题。获得响应，如网页开放，程序，口语字符串... 我的问题是入门。我的想法是使用Google的助理作为我的项目的基础。我想制作一个框架，这会使我很容易添加自己的命令和问题。我会做的东西，听一个关键字。当这些关键字被触发时，我可以编写应该遵循的操作。例如，我可以学习它来听取关键字“启动”，然后

0热度

1回答

如何连接Python chatbot和Java聊天室

我使用Python编写chatbot程序。当它收到一条消息时，它会计算要说的话并返回一条消息。我的朋友使用Java编写聊天室。这是一个平常的聊天室，但是当人类发送消息时，这会将其发送给聊天机器人。如何连接它们？他们在同一台PC上运行，不使用互联网。

-1热度

1回答

广度优先搜索伪代码理解

我有两个关于上面的pseduo代码的问题。 SOLUTION（节点）的功能是什么？如何实现它？在第三行，我们检查孩子是否不在边境。如何检查FIFO队列中的数据？

0热度

1回答

Caffe在net_.reset上打印整个文本文件（新的网络<float>（model_file，TEST））

我在Caffe C++上使用深度学习应用程序。无论何时加载模型文件，它都会将整个.protext文件的内容打印到控制台上。印刷是发生在这一点上， shared_ptr<Net<float> > net_; net_.reset(new Net<float>(model_file, TEST)); 如何禁用此？任何帮助表示赞赏。

2热度

1回答

为什么我们应该使用RNN而不是马尔可夫模型？

最近我偶然发现了this article，我在想，从上述的循环神经网络和简单的马尔可夫链得到的结果会有什么不同。我真的不明白在RNN中引擎盖下发生的线性代数，但是你似乎基本上只是设计了一个超级复杂的方法来为下一个字母将基于什么做统计模型前面的字母，这些在马尔可夫链中非常简单。为什么RNNs很有趣？仅仅因为它们是一种更一般化的解决方案，或者是有什么事情我缺少了吗？

4热度

1回答

用遗传算法训练神经网络来玩飞扬的小鸟 - 为什么不能学习？

我一直在学习神经网络，遗传算法，并测试我的学习，努力使人工智能是学会玩笨鸟先飞：我已经离开它至少运行10小时（一夜之间或更长时间），但最适合的成员仍然没有显示出从开始模拟以来避免地板和天花板的任何重大进展。输入是作为视线的光线（如上图所示），网络的长度以及鸟的垂直速度。看起来最好的鸟基本上忽略了除水平线之外的所有视线，而当它很短时，它就会跳起来。输出是一个介于0和1之间的数字，如果输出大于0

2热度

1回答

云中深度学习的选择iOS

是否有任何可以进行数据预测的云中深度学习解决方案？例如，用户可以在文本字段中写入一些文本，算法（深度学习代码）应该基于输入建议8个类别之一。如果它提示错误的变体 - 用户可能选择正确的变体，算法应该实时改善自己实时没有新的应用程序的发布。学习模式也应该在用户之间共享。或另一个示例：用户在字段中写入一些文本，算法根据受过训练的输入改进该文本。目前iOS上有什么解决方案可用？哪个价格/

0热度

1回答

Tensorflow-恢复模型会消耗后续迭代中的所有内存

我正在尝试训练一个简单的神经网络，其中需要保存模型，加载新数据集并还原模型。此工作保存还原过程在3或4次迭代后消耗我的所有内存。这是我的代码的相关部分。 runsess（）函数在循环中迭代多次。 num_steps = 50 with tf.Session(graph=graph) as session: tf.global_variables_initializer().run()

-1热度

1回答

人工智能突触连接强度模拟

我想创建一个基于神经元和突触连接思想的人工智能。这与神经网络类似，但在不使用像反向传播这样的系统的试验和错误的意义上是不同的。我希望人工智能能够在神经元之间形成连接，然后每当连接被移动时，它的尺寸就会增大，这样下一次被触发时就会更容易。正如我从研究中了解到的那样，这是人类思维的工作原理。神经元触发与另一个神经元的连接，并且该连接增长。这就是习惯和成瘾的形式。路径最终会变得非常大以至于该连接的触发