このビデオでは、パトリック ウィンストンが、サポート ベクター マシン (SVM) の仕組みと、それらを使用して決定ルールを最適化する方法について説明しています。彼は、SVM アルゴリズムが変換 Phi を使用して、入力ベクトル x を、2 つの類似したベクトルを分離しやすい新しい空間に移動すると説明しています。カーネル関数 k は、x sub i と x sub j の内積を提供します。必要なのは、カーネル関数である関数 k だけです。 1990 年代初頭に SVM に取り組んだソビエト移民の Vapnik は、カーネルのアイデアを復活させ、それを SVM アプローチの不可欠な部分にしたことで知られています。
00:00:00 サポート ベクター マシンは、スペースを分割して決定境界を決定する洗練された方法です。それらは Vladimir Vapnik によって開発されたもので、より正確な意思決定を可能にするため、非常に重要です。
00:25:00 このビデオでは、サンプルの線形和がサンプルのコンポーネントの線形和に等しいことがわかります。さらに、異なる変数に関するラグランジュの導関数が微分され、アルファ i に y sub i を掛けた合計が 0 に等しいことが示されます。これは、ベクトル w がいくつかのアルファの合計に等しいことを意味します。 i、いくつかのスカラー、これにマイナス 1 またはプラス 1 の変数を掛けます。
00:30:00 このビデオでは、サポート ベクター マシンを使用して二次最適化問題を解く方法を説明しています。決定ベクトルはサンプルの線形和であり、代数は簡単であることが説明されています。生徒は、問題のすべての項について、代数はアルファ i と y サブ i と x サブ i の合計を取ることによって単純化されると説明します。
MIT 6.034 Artificial Intelligence, Fall 2010View the complete course: http://ocw.mit.edu/6-034F10Instructor: Patrick WinstonIn this lecture, we explore suppo...
MIT 6.034 Artificial Intelligence, Fall 2010View the complete course: http://ocw.mit.edu/6-034F10Instructor: Patrick WinstonCan multiple weak classifiers be ...
MIT 6.034 Artificial Intelligence, Fall 2010View the complete course: http://ocw.mit.edu/6-034F10Instructor: Patrick WinstonIn this lecture, we consider the ...
00:05:00 このセクションでは、手段-目的分析の概念について学びます。これには、現在の状態と望ましい最終状態の違いを特定し、適切な演算子を選択して違いを最小限に抑えることが含まれます。 MIT から家に帰る問題を解決するために手段-目的分析を使用する例が提示され、目的の最終状態が達成されるまで違いを特定し、演算子を選択する再帰的なプロセスを示します。当時、一般的な問題解決ツールの概念は刺激的なアイデアでしたが、違いをオペレーターに関連付ける表を作成することが困難であったため、期待どおりにはなりませんでした。これにより、"State Operator And Result" の略である新しい SOAR アーキテクチャが開発されましたが、このアーキテクチャの支持者は、これは頭字語ではなく単なるラベルであると主張しています。
MIT 6.034 Artificial Intelligence, Fall 2010View the complete course: http://ocw.mit.edu/6-034F10Instructor: Patrick WinstonIn this lecture, we consider cogn...
00:15:00 このセクションでは、スピーカーは確率の基礎とそれを支える公理について説明します。彼らは、確率は 0 より大きく 1 未満でなければならないこと、およびバイナリの世界では真の確率は 1 で偽の確率は 0 であることを説明しています。話者はまた、A の確率と確率B の確率から A と B の確率を引いたものは、A または B の確率に等しい。彼らは、この確率の基本的な理解が、確率論的推論で使用されるより複雑な計算の基礎として役立つことに注目しています。
00:20:00 このセクションでは、スピーカーは、公理を使用して確率を処理するための形式的なアプローチと、空間に関する議論を含む直感によってどのように反映できるかについて説明します。 a の確率は、長方形の総面積に対する円のサイズに関連付けられており、公理 1 ~ 3 はその図に関して意味があります。次にスピーカーは、条件付き確率と、それが与えられた b の確率としてどのように定義されるかを説明します。これは、a と b の確率を B の確率で割った値に等しくなります。元の宇宙の一部。
00:30:00 このセクションでは、教授が独立性と条件付き独立性の定義について説明します。独立性とは、a の確率が b で何が起こっているかに依存しない場合です。たとえば、a と b が独立している場合、与えられた b は a に等しくなります。条件付き独立とは、世界が z 内に制限されている場合、a の確率は b の値に依存しないことを意味します。教授は、直観主義の図を使用してこれらの概念を説明し、図の領域を使用して確率を示します。
* Please note: Lecture 20, which focuses on the AI business, is not available.MIT 6.034 Artificial Intelligence, Fall 2010View the complete course: http://oc...
00:10:00 このセクションでは、テーブルで実行できることを小さなネットワークを使用して実行する方法と、これを達成するために必要な確率について説明します。彼は、犬が吠える確率または B が発生する確率を計算するために必要な集計を追跡するためにテーブルを拡張する方法について説明し、実験結果を使用してテーブルの関連するセクションに目盛りまたは集計を与え、最終的にプロセス。
MIT 6.034 Artificial Intelligence, Fall 2010View the complete course: http://ocw.mit.edu/6-034F10Instructor: Patrick WinstonWe begin with a review of inferen...
MIT 6.034 Artificial Intelligence, Fall 2010View the complete course: http://ocw.mit.edu/6-034F10Instructor: Patrick WinstonThis lecture begins with a brief ...
00:15:00 このセクションのビデオでは、ルールベースのシステムにおける後方連鎖のプロセスについて説明しています。後方連鎖には、ルールの結果を見て、必要に応じて前提条件を追加して、最上位の目標に到達することが含まれます。このビデオでは、他のルールをチェックする前に、結果に現在の目標があるものを探し、アサーションでそれを検索することの重要性を強調しています。このプロセスには、左側のノードから開始し、子がある場合は下に移動して、現在の目標に一致するルールを探す深度検索が含まれます。このビデオでは、最下部に or ノードを持つ終了ノードなど、ノードをゴール ツリーに正しく追加する方法についても説明しています。
MIT 6.034 Artificial Intelligence, Fall 2010View the complete course: http://ocw.mit.edu/6-034F10Instructor: Mark SeifterIn this mega-recitation, we cover Pr...
00:10:00 このセクションでは、スピーカーは、キューの代わりにゴール ツリーを使用して深さ優先探索の問題を解決する方法を説明します。彼らはノード s から始めて、聴衆にそのノードでの選択肢を理解するための助けを求めます。スピーカーは、接続を確認し、指示を読むことの重要性を強調しています。辞書式のタイブレークを使用して、次に移動するノードを決定し、行き止まりになったときにバックトラックします。また、バックトラックを二重にカウントする間違いに注意し、バックトラックの回数に注意を払うよう聴衆に注意を喚起します。
00:30:00 このセクションでは、Mark がエネルギーをあまり消費せずに目標に到達できるように、ユニバース ジャンプの最短回数をプログラミングするという概念を紹介します。彼は、チーズピザのような単純な分岐限定検索と、トッピングを追加した肉愛好家のピザのような A スター検索について説明します。ただし、相互に影響を与える可能性があるため、現時点で最短のパスを選択することが重要です。この例では、コンピューターはノード C を拡張リストに追加し、長さが 0 の唯一のパスとしてマークします。SB の長さは 3 で、パス コストは 103 ですが、f は 4 でコストがあります。辞書式順序でタイブレーカーを無視するにもかかわらず、最短パスが選択され、B が消費されると、長さ 4 で D に移動するため、G への更新されたパスの長さは 7 です。
00:35:00 このセクションでは、スピーカーは最適な検索アルゴリズムを使用してパス S、B、F、および D を拡張します。パス E は H および A に拡張され、最短パスは SFHIG であることがわかります。 .講演者は、より効率的な検索アルゴリズムとして A-star を使用することについても言及し、拡張リストに既にあるノードの拡張に関する聴衆からの質問に答えます。パスが C と D に接続されているかどうかについての最初の混乱にもかかわらず、最終的に正しい答えが得られます。
00:40:00 このセクションでは、スピーカーは、作成された最終的なツリーから一部のノードが除外される原因となった、前のセクションで行われたエラーについて説明します。彼は、ノードも「e」に移動する必要があること、および拡張リストにないためにノードが実行された回数を尋ねられた場合に違いがあったことを明確にしています。次に、A-star アルゴリズムとヒューリスティック値の計算について説明します。リスト内のすべてのノードにヒューリスティック値を追加するのではなく、これまでのパスを最終的なヒューリスティック値に追加することが重要であることを強調します。また、ノード「G」を拡張する決定は好みの問題であり、問題セットでポイントを失うことのない実装の詳細であることも明確にしています。最後に、彼らは A スター検索を解決し、最終的な勝者は値が 57 のノード「D」であると決定されます。
MIT 6.034 Artificial Intelligence, Fall 2010View the complete course: http://ocw.mit.edu/6-034F10Instructor: Mark SeifterThis mega-recitation covers Problem ...
MIT 6.034 Artificial Intelligence, Fall 2010View the complete course: http://ocw.mit.edu/6-034F10Instructor: Mark SeifterThis mega-recitation covers Problem ...
講義 16. 学習: サポート ベクター マシン
16. 学習: サポート ベクター マシン
このビデオでは、パトリック ウィンストンが、サポート ベクター マシン (SVM) の仕組みと、それらを使用して決定ルールを最適化する方法について説明しています。彼は、SVM アルゴリズムが変換 Phi を使用して、入力ベクトル x を、2 つの類似したベクトルを分離しやすい新しい空間に移動すると説明しています。カーネル関数 k は、x sub i と x sub j の内積を提供します。必要なのは、カーネル関数である関数 k だけです。 1990 年代初頭に SVM に取り組んだソビエト移民の Vapnik は、カーネルのアイデアを復活させ、それを SVM アプローチの不可欠な部分にしたことで知られています。
講義 17. 学習: ブースティング
17. 学習: ブースティング
このビデオでは、いくつかの弱い分類器を組み合わせて強い分類器を作成するブースティングの考え方について説明しています。弱い分類器が投票し、強い分類器が最も多くの票を獲得するという考え方です。このビデオでは、ブースティング アルゴリズムを使用して個々の分類器のパフォーマンスを向上させる方法について説明しています。
講義 18. 表現: クラス、軌跡、遷移
18. 表現: クラス、軌跡、遷移
このビデオでは、パトリック ウィンストン教授が、人間の知性の概念、象徴的な表現を形成する能力とその言語との関係、セマンティック ネットを使用して内なる言語と思考を表現する方法について説明しています。ウィンストンは、基本的なパターンを理解し、さまざまなオブジェクトとその動作を理解するのに役立つ変化の語彙を開発することの重要性を強調しています。さらに、ソースから目的地への動きを含むアクションを記述するための軌道フレームの使用と、文をよりよく理解するための複数の表現の重要性についても説明しています。最後に、Winston は、あいまいな言葉遣いを避け、代名詞を混乱させ、言葉を入れ替えることによって、特に英語を母国語としない人のために、テクニカル ライティングを改善する方法についてのヒントを提供します。
講義 19. アーキテクチャ: GPS、SOAR、Subsumption、Society of Mind
19. アーキテクチャ: GPS、SOAR、Subsumption、Society of Mind
このビデオでは、一般的な問題解決ツールや、認知心理学の実験を多用し、問題解決に重点を置いた SOAR アーキテクチャなど、インテリジェント システムを作成するためのさまざまなアーキテクチャについて説明します。講演者はまた、マーヴィン・ミンスキーの「エモーション・マシーン」について議論します。これは、感情を含む多くの層での思考を考慮したものであり、コンピューターに人間のような常識を持たせることを主張する常識仮説についても説明しています。人間の脳の構造に着想を得た包摂アーキテクチャについても説明されており、ルンバが成功例です。物事を想像し、知覚する能力は、出来事を説明し、文化を理解する能力に結びついており、言語は説明と結合者を構築する上で重要な役割を果たします。脳の言語処理領域を鍛えるために、見る、聞く、描く、話すなどの活動に従事することの重要性が強調され、話者は、言語プロセッサを妨害し、衝動的な決定につながる可能性のある早口の人に対して警告します。
講義 21. 確率的推論 I
21. 確率的推論 I
確率論的推論に関するこのビデオでは、Patrick Winston 教授が、人工知能で確率を使用して推論を行い、さまざまなシナリオに基づいて確率を計算する方法について説明しています。彼は、彫像の出現、アライグマや強盗に吠える犬、紀元前 1861 年の MIT の設立などの例を使用して、結合確率表の使用法、公理と連鎖則を使用して確率を計算する方法を示しています。独立性と条件付き独立性の概念。スピーカーは、変数の独立性を正しく述べる必要性を強調し、確率計算を簡素化しながら変数間の因果関係を表す方法として信念ネットの使用を提案します。
講義 22. 確率的推論 II
22. 確率的推論 II
このビデオでは、パトリック ウィンストン教授が、「ベイズ ネット」とも呼ばれる推論ネットを使用して確率的推論を行う方法を説明しています。彼は、連鎖則を使用してベイジアン ネットワーク内の変数を並べ替え、すべての変数の同時確率を計算する方法について説明しています。スピーカーは、シミュレーションを実行して確率を累積する方法と、モデルを使用して確率を生成する方法を示します。また、ベイズ ルールと、それを使用して分類問題を解決し、モデルを選択し、構造を発見する方法についても説明します。このビデオでは、医療診断、嘘発見、機器のトラブルシューティングなど、さまざまな分野における確率的推論の有用性を強調しています。
講義 23. モデルのマージ、クロスモーダル結合、コースのまとめ
23. モデルのマージ、クロスモーダル結合、コースのまとめ
このビデオでは、Patrick Winston 教授がモデルのマージ、クロスモーダル結合について話し、コースの内容を振り返ります。彼は、ベイジアン確率に過度に固執することなく規則性を発見することの重要性と、私たちの周りの世界を理解するためのクロスモーダルカップリングの潜在的な利点について説明しています.彼はまた、将来のコースについて提案を行い、単に人を置き換えることを目的とするのではなく、人とコンピューターが協力して新しい収益と能力を生み出すことに焦点を当てることの重要性を強調しています.さらに、彼は最初に問題を特定し、それに対処するための適切な方法論を選択することの重要性を強調しています。最後に、教授は知性を複製可能な人工モデルに還元することの限界を振り返り、彼のチームの並外れた仕事を強調します。
メガR1。ルールベースのシステム
メガR1。ルールベースのシステム
このビデオは、メガ朗読に焦点を当てています。これは、学生が講義や朗読でカバーされている資料を扱うのに役立つチュートリアル形式の講義です。このビデオでは、後方連鎖、前方連鎖、ルールのタイブレーク順序、マッチング プロセスなど、ルールベースのシステムに関連するいくつかのトピックを取り上げています。後方連鎖プロセスでは、ルールの結果を調べ、必要に応じて前提条件を追加して最上位の目標に到達します。ゴール ツリーにはタイブレークと曖昧さの解消が不可欠です。このビデオでは、一連のアサーションを使用したアサーションへのフォワード チェーンおよびマッチング ルールについても説明します。講演者は、ルールを使用する前にアサーションをチェックし、何もしない無力なルールを避けることの重要性を強調しています。マッチング プロセスでは、指定されたアサーションに一致するルールを特定するために後方連鎖を使用します。システムは、新しいかどうかに関係なく、番号の小さいルールを優先します。
メガR2。基本検索、最適検索
メガR2。基本検索、最適検索
この YouTube ビデオでは、深さ優先検索、幅優先検索、最適検索、A* アルゴリズムなど、さまざまな検索アルゴリズムと手法について説明しています。このビデオでは、これらの概念を説明するために新しい拠点を探している悪の大君主マーク ベイダーの面白い例を使用しています。発表者は、グラフ検索における許容性と一貫性の重要性を強調し、ノードの再評価を防ぐための拡張リストの使用について説明します。ビデオは、視聴者からのよくある間違いや質問に対処し、視聴者にもっと質問するよう促します。全体として、このビデオでは、これらの検索アルゴリズムと手法を完全に紹介しています。
メガR3。ゲーム、ミニマックス、アルファベータ
メガR3。ゲーム、ミニマックス、アルファベータ
このビデオでは、通常のミニマックス、アルファ ベータ加算、アルファ ベータ プルーニング、静的評価、漸進的な深化、ノードの並べ替えなど、ゲーム理論とミニマックス アルゴリズムに関連するさまざまなトピックを取り上げます。インストラクターは、例を使用してこれらの概念の説明とデモンストレーションを提供し、参加者にゲーム ツリーのさまざまなノードでの値の決定に参加するよう求めます。ビデオの最後には、ヒューリスティック関数の潜在的な欠陥についての議論と、今後のクイズへのアドバイスが含まれます。