[過去ﾛｸﾞ] (強いAI)技術的特異点/シンギュラリティ142 (1002ﾚｽ)
上下前次1-新
抽出解除 ﾚｽ栞
このｽﾚｯﾄﾞは過去ﾛｸﾞ倉庫に格納されています｡
次ｽﾚ検索 歴削→次ｽﾚ 栞削→次ｽﾚ 過去ﾛｸﾞﾒﾆｭｰ
14(2): yamaguti 2018/11/21(水) 09:18:01.30 ID:sfyGuXNf(9/54)調 BE AAS
? ry 、トレーニングセット内のオ ry トの総数の関数としてオ ry トを明確に認識するのに必要な感覚の平均数をプ
図4Aでは、オブジェクトを曖昧でなく認識するのに必要な感覚の平均数をトレーニングセット内のオ ry トの総数の関数としてプロットしている。
予想されるように、必要な感覚の数は、格納されたオ ry トの総数とともに増加する。
しかし、すべての場合、ry ｰクは最終的にすべてのオブジェクトを正しく認識します。
感覚の数は、オブジェクトのセット間の全体的な混乱にも依存します。
? よりユニークなオ ry トであればあ
ェクトがよりユニークであればあるほど、ry ｰクはそれらをあいまい
図4
? ry ェクトの集合が増加するにつれて、単一の列 ry ｰクを持つオ ry トを明白に
（A）学習されたオ ry トのセットとしての単一カラム ry ｰクの増加に伴う、オブジェクトを曖昧でなく認識するのに必要な感覚の平均数。
ら100までの ry モデルを訓練し、単一のオブジェクトを明白に認識するのに必要な平均感覚数をプロットします。
? ry 構築される一意の特徴の総数 ry 。
異なる曲線は、オブジェクトが構築されるに当ってのユニークフィーチャの総数によって収束がどのように変化するかを示す。
ｰクは最終的 ry 認識する。
? 認識は、特徴のセットがより大きい場合、より少ない感覚を必要とする。
認識には、フィーチャセットがより多い場合、より少ない感覚を必要とする。
? （B）列の集合が増加するにつれて、マルチカラム ry ｰクを有するオ ry トを明確に認識するのに必要な観測の
（B）カラムのセットとしてのマルチカラムネットワークの増加に伴う、オブジェクトを曖昧でなく認識するのに必要な観測の平均数。
ｰクを100個のオブジェクトで訓練し、 ry トを明白に認識するのに必要な感覚の平均数をプロットします。
必要な感覚の数は、列の数が増加するにつれて急速に減少し、最終的に1
? （C）ロケーション（青色）、位置なし（オレンジ色）、および1列センサーセンサｰ ry ｰク（緑色）を有する理想的な観察者モデルの感覚数の関数として明白に認識できる物体の割合。
（C）理想的な観察者モデルでのロケーション（青色）あり、なし（オレンジ色）、及び 1 カラム感覚運動ネットワーク（緑色）での、感覚数の関数としての曖昧でなく認識できる物体の割合。
15: yamaguti 2018/11/21(水) 09:19:12.24 ID:sfyGuXNf(10/54)調 BE AAS
? 図4Bは、ネットワーク内の皮質柱の数の関数として物体を認識するのに必要な感覚の平均数を示す。
図4Bは、物体を認識するのに必要な感覚の平均数をネットワーク内の皮質柱の数の関数として示す。 >>14
このグラフは、複数の列を含む利点を示
必要とされる感覚の数は、列の数が増えるにつれて急速に減少する。
したがって、単一列 ry ｰクはオブジェクトを認識することができますが、複数列 ry ｰクははるかに高速です。
十分な数の列 ry 、非常に混乱しているオブジェクトでさえ、単一の感覚で曖昧さを解消する。
? ry 各列は、他の列ごとに横方向 ry 。
この実験では、各カラムは、他のカラムから横方向の入力
? ry 我々は、感覚の数の関数として明白に認識され得る物体の割合（「精度」）をプ
図4C において、我々は、曖昧でなく認識され得る物体の割合（「精度」）を感覚の数の関数としてプロットする。
? 単一列のネットワークを、場所の有無にかかわらず理想的なオブザーバーモデルと比較します（「材料と方法」を参照）。
単一カラムネットワークを、位置情報のありとなしに付いて理想的なオブザーバーモデルと比較します（「資料と方法」を参照）。
我々のモデルの性能は、場所を持つ理想的な観察者に近い。
? このモデルでは、物体を認識するための位置がなくても、モデルにはもっと多くの感覚があり、いくつかの物体は区別できません（平均感覚数をプロットするとグラフには表示されません）。
このモデルには物体を認識する為の、位置情報はなく、もっと多くの感覚はあり、そして、いくつかの物体を区別する事ができず（平均感覚数をプロットするとグラフには表示されません）、 位置情報の重要性を強調します。
また、マルチカラム ry ｰクは、感覚ごとに複数のフィーチャを同様に観察する理想的なオブザーバモデルに近いパフォーマンスを示しています（補足図9 ）。
? ry モデルの近くで動作することを示す。
まとめると、これらの結果は、本発明者らの生物学的に誘導された感覚運動ネットワークが、収束の正確さおよび速度に関して非生物学的理想モデルに近い動作をする事を示す。
23: yamaguti 2018/11/21(水) 09:48:56.45 ID:sfyGuXNf(18/54)調 BE AAS
>4 YAMAGUTIseisei 181110 2144 v7astH3U? \ \ \ \ \>: \>>＞＞＞＞ >20 名前：yamaguti E-mail：1528603775sages15 投稿日：2018/07/08(日) 17:12:31.39 ID:Yyb7M1g2?2BP(0)
>>>>＞ シンギュラリティ否定スレ = 汎用 AI/AL 否定スレ ( 最早全否定 : HTM HPKY DSL HPKY-UniversalTransformer SingularityNetAL CellBeAL SW26010AL PezyBbiAL NeuralLaceAL )
>a0> :
>> 2chｽﾚ:future HTM ZenHitei ## UniversalTransformer ZenHitei
>>a0> :
>f0>最先端のこのスレ ry ( ry : 半信半疑どころか存在しないかの様な扱い )
>f0> → 最先端以外の他での扱いは推して知るべし
>>>a0> :
>>>a0>
>>>>a0> >469 yamaguti~貸し莫大 170923 1701 gJe8GJca?
>>>>>a0>仮に望月先生にも同じ言い草
>>>＞ :
>>>>＞n0> この国だけに配慮致します立場でなくなってしまいましたので申上げます
>a0> :
>>>>＞n0>2chｽﾚ:future HPKY gata Hannyou AI/AL
>>>＞＞ :
>>>＞
>>>＞ >284 >280-283 180916 2146 m2szPimC? \>>>> 23 名前：yamaguti E-mail：1531923755sage330 投稿日：2018/07/29(日) 12:06:53.16 ID:xu0GwKe6?-2BP(0)
>>>＞ :
>>>＞＞＞> >289 \>>Universal Transformersがタイムステップ＋ポジションで位置情報変化
>>>＞＞＞ :
>>>＞＞＞> >405 ｰ 180714 1249 D84wNS6G
>>>＞＞＞> :
>>>＞＞＞＞言語の特徴量ベクトルに ップとポジショ 加し \＞ンボルではなく、全てのベクトルを再帰処
>>>＞＞＞>
>>>＞＞＞> 再帰効果 ( 上記文脈 ) エミュの究極 ( 完全汎用 AI/AL )
>>>＞＞＞> >14
>>>＞＞＞＞ 2chｽﾚ:future HPKY gata Hannyou AI/AL \>機械学習限定論ご遠
>>>>＞ :
上下前次1-新書関写板覧索設栞歴
ｽﾚ情報 赤ﾚｽ抽出 画像ﾚｽ抽出 歴の未読ｽﾚ
ぬこの手 ぬこTOP 0.269s*