终极分类器(识别器),一个人工智能的美好愿景
来源:互联网 发布:网络嗅探器5.5.0 编辑:程序博客网 时间:2024/05/20 00:09
人工智能很多时候都是在研究分类器,如:LDA,SVM,Random Forests,Neural Networks 等等。为什么我们提出了这么多分类器还是不能满足?
一个主要的问题是,这些分类器都不能完美的解决我们所面对的问题,尤其是特征提取上,往往需要挂手动档。最近的深度学习很好的部分解决了自动特征提取的问题,所以也算是将分类器算法往终极分类器上面走了一大步。
这里说的终极分类器并不是一个完美的分类器,或者说该分类器是不断的逼近完美分类器的分类器,而逼近的过程就是增量学习(Incremental Learning)的过程,而增量学习的过程也面临很多困难需要克服,如:灾难性遗忘(catastrophic forgetting)...
下面列出终极分类器的一些属性:
1. 自动特征提取
2. 可以学习新的类别,即类别的数量可以动态的增长(增量学习过程),且新类别的学习需要很少或者不需要旧类别的数据
3. 新类别的训练能够最大化的利用分类器以前的结构和参数信息
4. 新类别的训练不能导致分类器灾难性遗忘,即不破坏或者尽量少破坏原有的模型参数和结构
5. 对于已知的类别数据分类输出该类别标签,对于未知的类别分类为未知
6. 对于单个数据混合有一个或多个类别的,分类到一个或多个类别并指出其位置
PS: 感觉分类和识别还是有一些区别,识别更多的是强调在整个映射空间中,将输入映射到局部输出空间,如果这个空间有标签那么输出标签,没有表示未知; 而分类是先划分空间并打上标签,然后将输入映射到局部划分空间,并输出划分空间的标签。所以上面的终极分类器改成终极识别器更合理些。
- 终极分类器(识别器),一个人工智能的美好愿景
- 终极分类器(识别器),一个人工智能的美好愿景
- 一个美好的故事
- Haar分类器(人脸识别、人眼识别)
- 图像车牌识别-SVM分类器的构建(字符识别部分)
- 【人工智能】算法--理解贝叶斯分类器
- 一个美好的开始---"嗨"
- 一个美好的开始---"嗨"
- 一个程序员美好的爱情故事
- 创业大赛——一个美好的经历(一)
- 创业大赛——一个美好的经历(二)
- 搜索引擎到人工智能的终极演进
- 网络安全的终极奥义将会是人工智能?
- 基于图像识别的分类器的实现
- 利用opencv的hog+svm实现细胞识别分类器
- 人脸识别中常用的几种分类器
- 分类器对未见过类别的识别问题
- 分类器对未见过类别的识别问题
- 解决360 兼容模式下问题
- SpringMVC+Shiro权限管理
- clion之解决Clion License Activation问题
- ZOJ 3781 Paint the Grid Reloaded 题解 (dfs缩点+BFS)
- waiting for debugger android studio
- 终极分类器(识别器),一个人工智能的美好愿景
- Windows下安装Vim插件管理Vundle
- 修改 IntelliJ IDEA 模板注释中的 user 内容
- Picasso
- C++- 随机投点法求圆周率
- [数学思维]以简化规则为目标去定义值
- 怎么把pdf首页改为其他页面
- 面向对象学习
- Android超时控制方法及场景