Daher ist heute ein Meilenstein für mich als Programmierer. Während meiner gesamten Ausbildung zum kompetenten Entwickler kam meine Antwort jedes Mal, wenn ich gefragt wurde, welche Artwork von Arbeit ich in diesem Bereich gerne machen würde, aus einem unbekannten Grund tief in meinem Inneren in die Höhe …
… „KI und maschinelles Lernen – auf jeden Fall“
Ich weiß nicht, es ist einfach großartig – nicht nur die Dinge, die wir damit machen können, sondern auch die Probability, uns noch tiefer auf etwas Äußeres zu projizieren und uns dadurch vielleicht auf eine neue und aufregendere Artwork und Weise kennenzulernen. Und vielleicht reicht die Komplexität dieses Mediums endlich aus, um unseren Projektionen sinnvollen Raum zu geben.
Den heutigen Beitrag möchte ich wie immer kurz und bündig halten. Ziel ist es, einen umfassenden Einblick in die Erstellung, das Coaching und die Anwendung eines einfachen neuronalen Netzwerks zu erhalten.
Nehmen wir an, ich habe eine Sammlung von 1.000 Haiku und jedem ist eine Punktzahl zugeordnet – irgendwo zwischen 0 und 100.
Für mich bedeutet das nun, dass derjenige, der diese Punkte bewertet hat, bestimmte Kriterien hat, anhand derer er die Schönheit eines Haiku bestimmt – d. h. a Denkweise über Haiku.
Und ich möchte ein Bewusstsein (oder vielmehr ein Modell) schaffen, das trainierbar ist und nach dem Coaching in der Lage ist, genauso zu denken.
NNun, von der biologischen/neurologischen Seite her, lasst uns hier nach den Sternen greifen und versuchen, die Kernessenz der Neurologie in ein paar Ideen zu destillieren … (was lächerlich ist, aber na ja, hier geht es weiter)
- Neuronen empfangen im Allgemeinen Signale von anderen Neuronen und leiten diese dann an andere Neuronen weiter.
- Ob ein Neuron feuert und an das nachgeschaltete Neuron weiterleitet, hängt davon ab, ob es ausreichend Signalsignale von seinen vorgeschalteten Neuronen erhalten hat – genug, um ein Aktionspotential auszulösen.
All dies bedeutet, dass, wenn fünf Neuronen alle an einem einzelnen Neuron enden, jedes der fünf eine bestimmte Energiemenge beisteuern muss, um das nachgeschaltete einzelne Neuron zum Feuern zu bewegen.
NNun, was das neuronale Netzwerk/die Programmierung betrifft, sagen wir jetzt, welche „Neuronen“ (Wörter) zum Auslösen dieses einzelnen Neurons beigetragen haben (das Haiku bedeutet „intestine“).
Kodifizieren wir additionally gleich „intestine“…
Ich denke, dass jedes Haiku mit einer Punktzahl über 85 ziemlich intestine ist. Jetzt sind wir in der Lage, dies binär zu betrachten.
< 85 = 0 (das Neuron hat nicht gefeuert)
≥ 85 = 1 (das Neuron hat gefeuert, das Haiku conflict intestine!)
Für die heutige Aufgabe halten wir es einfach und betrachten eine Gruppe von Wörtern, die in allen Haiku vorkommen, als unabhängige Knoten (und somit hat jeder die Möglichkeit, wenn er vorhanden ist, dazu beizutragen, dass das Haiku schön ist oder nicht).
Hier sind additionally unsere Neuronen, eines für jedes Wort:
Wie Sie sehen, habe ich sogenannte „Stoppwörter“ oder Wörter entfernt, von denen wir uns vielleicht nicht vorstellen können, dass sie einen wesentlichen Beitrag zur Partitur leisten („a“, „to“, „the“, „and“ usw.).
Jede Zeile vom einzelnen Wort bis zur Partitur selbst stellt ihren Beitrag zur Partitur dar. Das einzige Downside im Second ist, dass wir nicht wissen, wie viel jeder einzelne beiträgt.
Was wir additionally brauchen, ist das von jedem Einzelnen Gewicht oder relative Bedeutung wenn wir darüber nachdenken, wie unser Netzwerk in Bezug auf die Punktzahl, die wir vorhersagen möchten, „denken“ wird.
Lassen Sie uns nun das Modell trainieren und dabei die Gewichtung jedes Wortes ermitteln. Dazu möchte ich etwa 70 % meiner Haikus nehmen und jeden einzelnen analysieren. Die restlichen 30 % sparen wir für das Testen des Modells, um dessen mittleren quadratischen Fehler zu ermitteln (der uns Aufschluss darüber gibt, wie genau unser Modell ist).
Was ich tun werde, ist einfach:
Für jedes Haiku erhöhe ich jedes Mal, wenn die Punktzahl 85 % oder mehr beträgt, die Gewichtung der im Haiku enthaltenen Wörter. Wenn die Punktzahl hingegen unter 85 % liegt, reduziere ich die Gewichtung dieser Wörter.
Das erste Haiku enthielt die Worte Licht, Kerze und Tau. Meine Gewichte sehen jetzt additionally so aus:
Jetzt werde ich den Relaxation meiner Haiku-Sammlung weiter analysieren, um meine Gewichte weiterzuentwickeln, und nach allem, was ich beim Coaching meines Modells durchgemacht habe, ist dies mein Endergebnis …
Jetzt bekomme ich ein neues Haiku geschenkt, eines von Yosa Buson –
Das Licht einer Kerze
Wird auf eine andere Kerze übertragen –
Frühlingsdämmerung
Wie kann ich additionally feststellen, was mein neu ausgebildetes Netzwerk daraus machen wird?
Einfach! Ich analysiere es einfach, indem ich meine Gewichte anwende, um eine vorhergesagte Gesamtpunktzahl zu erhalten
Und da ist es. In diesem Haiku hatten wir von den Wörtern in unserem Netzwerk Dämmerung, Licht, Kerze und Frühling (wobei die Kerze zweimal vorkam) und nachdem wir ihre Gewichtungen angewendet und zu unserem Ziel summiert hatten, kamen wir auf einen stolzen Wert von 94!
Mit anderen Worten: Unser nachgeschaltetes „Rating“-Neuron hat gefeuert!
Und um noch einmal zu überprüfen, wie zuverlässig diese Vorhersage wirklich ist, würden wir unsere anderen 30 % des Haiku verwenden, das wir gemacht haben nicht Verwenden Sie diese Funktion, um das Modell zu trainieren, um unser Modell zu testen und dann zu quantifizieren, wie genau unsere Rating-Vorhersagen tatsächlich sind.
Wenn wir feststellen würden, dass unser mittlerer quadratischer Fehler (oder quadratischer Mittelfehler) für das Modell zu hoch ist, dann könnte das bedeuten, dass wir unsere Stichprobengröße erhöhen und einen größeren Datensatz verwenden müssen (oder eine Reihe anderer Anpassungen, die wir vornehmen). Ich werde es mir anhand komplexerer Beispiele ansehen)
Und das conflict’s – ich werde hiermit aufhören. Nur eine kurze Vorstellung, um den Geist zum Nachdenken über all die möglichen Komplexitäten anzuregen, die von hier aus abzweigen können (und werden!);)
