实例分享:为你展示更详尽的算法原理分析!

在学习不同的AI方法的同时,作者想看看这些方法的工作原理、本质,而不是他们的公式或论文描述内在的数学。所以,搜索了一些有趣的例子并加上了书签,现在想分享一些引人注目的例子给大家。

Tensorflow游乐场

实例分享:为你展示更详尽的算法原理分析!

这是一个具有许多不同参数的交互式神经网络。您可以选择问题类型,尝试不同的体系结构并立即查看训练结果。这是初学者的简单神经网络的一个完美例子。

链接到TF游乐场的快速通道(https://playground.tensorflow.org/)

逐步构建决策树的可视化示例

实例分享:为你展示更详尽的算法原理分析!

直观、互动地介绍决策树。只要继续滚动,一切都会显示出来。提供英文、法文、俄文和10多种语言。

链接到开始(http://www.r2d3.us/visual-intro-to-machine-learning-part-1/)

实例分享:为你展示更详尽的算法原理分析!

如果您对更高级的决策树示例感兴趣,请选中此项,可以领略决策树的可视化集成(包括数学),你也可以使用梯度增强训练。

遗传算法

实例分享:为你展示更详尽的算法原理分析!

进化不仅仅是一些生物学上的理论,而且对于如何进行试验也是一个很大的启发,看看我们身边不断发展的汽车。

不断发展的神经网络

实例分享:为你展示更详尽的算法原理分析!

构建神经网络可能非常耗时,但GA可以自动执行此过程。

本页面将向您展示正在发展的神经网络。

卷积

实例分享:为你展示更详尽的算法原理分析!

卷积是许多现代神经网络的重要组成部分。在这里你可以找到动画,显示这个操作是如何工作的。如果你想看到它的实际操作,去keras-js。

只需绘制任何内容,浏览器中的神经网络将尝试识别数字,并显示下面的所有中间计算。你还应该看看卷积VAE演示,这个网络可以产生大量不同的手写数字,只有2个输入!使用类似的方法,你甚至可以生成面孔。

强化学习

让我们从高度抽象的环境中的简单的代理开始。

目标尽可能接近绿点,并避免与红点接触。通过调整参数,你可以改变他的行为和学习动态。同时,你也可以在上方菜单中找到更多样本。

还有一个网站有很多RL技术和简单的可视化:

你可以尝试不同的设置以查看这些算法如何解决相同的任务。另外,你可以在每一个细节中找到对于数学的详细描述。

这些点和网格非常好,但我们需要更真实的东西。在浏览时如何训练自驾车?您可以先尝试一个名为DeepTraffic的简化版本。如果您想要真正的挑战,请转至DeepTesla。

当然,这些例子可能需要一些编码技巧来调整。

数学

现代人工智能具有相当多的数学背景,并且对于设计这些系统的原理非常有用。Setosa.io对一些基本概念(如条件概率、回归、PCA和马尔可夫链)有很好的可视化。在这里你可以找到马尔可夫链蒙特卡罗方法的交互式例子。

相关推荐