问题标签 [artificial-intelligence]

假设我有一个小位图，其中包含一个手写数字（0..9）。

是否可以使用（两层）感知器检测数字？

除了使用神经网络之外，还有其他方法可以从位图中检测单个数字吗？

我有各种表面为 3D 且非矩形的对象，例如球体、金字塔以及由网格表示的各种其他对象。网格不是由相同大小和分布在对象表面上的多边形组成，它们也不是像圆柱体、球体和圆锥体的理想形状那样都是半/对称的对象。

因此，我将如何设计或改进一种寻路算法，该算法采用任意网格并生成可以以多种方式环绕自身的节点？

我正在寻找有关基于瓷砖的游戏的文章，例如旧的 ultima 6 和 7，甚至是拼图海盗。具体来说：

1. 他们如何跟踪地图上的对象。其他角色、树木或角色可以移动的物体等物体。
2. 人物背后的人工智能。游戏如何处理地图上不在屏幕上的角色的角色行为。尤其是非常大的地图和众多的角色。

我有一个存储所有值的表......例如 x1、x2、x3 确定模糊集。使用低、中、高的数学函数为每个成员分配隶属度。

我的规则 1 指出，如果 x1 高且 x2 中等，则输出概率为 z。然后我用 min{x1,x2} 来评估规则。规则 2 规定如果 x2 为高或 x3 为中，则输出为 max{x2,x3}。

现在为了去模糊化，我对规则结果进行聚合以找出 2 个规则的输出。我为每个规则定义了 x1 x2 x3 的所有成员级别（0 到 1）。

如何去模糊化？

计算机是否可以通过用户提供的示例“学习”正则表达式？

澄清：

• 我不想学习正则表达式。
• 我想创建一个程序，该程序从用户交互式提供的示例中“学习”正则表达式，可能是通过从文本中选择部分或选择开始或结束标记。

是否可以？是否有算法、关键字等可供我使用 Google 搜索？

编辑：感谢您的回答，但我对提供此功能的工具不感兴趣。我正在寻找理论信息，比如论文、教程、源代码、算法名称，这样我就可以为自己创造一些东西。

我试图了解各类机器学习算法之间的区别。

我知道进化算法的实现与神经网络的实现有很大不同。

然而，它们似乎都倾向于从一组潜在嘈杂的训练/历史数据中确定输入和输出之间的相关性。

从定性的角度来看，与进化算法相比，是否存在更适合神经网络目标的问题域？

我浏览了一些建议以互补方式使用它们的文章。有没有一个像样的用例示例？

我对神经网络有点兴趣，并考虑在 python 中使用一个用于比较时域中的各种最小化技术（最快）的轻型项目。

然后我意识到我什至不知道神经网络是否有利于最小化。你怎么看？

如何将此方程转换为 CNF？

你用什么？

我是人工智能新手。我了解 K 最近邻算法以及如何实现它。但是，您如何计算不在秤上的物体的距离或重量？

例如，年龄的距离可以很容易地计算出来，但是如何计算红色与蓝色的距离？也许颜色是一个不好的例子，因为你仍然可以说使用频率。例如，从汉堡到比萨再到薯条怎么样？

我觉得有一种聪明的方法可以做到这一点。

预先感谢您的关注。

编辑：谢谢大家非常好的答案。它真的很有帮助，我很感激。但我认为必须有一条出路。

我可以这样做吗？假设我正在使用我的 KNN 算法对一个人进行预测，他/她是否会在我提供上述所有三种食物的餐厅用餐。当然，除了简单起见，还有其他因素，对于最喜欢的食物领域，在 300 人中，150 人喜欢汉堡，100 人喜欢披萨，50 人喜欢薯条。常识告诉我最喜欢的食物会影响人们是否吃的决定。

所以现在一个人输入他/她最喜欢的食物作为汉堡，我要预测他/她是否会在我的餐厅吃饭。忽略其他因素，并根据我（培训）以前的知识库，常识告诉我，与他进入比萨饼或薯条相比，这个特定领域最喜欢的食物的 k 最近邻居距离更近的可能性更高。

唯一的问题是我使用了概率，我可能错了，因为我不知道也可能无法计算实际距离。我也担心这个领域对我的预测施加太多/太少的权重，因为距离可能与其他因素（价格、一天中的时间、餐厅是否满员等我可以轻松量化）不成比例，但我猜想我可以通过一些参数调整来解决它。

哦，每个人都提出了一个很好的答案，但我只能接受一个。那样的话，我明天就接受得票最高的那个。再次感谢大家。