摘要：
学习 machine learning 的最低要求是什么？ 我发觉要求可以很低，甚至初中程度已经可以。 首先要学习一点 Python 编程，譬如这两本小孩子用的书：【1】【2】便可。 数学方面，只需要知道「两点间距离」的公式（中学的座标几何会读到）。这本书第二章介绍 kNN 算法，包括 Pytho... 阅读全文
posted @ 2015-05-17 19:54 Cybernetic1 阅读(1620) 评论(0) 推荐(2) 编辑
摘要：
Reinforcement learning 是机器学习里面的一个分支，特别善於控制一只能够在某个环境下 自主行动 的个体 (autonomous agent)，透过和 环境 之间的互动，例如 sensory perception 和 rewards，而不断改进它的 行为 。 听到强化学习，你脑里应 阅读全文
posted @ 2015-05-17 19:36 Cybernetic1 阅读(13414) 评论(1) 推荐(3) 编辑
摘要：
向量 = vector向量空间 = vector space两个向量空间 U, V 之间的线性变换，可以用 matrix 表示。如果 U 的维数是 m，V 的维数是 n，则 $T: U \rightarrow V$的矩阵形式是 $m \times n$。矩阵应该正确地理解为：两个向量空间之间的线性变... 阅读全文
posted @ 2015-05-17 19:35 Cybernetic1 阅读(1264) 评论(0) 推荐(0) 编辑
摘要：
这是基於进化论而启发出来的一种很特别的 机器学习 技巧。 我最近渐渐明白到它可能是破解 strong AI 的关键。 Ben Goertzel 和我见面的谈话中也特别注重这一方向。 原来 Alan Turing 很早就看到 进化 和 machine learning 之间有明显关系，而现时机器学习的... 阅读全文
posted @ 2015-05-17 18:20 Cybernetic1 阅读(635) 评论(0) 推荐(0) 编辑
摘要：
命题和它们之间的关系上次介绍过「命题逻辑」，命题即是能赋予真假值 (truth value) 的东西。 例如「昨天下雨」、「人是动物」等。命题之间有「关系 relations」，例如：「吃了不洁食物」→「肚子痛」;记作 P → Q 或叫「P 蕴涵 Q」。这个「箭头」是一切逻辑中最重要的，有了它才可以... 阅读全文
posted @ 2015-05-17 18:08 Cybernetic1 阅读(966) 评论(0) 推荐(0) 编辑
摘要：
机器学习是 AI 最重要部分，但我上次用 Clojure 写 Genifer 的时候没有完成这部分，结果那 prototype 完全没有应用，是一大失误。「学习」的本质人脑很多时是通过「一般化 , generalization」来学习的。例如，广东话俗语说：『有须就认老窦』(有胡子便认做父亲，用来取... 阅读全文
posted @ 2015-05-17 18:05 Cybernetic1 阅读(1712) 评论(0) 推荐(1) 编辑