秒速时时彩200期走势图|秒速时时彩开奖记录

第一種能夠精確推斷的機器學習方法

了解機器人在不同條件下的反應對于保證機器人的安全運行至關重要。但是你怎么知道什么會破壞機器人而不會實際損壞機器人呢?由奧地利科學技術研究所(IST奧地利)和馬克斯普朗克智能系統研究所(智能系統MPI)的科學家開發的新方法是第一種可以使用在安全條件下進行觀測的機器學習方法來進行準確預測。對于由相同物理動力學支配的所有可能條件。它們專為現實生活中的情況而設計,提供了對基礎物理的簡單,可解釋的描述。研究人員明天將在今年的國際機器學習大會(ICML)上展示他們的發現。

過去,機器學習只能插入數據 - 對其他已知情況之間的“情況”進行預測。它無法進行外推 - 對已知情況進行預測 - 因為它學會在本地盡可能接近已知數據,無論它在這些情況之外如何執行。此外,收集足夠的數據進行有效插值既耗費時間和資源,又需要來自極端或危險情況的數據。但現在,Georg Martius,前ISTFELLOW和IST奧地利博士后,自2017年起擔任圖賓根智能系統MPI組長,Subham S. Sahoo,智能系統MPI博士生和IST奧地利教授Christoph Lampert ,

新方法的關鍵特征是它努力揭示情況的真實動態:它接收數據并返回描述基礎物理的方程。“如果你知道那些方程式,”Georg Martius說,“那么你可以說在所有情況下會發生什么,即使你還沒有看到它們。”換句話說,這就是允許該方法可靠地推斷,使其在機器學習方法中獨特的原因。

該團隊的方法也以其他幾種方式與眾不同。首先,機器學習期間先前產生的最終近似值太復雜,無法讓人理解或使用。在新方法中,得到的方程更簡單:“我們的方法是你在教科書中看到的方程式 - 簡單直觀,”Christoph Lampert說。后者是另一個關鍵區別:其他機器學習方法無法洞察條件和結果之間的關系 - 因此,對模型是否合理無直覺。“在研究的每一個領域,我們都期望具有物理意義的模型,告訴我們原因,”蘭伯特補充道。“這是我們應該從機器學習中獲得的,以及我們的方法所提供的。”最后,為了保證可解釋性并針對身體狀況進行優化,團隊將他們的學習方法基于不同類型的框架。這種新設計比以前的方法更簡單,這在實踐中意味著需要更少的數據來提供相同甚至更好的結果。

并不是所有的理論:“在我的小組中,我們實際上正在開發一種使用這種類型學習的機器人。將來,機器人將嘗試不同的運動,然后能夠使用機器學習來揭示方程式管理它的身體和運動,讓它避免危險的行為或情況,“Martius補充說。雖然機器人是研究的一個活躍領域,但該方法可以用于從生物系統到X射線躍遷能量的任何類型的數據,并且還可以結合到更大的機器學習網絡中。

秒速时时彩200期走势图 足彩即时赔率 快乐赛车 世界杯足球即时指数 3d试机号 2010年世界杯即时赔率 内蒙古快三 竞彩足球比分 福彩 2011网球比分 极速时时彩