×
Ivan Yu，Tyukin。;亚历山大·戈尔班（Alexander N.Gorban）。;格林，斯蒂芬;丹尼尔·普罗霍罗夫

遗留人工智能系统校正集合的快速构建：算法和案例研究。 （英语） 兹比尔1448.68370

信息科学。 485, 230-247 (2019).
摘要：本文提出了一种新的方法，用于构造简单且计算效率高的通用人工智能（AI）系统改进，包括多层和深度学习神经网络。这些改进是在现有人工智能架构的基础上增加的小型网络集成。该方法的理论基础是基于随机分离定理和测度集中的思想。我们表明，根据原始人工智能系统内部信号统计特性的温和技术假设，该方法能够快速消除人工智能的错误，概率接近于数据集上的错误，数据集的维数可能是指数级的。通过数值例子和美国手语中数字识别的案例研究来说明该方法。

引用于1文件

MSC公司：

68T01型 人工智能的一般主题
60F05型 中心极限和其他弱定理
2017年10月68日 人工神经网络与深度学习
第68页第42页 Agent技术与人工智能

关键词：

神经集成;随机分离定理;感知器;人工智能;测量浓度

软件：

阿达·布斯特。MH公司;净2Net;作为136;k平均值++;SqueezeNet公司
PDF格式BibTeX公司 XML格式引用
\textit{I.Yu.Tyukin}等人，《信息科学》。485230--247（2019年；Zbl 1448.68370）
全文： 内政部 arXiv公司

参考文献：

[1] 安德森，J。；贝尔金，M。；戈亚尔，N。；拉德马赫，L。；Voss，J.，《越多越好：学习大型高斯混合的维数的好处》，J.Mach。学习。研究，35，1-30（2014）
[2] 亚瑟·D·。；Vassilvitskii，S.，k-means++：仔细播种的优势，第十八届ACM-SIAM离散算法年会论文集，1027-1035（2007），工业和应用数学学会·Zbl 1302.68273号
[3] 亚瑟·D·。；Vassilvitskii，S.，k-means方法的速度有多慢？，第二十二届计算几何年会论文集，144-153（2006），ACM·Zbl 1153.68385号
[4] Ball，K.，《现代凸几何的初步介绍》，《几何的味道》。，31, 1-58 (1997) ·Zbl 0901.5202号
[5] Barron，A.R.，σ函数叠加的通用近似界，IEEE Trans。Inf.理论，39，3，930-945（1993）·兹伯利0818.68126
[6] R.Beene、A.Levin、E.Uber新车碰撞测试中未设置刹车，2018年(https://www.bloomberg.com/news/articles/2018-05-24/uber-self-driving-system-saw-pedestrian-killed-but-dindn-t-stop; R.Beene、A.Levin、E.Uber新车碰撞测试中未设置刹车，2018年(https://www.bloomberg.com/news/articles/2018-05-24/uber-self-driving-system-saw-pedestrian-killed-but-dindn-t-stop
[7] 贝达，V。；Radpour，D.，使用深度卷积网络进行美国手语手势识别（2017，），arXiv预印本arXiv:11710.06836
[8] 布拉马，P.P。；Wu，D。；她，Y.，《为什么深度学习有效：多方面的解纠缠视角》，IEEE Trans。神经网络。学习。系统。，1997-2008年10月27日（2016年）
[9] Chapelle，O.，在原始神经计算中训练支持向量机。，19, 5, 1155-1178 (2007) ·兹比尔1123.68101
[10] Chen，T。；古德费罗，I。；Shlens，J.，Net2net：通过知识转移加速学习，ICLR 2016（2015），arXiv预印本arXiv:1511.05641
[11] Cucker，F。；Smale，S.，《学习的数学基础》，布尔。美国数学。《社会学杂志》，39，1，1-49（2002）·Zbl 0983.68162号
[12] Donoho，D.，《高维数据分析：维度的诅咒和祝福》，AMS数学挑战Lect。，1, 2000, 32 (2000)
[13] Draelos，T.J。；Miner，N.E。；兰姆，C.C。；C.M.葡萄园。；卡尔森，K.D。；C.D.詹姆斯。；Aimone，J.B.，神经发生深度学习，IEEE国际神经网络联合会议（IJCNN），526-533（2017），IEEE
[14] Fahlman，S.E。；Lebiere，C.，级联相关学习体系结构，神经信息处理系统进展，524-532（1990）
[15] C.福克斯，人脸识别警察工具“极其不准确”，2018年(http://www.bbc.co.uk/news/technology-44089161; C.福克斯，人脸识别警察工具“极其不准确”，2018年(http://www.bbc.co.uk/news/technology-44089161
[16] 弗伦德，Y。；Schapire，R.E.，《在线学习的决策理论推广及其在助推中的应用》，J.Compute。系统。科学。，55, 1, 119-139 (1997) ·Zbl 0880.68103号
[17] 伽马，J。；Braddil，P.，级联推广，马赫。学习。，41, 3, 315-343 (2000) ·Zbl 0966.68180号
[18] Gibbs，J.，《统计力学基本原理，特别参考热力学的理性基础》（1960（1902）），多佛出版社：纽约多佛出版社·JFM 33.0708.01号文件
[19] Gorban，A.N.，《有序-有序分离：几何修正》，Phys。A、 37485-102（2007）
[20] Gorban，A.N。；Tyukin，I.Y.，随机分离定理，神经网络。，94, 255-259 (2017) ·Zbl 1429.68217号
[21] Gorban，A.N。；Tyukin，I.Y.，《维度的祝福：数据统计物理学的数学基础》，Philos。事务处理。R.Soc.A，376（2018）·Zbl 1470.82004年
[22] 戈尔班，A.N。；伯顿，R。；罗曼年科，I。；Tyukin，I.Y.，《遗留人工智能系统和随机分离定理的一次试验修正》，Inf.Sci。，484, 237-254 (2019) ·Zbl 1448.68369号
[23] Gorban，A.N。；Golubkov，A。；格雷丘克，B。；Mirkes，E.M。；Tyukin，I.Y.，《用线性判别法校正人工智能系统：概率基础》，《信息科学》。，466、303-322（2018）·Zbl 1441.68201号
[24] Gromov，M.，黎曼和非黎曼空间的度量结构。附录由M.Katz、P.Pansu和S.Semmes编写。肖恩·穆夏尔·贝茨（Sean Muchael Bates）（1999）译自法语，伯克豪泽：马萨诸塞州波士顿伯克豪塞·Zbl 0953.5302号
[25] Gromov，M.，《腰围等高线和地图浓度》，GAFA，Geom。功能。分析。，13, 178-215 (2003) ·Zbl 1044.46057号
[26] Hartigan，J.A。；Wong，M.A.，《k均值聚类算法》，J.R.Stat.Soc.Ser。C（应用统计学），28，1，100-108（1979）·兹比尔0447.62062
[27] He，K。；张，X。；任，S。；Sun，J.，图像识别的深度剩余学习，2016年IEEE计算机视觉和模式识别会议（CVPR），770-778（2016）
[28] Hoeffing，W.，有界随机变量和的概率不等式，美国统计协会，58，301，13-30（1963）·Zbl 0127.10602号
[29] F.N.兰多拉。；韩，S。；Moskewicz，M.W。；阿什拉夫，K。；Dally，W.J。；Keutzer，K.，SqueezeNet:Alexnet级精度，参数少50倍，模型大小小于0.5 mb（2016，），arXiv预打印arXiv:1602.07360
[30] Jackson，D.，《主成分分析中的停止规则：启发式和统计方法的比较》，生态学，74，8，2204-2214（1993）
[31] Kainen，P.C.，《利用高维几何异常：当复杂性使计算更容易时，控制和信号处理中的计算机密集型方法》，283-294（1997），Springer·Zbl 0906.68126号
[32] Kainen，P.C。；Kurkova，V.，欧氏空间的拟正交维数，应用。数学。莱特。，6, 3, 7-10 (1993) ·Zbl 0783.05030号
[33] 库兹涅佐娃，A。；黄，S。；罗森哈恩，B。；Sigal，L.，扩展对象检测器的视野：视频中对象检测的增量学习框架，Proc。IEEE计算机视觉和模式识别会议（CVPR），28-36（2015）
[34] Lévy，P.，Problèmes concrets d’analysis fonctionnelle（1951年），《高铁维拉斯：高铁维纳斯巴黎》·兹比尔0043.32302
[35] 米斯拉，I。；Shrivastava，A。；Hebert，M.，视频中物体检测器的半监督学习，Proc。IEEE计算机视觉和模式识别会议（CVPR），3594-3602（2015）
[36] Pratt，L.，神经网络之间基于可辨别性的传输，高级神经信息处理。，5, 204-211 (1992)
[37] Prest，A。；Leistner，C。；西维拉，J。；施密德，C。；Ferrari，V.，从弱注释视频中学习对象类检测器，Proc。IEEE计算机视觉和模式识别会议（CVPR），3282-3289（2012）
[38] Rokach，L.，基于集成的分类器，Artif。智力。版本，33，1-2，1-39（2010）
[39] Rosenblatt，F.，《神经动力学原理：感知器和大脑机制理论》（1962年），斯巴达书籍·Zbl 0143.43504号
[40] 俄勒冈州Russakovsky。；邓，J。；苏，H。；克劳斯，J。；Satheesh，S。；马，S。；黄，Z。；Karpathy，A。；科斯拉，A。；伯恩斯坦，M。；A.C.Berg。；Fei-Fei，L.，Imagenet大规模视觉识别挑战，国际计算机杂志。视觉。，1-42 (2014)
[41] 斯卡达潘，S。；Wang，D.，《神经网络中的随机性：概述》，Data Min.Knowl。发现。，7, 2 (2017)
[42] 塞格迪，C。；刘伟。；贾毅。；Sermanet，P。；里德，S。；安格洛夫，D。；Erhan，D。；Vanhoucke，V。；Rabinovich，A.，《卷积深入研究》，IEEE计算机视觉和模式识别会议论文集，1-9（2015）
[43] Vapnik，V。；Chapelle，O.，支持向量机的误差期望界，神经计算。，12, 9, 2013-2036 (2000)
[44] Vapnik，V。；Izmailov，R.，《支持向量机和神经网络中的知识转移》，《数学年鉴》。Artif公司。智力。，1-17 (2017)
[45] 王，D。；Cui，C.，具有异构特征的随机配置网络集成用于大规模数据分析，信息科学。，417, 55-71 (2017)
[46] 王，D。；Li，M.，具有普遍近似性质的深度随机配置网络（2017）
[47] 王，D。；Li，M.，《随机配置网络：基础和算法》，IEEE Trans。赛博。，47, 10, 3466-3479 (2017)
[48] Yosinski，J。；克吕恩，J。；Y.本吉奥。；Lipson，H.，深度神经网络中的特征如何传递？，神经信息处理系统的进展，3320-3328（2014）
[49] 郑S。；Song，Y。；Leung，T。；Goodfellow，I.，《通过稳定性训练提高深度神经网络的鲁棒性》，Proc。IEEE计算机视觉和模式识别会议（CVPR），4480-4488（2016）
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。