コケティッシュな態度で毎日餌をねだる犬の心の中で何が起こっているのか考えたことがありますか?
なぜ、一生懸命成犬を育てている犬が、振り返って他人の腕の中に飛び込むのでしょうか?
実際、犬はあなたを怒らせるために意図的にこのようなことをしているわけではありません -
エモリー大学の実験では、犬は世界の物事を非常に厳しく見ている可能性があることが示されました。私たちとは違うのです。
人間は物体により注意を払いますが、犬は誰が、どのような物体を見ているかにはあまり関心がなく、行動自体にもっと関心を持っています。
ですから、犬を上手に扱う人なら誰でも犬に近づくことができるのは当然のことです。 (もちろん、犬は鋭い嗅覚を持っており、多くの犬は飼い主を認識していることも忘れないでください。)
さらに、犬と人間の視覚システムも大きく異なります。黄色と青の色調ですが、動きを検出するために使用される敏感な視覚受容体が 1 つあります。
この実験では、機械学習を使用して犬の脳活動を把握しました。関連論文は The Journal of Visualized Experiments に掲載されました。
研究者らは、この方法には非侵襲的であるという明らかな利点があると指摘しました。
この方法はこれまで霊長類でのみ使用されていたため、犬でのこの実験は大きな進歩です。
具体的な体験プロセスを見てみましょう。
犬と人間の脳活動の比較
研究者らは、機械学習と fMRI (機能的磁気共鳴画像法) を使用して、さまざまな種類のビデオを視聴したときの犬の脳活動を調査しました。
なぜ他の動物ではなく犬を選ぶべきなのかというと、
犬は動物に教えるのが比較的簡単であるため、一定の訓練を経れば、鎮静剤の注射や他の拘束方法を使用することなく、MRI (磁気共鳴) スキャンに従順に協力できるようになります。
ただし、犬は比較的従順ですが、この研究では、MRI スキャンに参加することに加えて、長時間ビデオを見なければなりませんでした。そのため、最終的に選ばれたのは2頭の犬だけで、1頭は4歳のオスのボクサーミックス、もう1頭は11歳のメスのボストンテリアのミックスでした。
△犬はビデオを見ています
各犬は 3 つの異なるビデオ セットを視聴しました。各ビデオ セットは 30 分で、合計 256 個のビデオを視聴しました。断片。変数を制御するために、これらのビデオには音声がありませんでした。
動画の中には、さまざまな物体 (人、犬、車など) を見せることに重点を置いているものもあれば、さまざまな動作 (遊ぶ、食べる、匂いを嗅ぐなど) を見せることに重点を置いているものもあります。
比較のために、2 人の人間のボランティアも同じ手順を使用してビデオ クリップを視聴しました。
ボランティアと犬がビデオを見ている間、研究者は3T MRIスキャナーを使用して脳活動の画像を記録しました。
彼らは次に、ニューラル ネットワークを使用して、「オブジェクト」と「アクション」を区別するための 3 つの分類器 (分類子) をトレーニングおよびテストしました。
ねえ、なぜ 2 ではなく 3 なのでしょうか?
行動分類器のうち、1 つは 3 つの異なるアクションについてトレーニングされ、もう 1 つは 5 つのアクションを学習したためです。
その結果、人間の脳は物や動作に対してよく反応するのに対し、犬の脳は動作に対してのみ敏感であり、異なる人や物に対して冷淡であるようには見えません。
バーンズ教授は、プリンストン大学物理学科を学士号を取得して卒業し、生物医工学博士号と医学博士号の 2 つの博士号を取得しました。
バーンズ氏は、動物は狩りをしたり食べられるのを避けるために自然に環境の変化に細心の注意を払う必要があるため、犬が動きに注意を払うのは当然だと考えています。
この研究に参加した犬は2匹だけでしたが、研究者らは今後さらに多くの犬や他の動物で実験を行い、動物が世界をどのように認識しているかを調査する予定です。
論文アドレス: https://www.jove.com/t/64442/through-dog-s-eyes-fmri-decoding-naturalistic-videos-from-dog
参考リンク:https://www.eurekalert.org/news-releases/964886
以上が家の犬は何を考えているのでしょうか?科学者は機械学習を使用してそれを解明しますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

译者 | 布加迪审校 | 孙淑娟目前,没有用于构建和管理机器学习(ML)应用程序的标准实践。机器学习项目组织得不好,缺乏可重复性,而且从长远来看容易彻底失败。因此,我们需要一套流程来帮助自己在整个机器学习生命周期中保持质量、可持续性、稳健性和成本管理。图1. 机器学习开发生命周期流程使用质量保证方法开发机器学习应用程序的跨行业标准流程(CRISP-ML(Q))是CRISP-DM的升级版,以确保机器学习产品的质量。CRISP-ML(Q)有六个单独的阶段:1. 业务和数据理解2. 数据准备3. 模型

机器学习是一个不断发展的学科,一直在创造新的想法和技术。本文罗列了2023年机器学习的十大概念和技术。 本文罗列了2023年机器学习的十大概念和技术。2023年机器学习的十大概念和技术是一个教计算机从数据中学习的过程,无需明确的编程。机器学习是一个不断发展的学科,一直在创造新的想法和技术。为了保持领先,数据科学家应该关注其中一些网站,以跟上最新的发展。这将有助于了解机器学习中的技术如何在实践中使用,并为自己的业务或工作领域中的可能应用提供想法。2023年机器学习的十大概念和技术:1. 深度神经网

译者 | 朱先忠审校 | 孙淑娟在我之前的博客中,我们已经了解了如何使用因果树来评估政策的异质处理效应。如果你还没有阅读过,我建议你在阅读本文前先读一遍,因为我们在本文中认为你已经了解了此文中的部分与本文相关的内容。为什么是异质处理效应(HTE:heterogenous treatment effects)呢?首先,对异质处理效应的估计允许我们根据它们的预期结果(疾病、公司收入、客户满意度等)选择提供处理(药物、广告、产品等)的用户(患者、用户、客户等)。换句话说,估计HTE有助于我

近年来,基于深度学习的模型在目标检测和图像识别等任务中表现出色。像ImageNet这样具有挑战性的图像分类数据集,包含1000种不同的对象分类,现在一些模型已经超过了人类水平上。但是这些模型依赖于监督训练流程,标记训练数据的可用性对它们有重大影响,并且模型能够检测到的类别也仅限于它们接受训练的类。由于在训练过程中没有足够的标记图像用于所有类,这些模型在现实环境中可能不太有用。并且我们希望的模型能够识别它在训练期间没有见到过的类,因为几乎不可能在所有潜在对象的图像上进行训练。我们将从几个样本中学习

本文讨论使用LazyPredict来创建简单的ML模型。LazyPredict创建机器学习模型的特点是不需要大量的代码,同时在不修改参数的情况下进行多模型拟合,从而在众多模型中选出性能最佳的一个。 摘要本文讨论使用LazyPredict来创建简单的ML模型。LazyPredict创建机器学习模型的特点是不需要大量的代码,同时在不修改参数的情况下进行多模型拟合,从而在众多模型中选出性能最佳的一个。本文包括的内容如下:简介LazyPredict模块的安装在分类模型中实施LazyPredict

译者 | 朱先忠审校 | 孙淑娟引言模型超参数(或模型设置)的优化可能是训练机器学习算法中最重要的一步,因为它可以找到最小化模型损失函数的最佳参数。这一步对于构建不易过拟合的泛化模型也是必不可少的。优化模型超参数的最著名技术是穷举网格搜索和随机网格搜索。在第一种方法中,搜索空间被定义为跨越每个模型超参数的域的网格。通过在网格的每个点上训练模型来获得最优超参数。尽管网格搜索非常容易实现,但它在计算上变得昂贵,尤其是当要优化的变量数量很大时。另一方面,随机网格搜索是一种更快的优化方法,可以提供更好的

实现自我完善的过程是“机器学习”。机器学习是人工智能核心,是使计算机具有智能的根本途径;它使计算机能模拟人的学习行为,自动地通过学习来获取知识和技能,不断改善性能,实现自我完善。机器学习主要研究三方面问题:1、学习机理,人类获取知识、技能和抽象概念的天赋能力;2、学习方法,对生物学习机理进行简化的基础上,用计算的方法进行再现;3、学习系统,能够在一定程度上实现机器学习的系统。

本文将详细介绍用来提高机器学习效果的最常见的超参数优化方法。 译者 | 朱先忠审校 | 孙淑娟简介通常,在尝试改进机器学习模型时,人们首先想到的解决方案是添加更多的训练数据。额外的数据通常是有帮助(在某些情况下除外)的,但生成高质量的数据可能非常昂贵。通过使用现有数据获得最佳模型性能,超参数优化可以节省我们的时间和资源。顾名思义,超参数优化是为机器学习模型确定最佳超参数组合以满足优化函数(即,给定研究中的数据集,最大化模型的性能)的过程。换句话说,每个模型都会提供多个有关选项的调整“按钮


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

PhpStorm Mac バージョン
最新(2018.2.1)のプロフェッショナル向けPHP統合開発ツール

AtomエディタMac版ダウンロード
最も人気のあるオープンソースエディター

mPDF
mPDF は、UTF-8 でエンコードされた HTML から PDF ファイルを生成できる PHP ライブラリです。オリジナルの作者である Ian Back は、Web サイトから「オンザフライ」で PDF ファイルを出力し、さまざまな言語を処理するために mPDF を作成しました。 HTML2FPDF などのオリジナルのスクリプトよりも遅く、Unicode フォントを使用すると生成されるファイルが大きくなりますが、CSS スタイルなどをサポートし、多くの機能強化が施されています。 RTL (アラビア語とヘブライ語) や CJK (中国語、日本語、韓国語) を含むほぼすべての言語をサポートします。ネストされたブロックレベル要素 (P、DIV など) をサポートします。

Dreamweaver Mac版
ビジュアル Web 開発ツール

ホットトピック



