两种算法找到最近的邻居地点敏感的哈希，哪一个？
目前我正在学习如何找到使用局部性敏感散列一个近邻。不过虽然我读的报纸和在网上搜索，我发现两种算法实现此目的： -1-使用大号带的随机LSH函数L个哈希表的数量，从而增加了机会，两个文件是类似于获得相同的签名。例如，如果两个文件是80％相似，那么有80％的机会，他们将得到相同的签名从一个LSH功能。但是，如果我们使用多个LSH功能，然后有一个更高的机会从的LSH功能之一得到相同的签名的文件。这种方
..
AI人工智能
相似矩阵 - ＆GT;特征向量算法？
如果我们有一组的M个字，并且知道每个单词对的含义提前的相似度（具有相似的A M×M矩阵），该算法可以我们使用使一个k维位向量对于每个字，以使每对词可以只是通过比较其矢量比较（例如得到向量的绝对差）？ 我不知道这方面的问题是如何调用。如果我知道，这将是更容易找到之间的一堆类似的描述，它做别的事情的算法。 其他观察： 我觉得这个算法将有无，以生产一，在这种情况下想，副作用。如果，从矩阵，A字类似
..
AI：最快的算法发现，如果路径存在？
我要寻找一个寻路算法用于一个AI控制，需要寻找从一个路径B.二维网格的实体它不一定是最短的路径，但它需要计算速度非常快。网格是静态的（不会改变）和一些网格单元被障碍物占据。 我目前使用的是一个*，但它是我的目的，速度太慢，因为它总是试图计算出最快路径。当路径不存在，在这种情况下的A *将尝试探索过多的细胞发生的主要性能问题。 是否有不同的算法，我可以使用，可以找到一条比A *更快，如果路径并不
..
如何显示阿尔法贝塔剪枝算法的结果呢？
更新 更新1 我想这个（2号线）：我添加节点改变颜色第一指令字母a的功能。我越来越这个结果： 绿色节点访问节点。它看起来像，算法是正确的去扔节点，对不对？但如何输出正确的价值观中的节点 - 我还需要做到这一点？儿童值最小，最大的孩子值（不包括修剪树枝）。对 更新2 我试图输出α和β的树节点，并没有得到正确的结果。 这是code（第18行和31加）。 这是的code结果：
..
找到一个簇的中心
我有以下问题 - 作出抽象带出的关键问题 我有10个点，每个从其他一些距离。我想 能够找到群集即点的量彼此点成对的距离被最小化的中心， 设p（J）〜P（k）的再present高炮点J和K成对的距离 P（I）是中心点群集当且仅当P（I）的圣分[之和（p（j）条〜P（k））的]所有0℃ J，K＆LT; = n，其中我们在集群中有n个点 确定如何分割群集中两个群集一次数据点的集群的数量必须高于某
..
咨询培训一个强大的级联分类时，应考虑？
我在训练的级联分类，以便及时发现动物的图像。不幸的是我的假阳性率相当高（超高使用哈尔和LBP，可接受使用HOG）。我想知道我怎么可能提高自己的分类。 下面是我的问题： 什么是训练样本所必需的一个韧性检测的量？我的地方，4000 POS和800负样本都需要阅读。那是一个很好的估计？ 如何应不同的训练样本有多大？有没有一种方法来量化图像的差异，以包含/排除可能“复制”的数据？ 我应该怎么处理闭塞的
..
DBSCAN - 的最大簇跨度设定上限
据我DBSCAN的理解，它可能为你指定的，比如说一个小量，100米， - 因为DBSCAN考虑的密度可达和不可以 直接密度可达的发现群集时 - 结束了一个集群中任意两点之间的最大距离> 100米。在更极端的可能性，似乎有可能，你可以设置为100米小量，最终以1公里集群： 参见[2] [6]在该数组中的图像从scikit学习获得的一个例子时可能发生的。 （我更愿意被告知我是一个总的白痴，我误解DBS
..
可以K-均值聚类做分类？
我想知道K-均值聚类算法是否可以做分类？ 如果我做了一个简单的K-均值聚类。 假设我有很多数据，我用的k-means聚类，再得2集A，B。和质心计算方法是欧氏距离。 集A在左侧。 集群右侧的B面。 所以，如果我有一个新的数据。我该怎么办？ 运行K-均值再次聚类算法，并能得到哪些集群新的联合国数据属于哪一种？ 记录的最后一个质心，用欧氏距离来计算，以决定新的数据属于哪一种？
..
是一个神经元的自组织映射的位置取决于它的重量？
我已经看了很多的SOM理论的例子，但有一件事是不是真的清楚我说：是节点的位置取决于它们的权重？例如，将具有较大的重量节点是在地图上的一侧，而用一个较小的重量节点将进一步远离在地图上？ 解决方案 没有。在SOM（又名Kohonen网络地图）的权重函数应用到你的数据的不是在“神经元”。 权值期间所使用的图谱构建的（训练），即，在每次迭代和为每个迭代内的每个格子的细胞来计算。换句话说，对于每次迭代
..
最简单的特征选择算法
我想创建自己的简单特征选择算法。该数据集，我要一起工作是这里 （非常著名的数据集）。有人可以给我如何做到这一点的指针？ 我打算写一个特点排名算法的文本分类。这是电影审查的情感分析，将之列为无论是积极的还是消极的。 所以我的问题是关于如何编写一个文本数据集的简单特征选择。 解决方案 特征选择方法是一个很大的话题。你可以用下面的启动： 卡方 互信息 词频 等。阅读本文，如果你有时间
..
15益智启发
在 15拼图是涉及启发式建模算法一个经典问题。常用启发式针对此问题包括计数错位的瓦片的数目，并找到每个块和其在目标的配置位置之间的曼哈顿距离的总和。需要注意的是两者都可以受理，也就是说，他们从来没有高估离开移动次数，从而确保最优某些搜索算法，如A *。 什么启发式你认为是正确的， A * 似乎工作不错，你有一个例子，也许在 C 或的Java ？ 解决方案 启发式 我选择的启发是要找到，如果
..
什么是最好的数据结构来重新present当速度是首要关注的一个跳棋板？
我目前正在实施的东西非常相似，跳棋。所以，我有这样的桌牌游戏，有白色和黑色两种件。哪里有没有白色或黑色的碎片，你dno't有件。 我目前做的 GetValidMoves（）这将返回当前所有的动作之一可以与目前的主板做的方法。 我因此想知道什么可能是重新present板的最佳途径。天真的办法是与0的1和2的（无一块，白一块，黑一块）的矩阵。 其他的想法是不是一个矩阵重新董事会presentat
..
泛化Q学习与连续*动*的工作空间
我试图让代理去学习必要的鼠标运动的加强，以最好的执行某些任务，学习设置（即奖励信号是学习的唯一的反馈）。 我希望用Q学习技术，但同时我发现的办法这种方法扩展到连续状态空间时，我似乎无法弄清楚如何适应的问题有连续动作空间 我可以强迫所有的鼠标动作得到一定幅度的，并只在一定数量不同的方向，但使得行动离散会产生巨大的作用空间中的任何合理的方式。由于标准Q学习要求代理评估的所有的可能行动，这种近似不会
..
第2部分弹性BP神经网络的
这是一个后续问题此网页的工作，很显然如何传播史的作品（虽然我与反弹传播处理）。对于前馈神经网络，我们必须1），同时向前移动，通过神经网络，触发神经元，2）从输出层的神经元，计算一个总误差。然后3）向后移动，propogate这个错误每个重量在神经元，那么4）再次来临前锋，每个神经元的更新的权重。 precisely不过，这些事情是我不明白。 A）对于每一个神经元，你怎么计算的偏导数（定义）超过
..
英国国际发展部（系，首先迭代进一步深化闽台）与IDA *（迭代式进一步深化闽台A *）
我不知道什么是这两种算法的优点和缺点。我想写 AddEmUp C ++解决了，但我不知道我应该使用哪个（IDA或DFID）算法。 最好的文章中，我发现是 这个 ，但似乎太旧 - 93。任何新的？ 我觉得IDA *会更好，但..？任何其他的想法？ 任何想法和信息将是有益的。 谢谢！ （： 编辑：关于IDA *和算法很好地解释一些好文章？ EDIT2：或一些好的启发函数的那场比赛？我不知道
..
我如何计算两个重叠的线性数据集之间的地步？
予有两组重叠数据位（见下面的图）。我需要找到这些集之间的地步，谁也想不到一个未知的数据点都属于特定类别。 如果我有一个新的数据点（假设 5000 ），并有赌的 $$$ 它是否属于A组或B组，我怎么能计算，使我的投注最有把握的地步？ 请参阅样本数据集，并伴随着以下情节与这些团体之间的近似点（用眼睛来计算）。 A组 [385,515,975,1136,2394,2436,4051,4399,4
..
期望最大化抛硬币的例子
我一直在自学期望最大化最近，并抓住自己在这个过程中一些简单的例子： 虽然我可以得到计算，我可以不涉及他们解决了原来的电磁理论的方式。具体而言，在对两个例子中，M-步骤，我看不出他们是如何最大限度地提高任何东西。这似乎只是他们重新计算参数，并以某种方式，新参数比旧的好。此外，两个E-步骤甚至不看彼此相似，更何况原有理论的E-步骤。 那么究竟如何做这些例子的工作？ 解决方案 第二个PDF不
..
寻找最小割集有限子图之间
如果一个游戏地图被划分成子图，如何最大限度地减少子图之间的边缘？ 我有一个问题，我试着通过一个基于网格的游戏，如吃豆子或推箱子，使A *搜索，但我需要找到“外壳”。这是什么意思用外壳？子图用尽可能少切边地给出数的最大尺寸和最小尺寸的顶点的每个充当软约束子图。 或者你可以说，我期待找到子图之间的桥梁，但它通常是相同的问题。的 示例 由于游戏看起来像这样，我想要做的就是找到外壳，这
..
井字游戏AI做出错误的决定
一个小背景：作为一种学习的多节点的树木在C ++中，我决定生成所有可能的井字游戏板，并将其存储在一棵树上，这样开始在一个节点分支是可以从该节点遵循所有板，和一个节点的孩子都跟着一个此举板。在那之后，我认为这将是有趣的写一个AI使用该树作为决策树玩井字游戏。 TTT是一个可以解决的问题，一个完美的球员将永远不会失去，所以它似乎是一个简单的AI至$ C $下我第一次尝试的AI。 现在，当我第一次实
..
集群给予成对距离与未知的簇号？
我有一组对象的 {OBJ1，OBJ2，obj3，...，objn} 。我算过所有可能对的成对距离。的距离存储在 N *ñ矩阵 M ，与自我介绍是在 obji 和 objj 的距离。然后很自然地看到 M 是一个对称矩阵。 现在我要执行无监督聚类对这些对象。经过一番搜索，我发现谱聚类可能是一个不错的选择，因为它涉及这样的pairwise-距离的情况。 不过，经过仔细阅读其描述，我觉得我的情况不适合
..