19/05/16 23:00:11.35 aLnc2HDn.net
>>205-206
| 25 yamaguti 190514 1313 2vGaUUWM \ \>44 yamaguti 190419 0252 CVBD0yuO
||||>909 ｰ 190417 1359 MA2fvPeQ >579 ｰ 190411 0657 WPKyHS65
|||| :
||||>深層学習の限界突破へ、MITなどが「ハイブリッドAI」を開発
||||>URLﾘﾝｸ(m.newspicks.com)
||| :
|||>579 ｰ 190411 0657 WPKyHS65
|||| 深層学習の限界突破へ、MITなどが「ハイブリッドAI」を開発
|||>URLﾘﾝｸ(www.technologyreview.jp)
||| :
||||>44 yamaguti 190404 1907 CS6nD8sb? \ \> 45 名前：yamaguti E-mail：この国だけに配慮致します立場でないので申上げますsage 投稿日：2019/03/08(金) 14:06:39.82 ID:lgKqio1I?2BP(0) \ \> YAMAGUTIseisei wrote:
||7| HPKY 型汎用 AI/AL ( NN ベース辞書ベース例 )
|||||||| :
|||7>774 yamaguti~貸 171020 1534 0nNF/MoU?
||||||| :
|||7>NN ベース AI というよりもいわば設計ベース AI ( AL ) + NN
|||7|
|||7>従来予想 : 超強力弱い AI (
|||| :
||||
|||| Smalltalkの背後にある設計原則
|||| ｽﾚﾘﾝｸ(future板:27-35番)#-48
|||| URLﾘﾝｸ(google.jp)
|||| ｽﾚﾘﾝｸ(future板:34-45番)# 45,35 : HPKY # 40 : MetaAL , DSL Suityoku
|||| ｽﾚﾘﾝｸ(future板:173-183番)#1529408476/159# KenRon # DSL Suityoku
|||| URLﾘﾝｸ(google.jp)
|||| p://google.jp/?q=hasabisu+ai+haiburiddo
208:102
19/11/30 18:17:42.15 g1wMpMyw.net
> 30 yamaguti 190901 2352 vP6qbkkr \ \>38 yamaguti 190712 0741 BvhXtK7w
>>> >830 ｰ 190703 1024 EzMBrXH5
> :
>>> >941 ｰ 190704 1138 y8i+Pbd/
>>>>AIの不安、第一人者の答
>>>>・ヒントン氏 トロント大学名誉教授
>>>>_URLﾘﾝｸ(r.nikkei.com)
>>> :
>>>>「想像以上のことが起き 。10年前 機械翻訳ができる 思わな 。 ｰラルネッ を信じていた私 も含め 。
>>>>2009 私に『19年 機械が複数の言語を翻訳できる か』 『ノー』
>> :
>>>>「 、いずれ機械は人のように賢くなる 。 5年かも
>>> :
>
> >>10
>>マイクロソフトから１千億円 調達 OpenAI。5年以内にAIの知能が人間レベルに到達 予測
>
> 弱い AI 世界線 松田先生 カーツワイル先生
> _ｽﾚﾘﾝｸ(future板:140番)# YowaiAI SekaiSen MatudaSensei KaatuwairuSensei
> 齊藤元章氏‐AGIチップ実現への Game Changer
> _URLﾘﾝｸ(m.youtube.com)
209:>>102
19/11/30 18:18:15.85 g1wMpMyw.net
> 59 yamaguti 191125 1755 6K8X4p8M
> >933 ｰ 191115 0924 IvREeeSh
>>ニューラルネッ こうして進化 ： の 権威 ・ヒントン
>>_URLﾘﾝｸ(wired.jp)
>
>> GH： 、パンダを見てダチョウと 、 。 、 上位の表現からの再構成 問題 。 。 。最近、 、 ・フロスト 、（上位の表現からの）再構成 、 発見
> :
>> NT： も 再構成できる ？ 意識も ？
>> GH：もちろ
>
>> 43 yamaguti 191009 2042 M35a2ys0
> :
>> >729 ｰ 191006 1550 r9nhsQ+4
> :
>>>GANを用いて過去に覚え を忘れない クラス分類器を実装した新 ｰラルネッ
>>>p://ai-scholar.tech/treatise/acgan-ai-223/# ｽﾚﾘﾝｸ(future板:34-37番)##1569536835/22# なぜニューロンは何千ものシナプスを持っているのか、新皮質に於けるシーケンス記憶の理論
> :
>
>> 尖端シナプスはトップダウンの期待 ( 訳注 : 待望 予想 ) を呼び起こす
>> ２．２．３。 尖端シナプスはトップダウンの期待を生み出す
>> 図 4>このようにして尖端フィードバックはネットワークを、どんな入力であれ予想シーケンスの一部である、として解釈する様にバイアスし、予想シーケンス内のどの要素ももしも入力と一致しない場合を検出
210:ウルトラスーパーハイパーフィードバックエレキモンバーストモード
19/12/14 16:21:36.48 ZdbDCgAD.net
デジモン(デジタルモンスター)シリーズのアニメの最新作を放送してね
デジモン(デジタルモンスター)シリーズのアニメの完全新作を放送してね
デジモン(デジタルモンスター)シリーズのアニメの新作を放送してね
デジモン(デジタルモンスター)シリーズのアニメの次期作を放送してね
デジモン(デジタルモンスター)シリーズのアニメの次回作を放送してね
デジモン(デジタルモンスター)シリーズのアニメの続編を放送してね
デジモン(デジタルモンスター)シリーズのアニメの続きを放送してね
デジモンテイマーズはネ申アニメだよ
デジモンテイマーズは神アニメだよ
デジモンテイマーズは意欲作だよ
デジモンテイマーズは話題作だよ
デジモンテイマーズは超大作だよ
デジモンテイマーズは良作だよ
デジモンテイマーズは秀作だよ
デジモンテイマーズは傑作だよ
デジモンテイマーズは名作だよ
デジモンテイマーズは上作だよ
デジモンテイマーズは佳作だよ
ライヒモンの勝ち
ライヒモンの勝利
ライヒモンの大勝利
ライヒモンの完全勝利
ライヒモンの圧勝
ライヒモンの楽勝
ライヒモンの戦勝
ライヒモンの制勝
ライヒモンの連勝
ライヒモンの優勝
ライヒモンの奇勝
ライヒモンの全勝
ライヒモンの完勝
ライヒモンの必勝
211:オーバーテクナナシー
20/05/08 02:41:33.85 LSUa2ZRk.net
何でこんなになるまで放っておいたんだ！
212:山口
20/10/05 00:45:40.66 6OqsHZKZ.net
脳とシリコンスパイクニューロンとをメモリスタシナプスは接続する
ｽﾚﾘﾝｸ(future板:17-21番)#
>脳機能は、記憶の格納と処理とを伝達に伴って融合的統合する ( 訳注 : 記憶格納と処理とは元々一体 ) 事のキー役を演じているシナプスを 。
>を説明しますがそこでは荷重刺激を、興奮性シナプス後電位似反応へと誘導している薄膜酸化物それを経由するという、通貨をさせる事によって伝達を媒介します。
>の上で我々が実証するのは、 をニューロン発火率駆動によってメモリスタシナプスが受ける所の、 3ニューロンの脳シリコンネットワークです
213:山口
20/12/27 05:31:35.04 AGfIL1OI.net
概要>、興奮性シナプス後電位似反応へと誘導している所の薄膜酸化物経由という、通過、
前書き>、 BCI を究極的には齎すという事を約束しています。
前書き>? ry に、メモリスタMR1は、それぞれ1 ry ）からシナプス ry 脱分極を ry システムを ry 端子デバイスとして動作します。
前書き>? ry 接続するハイブリッド回路の代表例であり、
214:オーバーテクナナシー
21/03/16 07:07:33.47 FtIVlLYv.net
>>213
ｽﾚﾘﾝｸ(future板:17-21番)
215:オーバーテクナナシー
21/09/05 12:10:04.34 WetwWqzX.net
>36 _ 201017 0123 9Av//tVf \>54 _ 200927 1112 UxWJCUDQ ｽﾚﾘﾝｸ(future板:1504999631番)624# Kifu
|| Google 翻訳 : 記憶と認知 1974年、Vol。 2 、No. 3、467-471 URLﾘﾝｸ(link.springer.com) .pdf 注意 URLﾘﾝｸ(link.springer.com) URLﾘﾝｸ(springer.com)
| :
|
|| 後続の記憶探索取得に対する1つの記憶探索取得の影響*
| :
|
|
|| ジェフリー・R・ロフタスとエリザベス・F・ロフタス
|> ワシントン大学、シアトル、ワシントン98195
| :
|
|>被験者達は、カテゴリのインスタンスを生成し、0個または2個の介在アイテム ( 原文 : intervening items ) が続くと、同じカテゴリの2番目のイン スを生成し た。
|| 2番目のインスタンスは、最初のイン スよりも迅速に作成され た。
|| この調査結果は、本書で報告されている他のデータと併せて、2番目のインスタンスのレイテンシの減少は主に、検索されたカテゴリでの速度の短縮によることを示しています。
:
>ｽﾚﾘﾝｸ(future板:53-60番)#-66
方法 ｽﾚﾘﾝｸ(future板:35-44番)#-49 42>半透明ガラス窓付きスクリーン
41>? 160の重要な刺激（それぞれ2つの文字とペア ry ）に ry 。
41>重大重要刺激 160 個（文字 2つとそれぞれペアになった80のカテゴリー）に加えて、80のフィラー刺激が使用されました。
|
>
|
|| 再構成可能生物を設計するためのスケーラブルなパイプライン
|| ｽﾚﾘﾝｸ(future板:84-114番)#-118#1601145490/54 \|
|| 「健康医療分野のデータベースを用いた戦略研究」
|>ｽﾚﾘﾝｸ(future板:60-78番)# URLﾘﾝｸ(google.jp) \:
> 一覧 ｽﾚﾘﾝｸ(future板:22-25番)
脳とシリコンスパイクニューロンとをメモリスタシナプスは接続する
ｽﾚﾘﾝｸ(future板:27-38番)
216:オーバーテクナナシー
21/09/05 12:12:56.57 WetwWqzX.net
|| *複写のリクエストは、 98195 ワシントン大学シアトル校の心理学部ロフタスに送信できます。
|| この研究は、E。ロフタスに対する国立精神衛生研究所の助成金、およびG.ロフタスに対する国立科学財団の助成金によって支援され た。
|| 原稿へのコメントに対してThomas 0. Nelsonに感謝の意が表されます。
|
>
| 文字カテゴリ : 文字 - カテゴリ
| カテゴリ文字 : カテゴリ - 文字
| アクティブ化モデル , 活性化モデル : アクティべーションモデル
|
| ハイデルベルクニューロモルフィックコンピューティングプラットフォームへのHTMモデルの移植
| ｽﾚﾘﾝｸ(future板:34番)#26-37#-52#1552014941/69-81#67-89 予測 , アクティブ
好奇心に基づいた学習の大規模研究
ｽﾚﾘﾝｸ(future板:155-202番)#-205
SSVEPマグニチュード変動の予測モデル : ブレインコンピュータインタフェースにおける連続制御への応用
ｽﾚﾘﾝｸ(future板:25-39番)
217:オーバーテクナナシー
21/09/05 14:11:45.94 498rJRD6.net
結果
2.5秒 インターバル ? 寛容
1.90
RT : * レター-カテゴリー
: * カテゴリー-レター
1.60
1.50
0 2 初期 ( 原文 : initial ( 初期値 ) )
遅れ
図2。
? 重要なカテゴリーの2つの出現の間 ry 。
決定的重要カテゴリの各出現 2つの間の介在アイテム（ラグ）の数の関数としての秒単位の平均反応時間。
? ry と手紙の間 ry 。
アイテムは、カテゴリーと文字との間に2.5秒の間隔で提示され た。
218:オーバーテクナナシー
21/09/05 14:15:17.97 498rJRD6.net
>>217
同時に。
2.20
RT : * レター-カテゴリー
: * カテゴリー-レター
1.90
1.80
0 2 初期 ( 原文 : initial ( 初期値 ) )
遅れ
図3。
重要なカテゴリーの2つの出現の間の介在アイテム（ラグ）の数の関数としての秒単位の平均反応時間。
? ry と手紙は同時に発表され ry 。
カテゴリーと文字とが同時提示され た。
219:オーバーテクナナシー
21/09/05 14:17:32.50 498rJRD6.net
>>217-218
? 重要な刺激に ry 含まれていました。
重大重要刺激に対する正しい反応（96％）のみが、以下の分析に含まれ た。
? ry は、12の条件のそれぞれに ry 。
レイテンシの中央値は、条件 12 件各々における各Sの応答について得られ た。
? 次に、各条件について、個々のSの中央値を平均することにより、平均待機時間を取得しました。 これら ry 。
各条件について、平均レイテンシを、然して、被験者夫々からの中央値の平均化により取得し た ; これらの平均は、図2および3にプロットされ ます >217-218
図2は、カテゴリと文字の間に2.5秒の間隔が挿入されたときの結果を示し ます >>217
? 文字カテ ry ﾞリ文字 ry ます。 さらに、 ry 、ラグ2よりもラグ0で速く生成 ry 。
文字-カテゴリ条件とカテゴリ-文字条件の両方で、カテ の2番目のインスタンスは最初のイン スよりも速く生成されます ; さらに、2番目のイン スは、ラグ 2 時点よりも早くラグ 0 時点に於て生成されます
図3は、文字と名詞が同時に提示されたときに同じパターンの結果が得られることを示 >>218
2（オーダー）x 2（間隔）x 3（ラグ）の分散分析がレイテンシデータに対して行われ た。
? ry ﾞリ文字 ry 33.52、p <01]。
ラグ[F（2,34）= 6.57、p <.05]、カテゴリ-文字順[F（1,17）= 14.71、p <.01]、および間隔[F（1、 17）= 33.52、p <01] に於て有意な効果が見られ た。
469
1つのメモリ検索の影響
? 2方向または3方向の ry 。
それら 2 方法又は 3 方法の相互作用はいずれも有意ではありませんでした（すべてのケースでF <1）。
220:オーバーテクナナシー
21/09/05 14:19:55.27 498rJRD6.net
ｽﾚﾘﾝｸ(future板:993番)#1504872499/60#1508569617/2# Hoken
221:オーバーテクナナシー
21/09/05 16:11:32.66 A+t1x18S.net
討論
メモリー検索の依存性
? いくつ ry では、セマ ry から情報を取 ry リが以前に短時間アクセスされた場合に短 ry ことが示 ry 。
情報をセマンティックカテゴリから取得する時間が、そのカテ がもしも短時間前にアクセスされていた場合 短縮される事が、いくつかの研究では示され ます
? たとえば、Collins ry は、「 ry 」などの質 ry。
Collins and Quillian（1970）は、例えば、「カナリアは鳥 か？」といった質問に答えるのに必要な時間を示しています
前回のトライアルでカナリアに関する情報にアクセスした場合、600ミリ秒も減 。
多少異なるパラダイムを使用して、マイヤーとシュヴァネヴェルト（マイヤー＆シュヴァネヴェルト、1971年;メイヤー、シュヴァネヴェルト＆ラディ、1972年、シュ ＆メ 、1973年;メ 、1973年）は同じことを示しています
これらの実験では、Sは文字列を単語または非単語として分類 要
? 一般的な発見は、Sが意味的に類似していない単語とは対照的に3つの意味的に類似した単語を分 ry り速い ry 。
そこでの一般的発見は、意味的非類似なとは対照的な意味的類似な 3 単語それらを被験者が単に分類した場合、文字列を単語として分類する反応時間はより早い こと
したがって、 、「バター」の前に「パン」が付いている場合は、「ナース」が前にある場合よりも、「バター」を単語として分類 時間が速
このような結果を処理 ために、2つの一般的なクラスのモデルが提案されています
ロケーションシフトモデル（Meyer＆Schvaneveldt、1971）は、Sが特定のカテ のメンバーの処理を終了し、次にシフトして2番目のカテ の処理を開始する必要 場合、シフト時間は2つのカテ 間の意味的距離に依存すると想定 。
? 一方、 ィブ化モデルは、カテ ry 、処 ry 的に類 ry 他のア が「興奮」または「 ィブ化」されるこ ry 。
アクティべーションモデルは、一方、カテ 内のアイテムが処理されるときに、その処理される情報と意味的類似している範囲で、他アイテムが「興奮化」または「アクティべート」される ことを前提とし ます
さらに2つの想定が行われます。1つ目（Warren、1970年）は、アクティブ化が時間とともに減衰すること、2つ目は、 ィブ化されたアイテムは非アクティブ化されたアイテムよりも容易にアクセスできること 。
222:オーバーテクナナシー
21/09/05 16:13:54.52 A+t1x18S.net
本実験の結果は、Meyer et al（1972）とLoftus（1973）のデータと合わせて、位置シフトモデルを非承認にし、活性化モデルをサポート 。
? ry な比 ry 。
これらすべての実験には、次のような各比較が含まれます
? Tが、処理される時間が対象の従 数であるタｰ 報を表す ry 。
処理時間を対象従属変数としたターゲット情報を T が表すとします
? Rが意味的にTに関 ry が意味的にTに関連 ry 表すようにします。
T に意味的関連する情報をR が表し、最後にU1とU2が T に意味的関連しない情報を表すとします
? 次の3つの条件を検討してください。
ここで 3 条件を検討します :
条件a：プロセスU1; プロセスU2; プロセスT.
条件b：プロセスR; プロセスU2; プロセスT.
条件c：プロセスU1; プロセスR; プロセスT.
? ry 、次に条件bで最も速く、条件a ry 。
データは、Tが条件cで最も速く、条件bで次点最速、条件aで最も遅く処理されることを示 。
位置シフトモデルとアクティブ化モデルはどちらも、条件cの反応時間が条件aおよびbの反応時間よりも速いことを正しく予測しています
ただし、2 モデルの予測は、条件aとbの関係に関して異な 。
位置シ モデルは、条件aと条件bの反応時間が同じであると誤 予測 。どちらの場合も、Sは無関係なカテゴリU2からTにシフトしているためです
一方、活性化モデルは、得られた結果のパターンを正しく予測 。
? これは、条件bでは、 ry よってアクティブ化され ry 、この ィブ化がTが処理 ry 時間までに減衰して ry 。
これは条件 b に於ては、TがRによってアクティべートされたと見なされ、そしてこのアクティべーションが、 T の処理される時間によっての減衰をしていないためです
? 一方、条件aでは、Tはまったくアクティブ化されていないと見なされます。 したがっ ry 。
条件 a では、一方、 T がアクティべートされたとは全く見做されません ; したがって、Tを処理する時間が長くなります。
223:オーバーテクナナシー
21/09/05 16:16:33.92 A+t1x18S.net
ｽﾚﾘﾝｸ(future板:606-609番)#1489922543/123 SonzaiSyoumetu , Kiraware KujoRisuto
ｽﾚﾘﾝｸ(future板:371番)# SonzaiSyoumetu
ｽﾚﾘﾝｸ(future板:343-344番)# RokoNoBajirisuku
ｽﾚﾘﾝｸ(future板:299番)#323#437 KimotiNoGeemu Ni Tyenji
ｽﾚﾘﾝｸ(future板:6番)# SinNoHeiwa ( YuugouMae )
ｽﾚﾘﾝｸ(future板:60番)# RikaiNoMondai
224:オーバーテクナナシー
21/09/15 01:50:23.52 wbekkSpd.net
>>216
>好奇心に基づいた学習の大規模研究
>>155-202 >>205
URLﾘﾝｸ(www.nikkei.com)
URLﾘﾝｸ(google.jp)