分享

人工智慧的新技術介紹

很多介紹人工智慧的文章,從機器學習,從工具論述,從概念說明等。那為什麼我還要寫這樣的介紹文呢?
我想從這篇文章裡講一下人工智慧的基礎-資料,再講到類別這種間斷概念,為什麼要轉為連續。這在實作上是有困難的,數學不支援,電腦做不到。所以,我想分享一個方法,這是人工智慧核心的機率模型!
連續伯努利 人工智慧 迴歸分析 大數據 人工智能

圖片來自多類別分析方法-使用連續伯努利分配和條件分配 http://vixra.org/abs/2101.0034

人工智慧的基礎在於資料需要分類,做出類別,再展開運算,加入決策,產生判斷。那麼這個類別當然是愈精細愈好,可愈精細,需要運算的可能組合(路徑)就愈發複雜。
為什麼要將類別細緻化,除了上述原因,還有一個重要原因是趨近連續!這也就是伯努利的二分法要擴展成多項式外,還要轉為連續伯努利。學者和資料科學家致力於此,目前連續伯努利從分配、統計推論和擴展模型大體已經完成。有基礎研究後才能展開應用研究,所以資料科學家和程式人員方能開始使用分配的統計推論工具對資料展開應用性研究。
這最大的特點是電腦的二元或離散的運算原則可以轉為常用的連續型數字,特別是比率,介於0-1的數字。你可以細分到小數點後任一位數,端看電腦裝備的運算情況。
從離散回到連續後,精確度可以用常見的數學方法,無須刻意轉為離散模型。例如,生產轉換率數據不需要粗估,而是可以每時記錄,尋找規律;衰退率或支持率一樣可以精準分析和預測!迴歸分析用法正式恢復到實數體系,而非離散型數字的羅吉斯迴歸(logit)或羅傑斯特(logistic)模型。
這也意味著人工智慧的預判可以做得更好更優。條件機率和貝氏定理的決策樹分析也轉為連續,經濟學的賽局理論可以轉為連續型的隨機賽局,貝氏賽局真正貝氏+隨機。經濟模型喜歡用期望值方式消除掉隨機,用了條件期望,最終只是為了消除條件!用了動態,最後只為均衡點。但是基於連續伯努利分配的統計推論和擴展模型下,人工智慧的引入真真切切讓經濟學家和高管面對決策直球!
如果你要將人工智慧由間斷轉為連續,連續伯努利是必須躍過的檻!需要用到的是估計方法,檢定方法,同樣是要躍過的檻。連數據的來源分配檢測也是人工智慧機率模型要躍過的檻。此外,過去常見樣本數趨近無窮大∞,中央極限定理在課本中常見超過30個,這真是如此嗎?所以我最後提到人工智慧最後一個檻就是樣本量多少可以用什麼公式!
連續伯努利 人工智慧 迴歸分析 大數據 人工智能

圖片來自多類別分析方法-使用連續伯努利分配和條件分配 http://vixra.org/abs/2101.0034 (p. 146)

現在連續伯努利分配基礎研究已經完成,人工智慧的大躍進近在眼前。新技術核心理論架構完畢,應用的開花結果將是逐利的最大力量!所以接下來,讓我們迎接人工智慧時代的全面降臨吧!
#連續伯努利  #人工智慧  #迴歸分析  #大數據  #人工智能 
分類:科技

🟠掃除觀念的雷點🟠算學的運用🟠建模技術🟠大數據分析方法🟠人工智慧分析方法

評論
下一篇
  • 你必須知道大數據的兩三事
  • 更多文章
    載入中... 沒有更多了