人工智能吧 关注：114,026贴子：505,314
词汇表
与(AND):(参考intersection)
二值向量(Binary vector):一个比特数组。SDRs能被用binaryvectors表示。
比特(Bit):一个SDR中的一个元素。能处于1(激活)或者0(未激活)状态。
编码器(Encoder):其将原始数据转化为能被HTM系统使用的数据。
漏匹配(False negative):错误地预测为不匹配。
错匹配(False positive):错误地预测为匹配。
分层时序记忆(HTM)：生物和机器智能的理论框架。
分层时序记忆学习算法(HTM learning algorithms):描述了在HTM中的算法。
交集(Intersection):集合A和集合B，交集是一个集合，其元素既属于A又属于B。表示为
.
噪声(Noise):无意义数据。在SDRs中其表现为随机地将比特翻转(译者注：0变1，1变0)。
NuPIC：Numenta智能计算平台。一个使用HTM的开源社区。
或(OR):参考union.
稀疏表征(SDR):二值表征，其数据包含许多的比特，仅有较少的比特为激活。这些激活比特拥有语义意义且这些意义分布在这些比特中。
稀疏度(Sparsity):在一个二值向量中，激活比特在总比特中的百分比。
空间结构(Spatial Pooler):HTM中的一个学习算法在一个HTM区域中，SP从一个输入的子集中学习每个细胞柱的连接，决定每个细胞柱的输入层，并且使用抑制来选择出一组稀疏的活跃细胞柱。
时序记忆(Temporal Memory):学习随着时间的模式序列，并以在这一层的细胞柱的一个SDR做出下一个模式的预测。
时序库(Temporal Pooler):HTM中的一个学习算法，时序库和SDRs能被底层预测，给许多不同SDRs形成一个单独的表达。
正确匹配(True positive):正确地预测匹配。
正确不匹配(True negative):正确地预测不匹配。
并集(Union):A和B的并集是一个集合，其包含了A中和B中的所有元素。
向量基(Vector cardinality):一个向量中的非零元素的个数，或者说0阶范数。
向量尺寸(Vector size):1维向量元素的个数。
与(AND):(参考intersection)
二值向量(Binary vector):一个比特数组。SDRs能被用binaryvectors表示。
比特(Bit):一个SDR中的一个元素。能处于1(激活)或者0(未激活)状态。
编码器(Encoder):其将原始数据转化为能被HTM系统使用的数据。
漏匹配(False negative):错误地预测为不匹配。
错匹配(False positive):错误地预测为匹配。
分层时序记忆(HTM)：生物和机器智能的理论框架。
分层时序记忆学习算法(HTM learning algorithms):描述了在HTM中的算法。
交集(Intersection):集合A和集合B，交集是一个集合，其元素既属于A又属于B。表示为
.噪声(Noise):无意义数据。在SDRs中其表现为随机地将比特翻转(译者注：0变1，1变0)。
NuPIC：Numenta智能计算平台。一个使用HTM的开源社区。
或(OR):参考union.
稀疏表征(SDR):二值表征，其数据包含许多的比特，仅有较少的比特为激活。这些激活比特拥有语义意义且这些意义分布在这些比特中。
稀疏度(Sparsity):在一个二值向量中，激活比特在总比特中的百分比。
空间结构(Spatial Pooler):HTM中的一个学习算法在一个HTM区域中，SP从一个输入的子集中学习每个细胞柱的连接，决定每个细胞柱的输入层，并且使用抑制来选择出一组稀疏的活跃细胞柱。
时序记忆(Temporal Memory):学习随着时间的模式序列，并以在这一层的细胞柱的一个SDR做出下一个模式的预测。
时序库(Temporal Pooler):HTM中的一个学习算法，时序库和SDRs能被底层预测，给许多不同SDRs形成一个单独的表达。
正确匹配(True positive):正确地预测匹配。
正确不匹配(True negative):正确地预测不匹配。
并集(Union):A和B的并集是一个集合，其包含了A中和B中的所有元素。
向量基(Vector cardinality):一个向量中的非零元素的个数，或者说0阶范数。
向量尺寸(Vector size):1维向量元素的个数。
目 录...283楼
生物和机器智能(BAMI)... 2楼
第1章 生物和机器智能：引言... 4楼
1.1 分层时序记忆... 13楼
1.2 什么是智能？... 18楼
1.3 关于此书... 21楼
第2章 分层时序记忆总览... 25楼
2.1 对生物的观察：新皮层结构... 33楼
---2.1.1 分层时序记忆原则：通用算法... 40楼
---2.1.2 分层时序记忆原则：层次化... 41楼
2.2 对生物的观察：神经细胞是稀疏激活的... 42楼
---2.2.1 分层时序记忆原则：稀疏表征... 43楼
2.3 对生物的观察：来自新皮层的输入和输出... 53楼
---2.3.1 分层时序记忆原则：传感编码器... 59楼
---2.3.2 分层时序记忆原则：分层时序记忆系统是感受动作系统... 61楼
---2.3.3 分层时序记忆原则：分层时序记忆依赖于流数据和序列记忆... 63楼
---2.3.4 分层时序记忆原则：在线学习... 64楼
2.4 总结... 66楼
第3章 稀疏表征... 67楼
3.1 什么是一个稀疏表征?... 68楼
3.2 稀疏表征的数学特性... 89楼
---3.2.1 数学定义和记号... 91楼
---3.2.2 稀疏表征的能力和错误匹配的概率... 93楼
---3.2.3 重叠域... 96楼
---3.2.4 非精确匹配... 97楼
---3.2.5 部分采样... 103楼
---3.2.6 从一个稀疏向量可靠的分类... 107楼
---3.2.7 稀疏表征的并集... 110楼
---3.2.8 并集对抗噪声的能力... 120楼
---3.2.9 计算效率... 123楼
3.3 稀疏表征在大脑和在分层时序记忆系统... 125楼
---3.3.1 神经细胞的激活是稀疏的... 126楼
---3.3.2 稀疏表征并集之神经预测... 131楼
---3.3.3 依靠突触存储稀疏表征... 132楼
3.4 总结... 137楼
第4章 编码器... 138楼
4.1 什么是一个编码器?. 139楼
4.2 编码过程... 141楼
无 保留语义：一个正式的描述... 148楼
4.3 例1-编码数字... 152楼
---4.3.1 一个简单的数字编码器... 153楼
---4.3.2 一个更加灵活的数字编码器... 162楼
---4.3.3 对数数字编码器... 166楼
---4.3.4 变值编码器... 168楼
4.4 例2-编码类... 171楼
---4.4.1 有序和循环的类... 176楼
4.5 例3-编码地理空间数据... 181楼
---4.5.1 一个简单的地理空间数据编码器... 181楼
---4.5.2 一个更灵活的地理空间数据编码器... 188楼
---4.5.3 包含速度的地理空间数据编码器... 193楼
4.6 例4-编码地理空间数据... 196楼
---4.6.1 选择编码尺寸... 197楼
---4.6.2 编码多值... 200楼
4.7 总结... 201楼
第5章 空间结构... 202楼
5.1 空间结构算法细节... 202楼
---5.1.1 术语... 203楼
---5.1.2 步骤... 204楼
---5.1.3 伪代码... 205楼
---5.1.4 参数... 212楼
---5.1.5 参数，数据结构，程序... 218楼
第6章 时序记忆... 221楼
6.1 时序记忆算法细节... 221楼
---6.1.1 术语... 222楼
---6.1.2 空间结构与时序记忆共用的概念... 223楼
---6.1.3 时序记忆特有概念... 227楼
---6.1.4 步骤... 239楼
---6.1.5 伪代码... 253楼
---6.1.6 实现，数据结构，程序... 271楼
第7章 将要被包含的内容... 277楼
7.1 分层时序记忆之神经细胞... 278楼
7.2 分层时序记忆之细胞层... 279楼
7.3 分层时序记忆域... 280楼
7.4 分层时序记忆层次化... 280楼
7.5 行为产生... 280楼
7.6 分层时序记忆应用... 280楼
第8章 问题集... 281楼
8.1 稀疏表征... 281楼
词汇表... 282楼
生物和机器智能(BAMI)... 2楼
第1章 生物和机器智能：引言... 4楼
1.1 分层时序记忆... 13楼
1.2 什么是智能？... 18楼
1.3 关于此书... 21楼
第2章 分层时序记忆总览... 25楼
2.1 对生物的观察：新皮层结构... 33楼
---2.1.1 分层时序记忆原则：通用算法... 40楼
---2.1.2 分层时序记忆原则：层次化... 41楼
2.2 对生物的观察：神经细胞是稀疏激活的... 42楼
---2.2.1 分层时序记忆原则：稀疏表征... 43楼
2.3 对生物的观察：来自新皮层的输入和输出... 53楼
---2.3.1 分层时序记忆原则：传感编码器... 59楼
---2.3.2 分层时序记忆原则：分层时序记忆系统是感受动作系统... 61楼
---2.3.3 分层时序记忆原则：分层时序记忆依赖于流数据和序列记忆... 63楼
---2.3.4 分层时序记忆原则：在线学习... 64楼
2.4 总结... 66楼
第3章 稀疏表征... 67楼
3.1 什么是一个稀疏表征?... 68楼
3.2 稀疏表征的数学特性... 89楼
---3.2.1 数学定义和记号... 91楼
---3.2.2 稀疏表征的能力和错误匹配的概率... 93楼
---3.2.3 重叠域... 96楼
---3.2.4 非精确匹配... 97楼
---3.2.5 部分采样... 103楼
---3.2.6 从一个稀疏向量可靠的分类... 107楼
---3.2.7 稀疏表征的并集... 110楼
---3.2.8 并集对抗噪声的能力... 120楼
---3.2.9 计算效率... 123楼
3.3 稀疏表征在大脑和在分层时序记忆系统... 125楼
---3.3.1 神经细胞的激活是稀疏的... 126楼
---3.3.2 稀疏表征并集之神经预测... 131楼
---3.3.3 依靠突触存储稀疏表征... 132楼
3.4 总结... 137楼
第4章 编码器... 138楼
4.1 什么是一个编码器?. 139楼
4.2 编码过程... 141楼
无 保留语义：一个正式的描述... 148楼
4.3 例1-编码数字... 152楼
---4.3.1 一个简单的数字编码器... 153楼
---4.3.2 一个更加灵活的数字编码器... 162楼
---4.3.3 对数数字编码器... 166楼
---4.3.4 变值编码器... 168楼
4.4 例2-编码类... 171楼
---4.4.1 有序和循环的类... 176楼
4.5 例3-编码地理空间数据... 181楼
---4.5.1 一个简单的地理空间数据编码器... 181楼
---4.5.2 一个更灵活的地理空间数据编码器... 188楼
---4.5.3 包含速度的地理空间数据编码器... 193楼
4.6 例4-编码地理空间数据... 196楼
---4.6.1 选择编码尺寸... 197楼
---4.6.2 编码多值... 200楼
4.7 总结... 201楼
第5章 空间结构... 202楼
5.1 空间结构算法细节... 202楼
---5.1.1 术语... 203楼
---5.1.2 步骤... 204楼
---5.1.3 伪代码... 205楼
---5.1.4 参数... 212楼
---5.1.5 参数，数据结构，程序... 218楼
第6章 时序记忆... 221楼
6.1 时序记忆算法细节... 221楼
---6.1.1 术语... 222楼
---6.1.2 空间结构与时序记忆共用的概念... 223楼
---6.1.3 时序记忆特有概念... 227楼
---6.1.4 步骤... 239楼
---6.1.5 伪代码... 253楼
---6.1.6 实现，数据结构，程序... 271楼
第7章 将要被包含的内容... 277楼
7.1 分层时序记忆之神经细胞... 278楼
7.2 分层时序记忆之细胞层... 279楼
7.3 分层时序记忆域... 280楼
7.4 分层时序记忆层次化... 280楼
7.5 行为产生... 280楼
7.6 分层时序记忆应用... 280楼
第8章 问题集... 281楼
8.1 稀疏表征... 281楼
词汇表... 282楼
