Artificial Intelligence Here I implement Artificial Intelligence projects and book keep relevant projects and datasets Recursive Neural Tensor Networks Memory Networks Generative Adversarial Networks Dialogue Generation ... Datasets Word2vec Microsoft WikiQA WikiQA: A Challenge Dataset for Open-Domain Question Answering Microsoft MAchine Reading COmprehension MARCO Facebook bAbI Dataset, github UIUC Question Classification Datasets Reddit's comments dataset Below is a list of AI realted projects to note Neural Dialogue Generation Dynamic MemoryNet works swstarlab/theano, YerevaNN/theano, blog research projects implemented in Chainer. Link Deep Res Nets - Torch https://github.com/facebook/fb.resnet.torch https://github.com/reedscot linkedin kb https://t.co/IBRedVkrhv Google knowledge base https://research.googleblog.com/2016/10/graph-powered-machine-learning-at-google.html FAIR has co-authors on 14 papers accepted at ICLR 2017: - Learning End-to-End Goal-Oriented Dialog by Antoine Bordes, Y-Lan Boureau, Jason Weston https://openreview.net/forum?id=S1Bb3D5gg (complete list of accepted ICLR papers here: https://openreview.net/group?id=ICLR.cc/2017/conference ) Here, I try to maintain some notes about what I already know about like: Logics
Theorem proving
Model checking Term Rewriting Graphical Learning and Search
and what I learn like Self Organizing Maps, and who knows what's next!(Un)Supervised Learning and etc. Time Days Pass By http://www.youtube.com/user/beratali اولین کاری که می‌خواهید بکنید این است که اگر ربات شما را دید خرناسه بکشد اما اگر غریبه‌ای را مشاهده کرد با صدای بلند عوعو کند. فعلاً فرض می‌کنیم که ربات توانایی تولید آن صداها را دارد اما هنوز چهرهٔ شما را یاد نگرفته‌است. پس کاری که می‌کنید این است که جلوی چشم‌های‌اش قرار می‌گیرید و به کمک کنترل از راه دورتان به او دستور می‌دهید که چهره‌ای که جلوی‌اش می‌بیند را با خرناسه‌کشیدن مربوط کند. این‌کار را برای چند زاویهٔ مختلف از صورت‌تان انجام می‌دهید تا مطمئن باشید که ربات در صورتی که شما را از مثلاً نیم‌رخ ببیند به‌تان عوعو نکند. هم‌چنین شما چند چهرهٔ غریبه نیز به او نشان می‌دهید و چهرهٔ غریبه را با دستور عوعوکردن مشخص می‌کنید. در این حالت شما به کامپیوتر ربات گفته‌اید که چه ورودی‌ای را به چه خروجی‌ای مربوط کند. دقت کنید که هم ورودی و هم خروجی مشخص است و در اصطلاح خروجی برچسب‌دار [۱] است. به این شیوهٔ یادگیری، یادگیری بانظارت [۲] می‌گویند. اینک حالت دیگری را فرض کنید. برخلاف دفعهٔ پیشین که به ربات‌تان می‌گفتید چه محرک‌ای را به چه خروجی‌ای ربط دهد، این‌بار می‌خواهید ربات خودش چنین چیزی را یاد بگیرد. به این صورت که اگر شما را دید و خرناسه کشید به نحوی به او پاداش دهید (مثلاً به کمک همان کنترل از راه دورتان) و اگر به اشتباه به شما عوعو کرد، او را تنبیه کنید (باز هم با همان کنترل از راه دورتان). در این حالت به ربات نمی‌گویید به ازای هر شرایطی چه کاری مناسب است، بلکه اجازه می‌دهید ربات خود کاوش کند و تنها شما نتیجهٔ نهایی را تشویق یا تنبیه می‌کنید. به این شیوهٔ یادگیری، یادگیری تقویتی [۳] می‌گویند. در دو حالت پیش قرار بود ربات ورودی‌ای را به خروجی‌ای مرتبط کند. اما گاهی وقت‌ها تنها می‌خواهیم ربات بتواند تشخیص دهد که آن‌چه می‌بیند (یا می‌شنود و...) را به نوعی به آن‌چه پیش‌تر دیده‌است ربط دهد بدون این‌که به طور مشخص بداند آن‌چیزی که دیده شده‌است چه چیزی است یا این‌که چه کاری در موقع دیدن‌اش باید انجام دهد. ربات هوش‌مند شما باید بتواند بین صندلی و انسان تفاوت قایل شود بی‌آنکه به او بگوییم این نمونه‌ها صندلی‌اند و آن نمونه‌های دیگر انسان. در این‌جا برخلاف یادگیری بانظارت هدف ارتباط ورودی و خروجی نیست، بلکه تنها دسته‌بندی‌ی آن‌ها است. این نوع یادگیری که به آن یادگیری بی نظارت [۴] می گویند بسیار مهم است چون دنیای ربات پر از ورودی‌هایی است که کس‌ای برچسب‌ای به آن‌ها اختصاص نداده اما به وضوح جزیی از یک دسته هستند. یادگیری بی‌نظارت را می‌توان به صورت عمل کاهش بعد [۵] در نظر گرفت. In love with Artificial Intelligence (AI), he started with Lisp in his undergrad in 2003 before Deep Learning was cool to do, and these days through a variety of machine learning tools and techniques. Throughout experience in industry or academia Spotify, Twitter Cortex, MERL, MIT or UFL he enjoys tackling challenging problems and delivering scalable solutions. Received his Ph.D. from University of Florida, working with Dr. Daisy Wang on constructing a continuous probabilistic knowledge base from text.
He has founded Deep Morph LLC in the state of Florida with a first flagship product Hoodpantry.com He has participated in ACM ICPC (International Collegiate Programming Contest) for over 3 years; achieving an Honorary Degree with his team in the Asia regional contest, 2005. In this contest he was both the coach and a contestant of the team here. He has advocated voluntary services in communities in Salt Lake City UT, San Antonio TX, Gainesville FL, etc. Books: Shahriari Nia, M. and M. Valipour, " Art of Programming Contest (SE for UVA)", translation to Persian, 2007 Papers: 1. Shahriari Nia, M., DZ Wang, SA Bohlman, P Gader, SJ Graves, M Petrovic, "Impact of atmospheric correction and image filtering on hyperspectral classification of tree species using support vector machine" Journal of Applied Remote Sensing 9 (1), 095990-095990, 2015 2. Shahriari Nia, M., C Grant, Y Peng, DZ Wang, M Petrovic, "Streaming Fact Extraction for Wikipedia Entities at Web-Scale" The Twenty-Seventh International Flairs Conference 2013 3. Shahriari Nia, M., C Grant, Y Peng, DZ Wang, M Petrovic, "University of Florida Knowledge Base Acceleration Notebook" The Twenty-Second Text REtrieval Conference (TREC 2013) 4. Shahriari Nia, M., Khaxar, M., Rashti, S.M., N.M. Charkari, "Discrete Probabilistic DV-Hop: Reengineering High Accuracy Range-free WSN Localization", Ultra Modern Telecommunications & Workshops, 2009. ICUMT '09. International Conference on. IEEE SASN'09 12-14 Oct. 2009 5. S.M. Rashti, M. Mollanoori, Shahriari Nia, M., and N.M. Charkari, "A Prediction-based Algorithm for Target Tracking in Wireless Sensor Networks", Ultra Modern Telecommunications & Workshops, 2009. ICUMT '09. International Conference on. IEEE SASN'09 12-14 Oct. 2009 6. Shahriari Nia, M., "Sensor Network Localization via Mass-Spring Relaxation", M.Sc. Thesis, ECE Dept. Tarbiat Modares University, 2009 --- In Persian: This covers the approach we took towards WSN localization 7. Shahriari Nia, M., "Localization in Wireless Sensor Networks", M.Sc. Seminar, ECE Dept. Tarbiat Modares University, 2008 --- In Persian: This is an extensive survey over the popular localization algorithms 8. Shahriari Nia, M., "Autonomous Robocup Simulation Challenges", B.A. Thesis, CE Dept. Tarbiat Moallem University, 2007 Hobbies!He has fell in love! with open source development on various projects that you can find on his github page. On his spare times, he enjoys playing soccer, volleyball, badminton, hiking, riding his mountain bike off-the-road, swimming, ... . He used to ride his bike at least 160 miles every month! He also enjoys philosophy and challenging theological aspects of different religions. He also enjoys doing service for the people in need as he believes everything we have is not a privilege for us, but an opportunity to get closer to the real intention of being a human being. His wikipedia contributions are Wiki(or here). Motto: "Have no fear of perfection, You'll never reach it" Salvador Dali 1904-1989 It doesn't matter what you choose to be, whatever you choose to be be damn good at it You can't get what you want if you don't know what you want.
|
