問題タブ [prediction]

しばらくの間、ネットワーク オーディオ チャットに gsm コーデックを使用してきました。「音声予測」のため、speex や iLBC のような機能を実装したいと思います。私が理解している限り、パケットのタイムスタンプが必要です。また、音声を予測するコーデックを作成するには、たとえば NULL パケットを渡す必要があることも知っています。

しかし、私は全体の概念を理解することはできません! つまり、アプリはパケット 1、2、3、4、5、6 を送信します。1、2、3、6 を受け取ります。どうすればいいですか？

レシーブ 1 - プレイします。

レシーブ 2 - プレイします。

レシーブ 3 - プレイしてください。

6 を受け取ります - うーん... 4,5 を NULL としてプレイし、次に 6 をプレイしますか?

あまりにも多くのパケットが失われるとどうなりますか?

__builtin_expectプログラマーはGCCからを使用して、どのバリアントが非常に頻繁に発生すると予想され、どのバリアントがまれであるかを示すことができます。ただし __builtin_expect、「真」と「偽」のみがあります（0％または100％の確率）

いくつかの大きなプロジェクトでは、プロファイルのフィードバック（-fprofile-arcs）を取得するのは困難であり、プログラマーは、プログラムのある時点で分岐する可能性がどの程度あるかを知っている場合があります。

ブランチの確率が0％以上100％未満であるというヒントをコンパイラーに与えることは可能ですか？

SlopeOne アルゴリズムを使用して、ゲーマーがゲームの特定のレベルを完了することができるかどうかを予測することを計画していますか?

シナリオは次のとおりです。

1. 多くのゲーマーがプレイし、ゲームで 100 レベルをクリアしようとします。
2. 各ゲーマーは、レベルを超えるまで何度でもレベルをプレイできます。
3. システムは、レベルと各レベルの再試行回数を追跡します。
4. 各ゲーム レベルは、3 つのカテゴリ (イージー、ミディアム、ハード) のいずれかに分類されます。
5. レベルのおおよその分布は、各カテゴリ全体で 33% であり、33% のレベルがイージー、33% のレベルがハードなどを意味します。

この情報を使用して:

新しいゲーマーがゲームをプレイし始めたとき、いくつかのレベルの後、ゲーマーが簡単に通過できるレベルと簡単に通過できないレベルを予測できるようにしたいと考えています。

この予測能力を使用して、ユーザーが 50% の確率で通過できるゲーム レベルを提示したいと思います。

これに SlopeOne アルゴリズムを使用できますか?

理由は、映画のレーティング システムと私が望むものの間に多くの類似点があることです。

n ユーザー、m 個のアイテム、および N 個の評価を使用して、特定のアイテムに対するユーザーの評価を予測します。

同様に、私の場合、私は

n ユーザー、m レベル、N 回の再試行 ...

唯一の違いは、映画の評価システムで、評価が 1 ～ 5 のスケールで固定されていることです。私の場合、再試行は 1 ～ x の範囲で行うことができます (x は最大 30 まで可能です)。

理論的には 30 回以上再試行できますが、今のところ、上限を 30 に固定することから始めて、データが増えてから調整することができます。

ありがとう。

バックグラウンド

R を使用して系列の次の値を予測します。

問題

次のコードは、一定のノイズを含む曲線のモデルを生成してプロットします。

予想通り、このモデルは傾向を示しています。問題は、後続の値を予測することです。

プロットすると予測が正しく見えない：

予測値 (201 以降) が低すぎるようです。

質問

1. 示されているように、予測値は実際に最も正確な予測ですか?
2. そうでない場合、どのように精度を向上させることができますか?
3. fitted.values( gam.object )2 つのデータセット (とp)を連結するより良い方法は何ですか?

継続的な時間依存の信号予測を行うために、どのタイプの人工ニューラル ネットワークを提案しますか? 非常に少数の信号での小規模なステップから、非常に多くの信号を含む非常に大規模なステップまでを予測する必要があります。おそらく精度は低くなります (ある種の階層による抽象化?)。

見る：

実際には、システムは学習と予測を同時に行う必要があります。

問題

文字列を受信して​​おり、会社名または個人名のいずれかを表す場合があります。これを決定するには、ヒューリスティックが必要です。

最初の考え

• ノードCommercialString/CommercialまたはPersonalString/ Personalおよびスコア一致文字列+1のいずれかでXMLドキュメントを使用します（申し訳ありませんが、SOでXMLをフォーマットする方法がわかりません）

• 適切な名詞を確認するだけでは不十分です。IE Bob's Companyは、BobComptonが名前である会社です。

• 何らかの形式で信頼水準を返す必要があります。パーセンテージでそれを行う方法を考えることはできません。私が考えることができるのは、整数を使用して一致するものが見つかった場合だけです。

• 可能なコマーシャル（すべて小文字に変換されます）：co、co。、inc、inc。など（それぞれの逐語的なバージョン）

• オンラインから英語の名前リストを入手できます

質問

誰かが以前にこの種のドメインの問題に遭遇したことがありますか？どのような方法を使用しましたか？これを解決する派手な方法はありますか？

ありがとうございました。

時系列モデルをテストするための良いアプローチは何でしょうか。時間領域t1、t2、...tNに時系列があるとします。たとえば、zt1、zt2、... ztNの入力と、x1、x2...xNの出力があります。

さて、それが古典的なデータマイニングの問題である場合、相互検証、リーブワンアウト、70-30などの既知のアプローチを使用できます。

しかし、時系列でモデルをテストする問題にどのように取り組む必要がありますか？最初のt1、t2、... t（Nk）入力でモデルを作成し、最後のk入力でテストする必要がありますか？しかし、kではなくpステップ先の予測を最大化したい場合はどうなりますか（p <k）。特定のケースに適用できる堅牢なソリューションを探しています。

衣服などの特定の種類の製品に対するユーザーの好みを予測する、AI に関する標準的なルール エンジン/アルゴリズムはありますか。私は、それがすべての e コマース Web サイトが犠牲になることの 1 つであることを知っています。しかし、正確ではないにしても、より良い方法でその予測を行うのに役立つ、そこに定義された理論的パターンを探しています.

私はiPhoneや他の電話で単語を提案することでテキスト入力の精度を上げるために使用される「予測辞書」を探していました。

1. そのような辞書がObjectiveC/ iOSで利用できるかどうか誰かが知っていますか？
2. または、最初から作成する方法/ツールですか？

LibSVM を使用して、Web アプリケーションのユーザーの信頼性を予測することを計画しています。(1) 特定のユーザーの行動に関するデータを収集する (例: ログイン時間、IP アドレス、国など) (2) 収集したデータを使用して SVM をトレーニングする (3) リアルタイム データを使用して、信頼性のレベルに関する出力を比較および生成する

LibSVMでそのようなことを行う方法を教えてもらえますか? Weka はこの種の問題に役立ちますか?