AI建模師-素養(yǎng)手冊(8)-設(shè)計深度模型納入專家智慧-cnn

設(shè)計深度模型,納入專家智能1設(shè)計深度模型納入專家智慧1范例:如何把專家直覺納入求職AIBy高煥堂/AI建模師俱樂部會長——————————————————————.以<求職AI>為例2.專家建議：也考慮求職者的<興趣>3.預(yù)測：運(yùn)用丫環(huán)與格格的專業(yè)智慧4.在AI項(xiàng)目會議上，展現(xiàn)上述流程2***本文摘自高煥堂的下列書籍******以及北京【電子世界雜志】連載專欄***1.以<求職AI>為例設(shè)計深度模型,納入專家智能3的專家們來幫助AI(即將其專業(yè)智能納入AI模型則是：錢多、事少、離家近。于是，我們就可以把這簡單法則教給有人比較在意<錢多>，也有人認(rèn)為<離家近>更重要。人人心中的規(guī)則可聽不懂人類的語言，也不需要寫1.1納入求職領(lǐng)域的<專家直覺>行＜兩兩相乘＆求和＞計算。然后進(jìn)一步展開訓(xùn)練流程。如下的Pythonimportnumpyasnpdefsigmoid(x):returnnp.exp(-x))44lr=0.15N=3S=8H=4O=1defone_epoch():globalwh,bh,wo,bo,lr#-----開始訓(xùn)練-----------------------#feedforwardhbhh=sigmoid(yh)zo=sigmoid(yo)error=t-zodelta=zo*(1-zo)*errordb_o=np.sum(delta,axis=0,keepdims=True)#---------------------------------delta_h=h*(1-h)*error_hdwhxT.dot(delta_h)db_h=np.sum(delta_h,axis=0,keepdims=True)#UpdateWeightswh+=dw_h*lrbh+=db_h*lrwo+=dw_o*lrbo+=db_o*lr#--------------------------------------------x=np.array([[1,1,1],1,1,0],1,0,1],設(shè)計深度模型,納入專家智能51,0,0],0,1,1],0,1,0],0,0,1],dtypenpfloat2)defpredict():hbhh=sigmoid(yh)zo=sigmoid(yo)print("Wh[]=",np.round(wh,2),"\n")print("bh=",np.round(bh,2),"\n")print("W[]=",np.round(wo,2),"\n")print("bo=",np.round(bo,2),"\n")print("Z=",np.round(zo,2))#------------------------------------deftrain(epoch):foriinrange(epoch):one_epoch()#-------------------------------------------------train(1000)print("----訓(xùn)練"+str(1000)+"回合-----")predict()tnparray,[0.6],[0.5],[0.4],[0.3],[0.2],[0.1],[0.0]],dtype=np.float32)就是表達(dá)了專家的判斷(直覺性智慧)。也就是把人類專家對于工作機(jī)會的6-0.59-1.].12-0.560.46-0.14]]bh=[[0.490.79-0.340.76]]W=[[0.31]6]Z=[[0.68]設(shè)計深度模型,納入專家智能7人對于工作內(nèi)容的興趣，再統(tǒng)合起來一起1.2應(yīng)用<專家直覺>好了AI丫嬛模型了，意味著，這個AI丫嬛模型已經(jīng)具importnumpyasnpdefsigmoid(x):returnnp.exp(-x))y8t#--------------------------------------------test_x=np.array([[0,0,0],1,1,1],0,1,0],dtypenpfloat2)defpredict():yh=np.dot(test_x,wh)+bhh=sigmoid(yh)zo=sigmoid(yo)print("Z=",np.round(zo,2))#-------------------------------------------------print("----Predict-----")predict()#End----Predict-----Z=[[0.07]設(shè)計深度模型,納入專家智能92.專家建議：也考慮求職者的<興趣>上一節(jié)里，已經(jīng)將專家直覺(判斷)的智慧納入到AI丫嬛的模型里。家還建議：也要考慮求職者的興趣。于是就來建立一個比較高階的<AI格格>模型，然后再一次將專家智慧納入AI格格模型里。AI丫嬛與AI格格迭加組合起來，就形成一個<兩層網(wǎng)絡(luò)>NewJobsnparray,0,0],],],],],],],],[0,0,1]],dtype=np.float32)importnumpyasnpdefsigmoid(x):returnnp.exp(-x))yatt#--------------------------------------------NewJobs=np.array([[0,0,0],1,1,1],0,1,0],1,1,0],1,0,0],1,1,1],0,1,1],1,0,1],dtypenpfloat2)defpredict():yh=np.dot(NewJobs,wh)+bhh=sigmoid(yh)zo=sigmoid(yo)print("Z=",np.round(zo,2))#-------------------------------------------------print("----Predict-----")predict()#End----Predict-----Z=[[0.07]設(shè)計深度模型,納入專家智能11估出來的。如下圖：T專家的判斷(直覺性智慧)。也就是把人類專家基于對于工作機(jī)會的<偏好>評估，以及對工作內(nèi)容的<興趣>程度，兩項(xiàng)特征importnumpyasnpdefsigmoid(x):returnnp.exp(-x))設(shè)設(shè)計深度模型,納入專家智能13t#--------------------------------------------lr=0.15N=2S=9H=4O=1defone_epoch():globalwh,bh,wo,bo,lr#-----開始訓(xùn)練-----------------------#feedforwardyh=np.dot(NewJobInterestX,wh)+bhh=sigmoid(yh)zo=sigmoid(yo)error=NewT-zodelta=zo*(1-zo)*errordb_o=np.sum(delta,axis=0,keepdims=True)#---------------------------------delta_h=h*(1-h)*error_hdw_h=NewJobInterestX.T.dot(delta_h)db_h=np.sum(delta_h,axis=0,keepdims=True)#UpdateWeightswh+=dw_h*lrbh+=db_h*lrwo+=dw_o*lrbo+=db_o*lr#----------------------------------NewJobInterestXnparraydefpredict():yh=np.dot(NewJobInterestX,wh)+bhh=sigmoid(yh)zo=sigmoid(yo)print("Wh[]=",np.round(wh,2),"\n")print("bh=",np.round(bh,2),"\n")print("W[]=",np.round(wo,2),"\n")print("bo=",np.round(bo,2),"\n")print("Z=",np.round(zo,2))#------------------------------------deftrain(epoch):foriinrange(epoch):one_epoch()#-------------------------------------------------#predict()train(500)print("----訓(xùn)練"+str(500)+"回合-----")predict()結(jié)果：Wh[]=[[0.34-3.412.26-3.06].69-0.280.37-0.55]]設(shè)計深度模型,納入專家智能15bh0.411.83-1.122.03]]W1.]7]Z=[[0.03]3.預(yù)測：運(yùn)用丫環(huán)與格格的專業(yè)智慧PatternAI求職的情境里，來讓人類與AI設(shè)計深度模型,納入專家智能17importnumpyasnpdefsigmoid(x):returnnp.exp(-x))#--------------------------------------#--------------------------------------格格的權(quán)重wog=np.array([[1.],2],#--------------------------------------------NewJobsX=np.array([[0,0,0],設(shè)計深度模型,納入專家智能19NewInteresX=np.array([[1],predict():#丫環(huán)預(yù)測yh=np.dot(NewJobsX,wha)+bhah=sigmoid(yh)dothwoaboazoa=sigmoid(yo)foriinrange(4):Z[i][0]=zoa[i]Z[i][1]=NewInteresX[i]#丫環(huán)預(yù)測yhnpdotZwhg+bhgh=sigmoid(yh)dothwogbogzog=sigmoid(yo)#-------------------------------------------------print("----Predict-----")predict()#Enddef，進(jìn)行對新工作機(jī)會的評估結(jié)果：----Predict-----204.在AI項(xiàng)目會議上，展現(xiàn)上述流程n4.1在Excel上操作ㄚ環(huán)和格格的訓(xùn)練設(shè)計深度模型,納入專家智能21d22設(shè)計深度模型,納入專家智能234.2丫嬛幫