当前课程知识点:小白学人工智能 > 二、神奇的f(x)=y > 2.2 f难找吗 > 声控小恐龙的f
在智能小恐龙中
f选择为线性和非线性是完全不同的效果
也就是说寻找合适的f是非常重要的
那寻找f容易吗
是吗
那我们再来看看另一个小恐龙
声控小恐龙
这就是声控小恐龙
我先请了一个男生和一个女生分别设计声音样本
来指挥小恐龙“跳跃”和“低头”
让我们看看他们玩的情况
在智能小恐龙中
最高分数有89万
声控小恐龙真没那么容易
这位女老师玩的无语了
看到刚才男生和女生的操作
我们要先收集声音样本
每个动作的声音样本越多越好
再来具体看看这个声控小恐龙吧
那首先我们要像那位男生和那位女生一样
啊 要训练自己的声音样本
我呢就不想用AB
也不想用跳蹲
我想要有自己的一套的声音素材
好 我们来试一下
我
果(训练duck)
我们其实发现刚刚在读的时候
就是后面那个低头的时候,我读“果”的时候
(系统)刚开始判别是jump,后来就慢慢变化成了duck
好,我们来试一下游戏
(游戏过程)
它那个“我”字一直判别成一个“duck”
所以这个一直不太成功
好吧
噢(训练jump)
这个我从来没玩过去
(游戏过程)
哇 第一次玩成功
(游戏过程)
居然第二次成功
(游戏过程)
我玩的也不好
我见过玩的最好的一组
是一个高中男生设定的
跳的声音是一个浊音
就是声带振动的音
低头的声音是一个清音
就是声带不振动的音
可是 这组录音要在很安静的环境
玩声控小恐龙的时候也需要安静的环境 要求真不低
在智能小恐龙中
小恐龙是跳和走路
我们根据小恐龙和障碍物之间的距离
小恐龙的速度 还有障碍物的宽度
这三个因素来决定它是跳还是走路
在声控小恐龙中 小恐龙是跳和低头
它需要对一些声音进行判断
根据判断结果来决定它是跳还是低头
在智能小恐龙中 X是距离/速度/宽度 Y是跳/走路
在声控小恐龙中 X是声音 例如跳/蹲 Y是跳/低头
智能小恐龙中 F选择非线性模型
声控小恐龙中 F选择KNN
首先用MFCC(梅尔频率倒谱系数)方法提取声音样本的13个特征
然后在KNN中 用欧氏距离公式计算样本13个特征之间的距离
欧氏距离就是两点距离
智能小恐龙选择的F
让小恐龙变得很聪明
而声控小恐龙选择的F
小恐龙在某些场合下 用某些数据
效果相当好
但是有些场合下 效果真让人着急
寻找合适的F 其实真不容易
我们来看看其他小白对FXY的感受吧
最后 如果你电脑支持麦克风功能
就请你上这个网址
去设计两种声音样本
来指挥小恐龙“跳跃”和“低头”
然后告诉我们你的最高成绩
如果你愿意 也可以分享你的声音文件给我们
谢谢谢谢
-1.1 人工智能能做什么?
--人工智能能做什么
--课后作业
-1.2 人工智能案例——智能小恐龙
-2.1 学习人工智能就是学习f(x)=y
--课后作业
-2.2 f难找吗
--声控小恐龙的f
--课后作业
-2.3 聊聊线性(f)和非线性(f)
--课后作业
-3.1 初识KNN
--初识KNN
--课后作业
-3.2 猫狗大战,xy好找吗
--课后习题
-4.1 初识神经网络
--初识神经网络
-4.2 如此重要的感知器
--如此重要的感知器
--课后作业
-4.3 神经网络和西瓜
--神经网络和西瓜
--课后作业
-5.1 深度学习和做粤菜
--深度学习和做粤菜
-5.2 手写数字识别案例
--手写数字识别案例
-5.3 网络参数的计算
--网络参数的计算
-5.4 再聊激活函数
--再聊激活函数
-5.5 梯度下降
--梯度下降
-5.6 反向传播
--反向传播
-5.7 欠拟合和过拟合
--欠拟合和过拟合
-5.8 代码和小结
--代码和小结