如何解决这个问题--神经网络？模糊？另一个？

Question

嗨，我有一个编程问题，我想用一些人工智能技术来解决。我真的不知道从哪里开始。我希望就采用何种方法提供一些指导。

假设我有10,000个随机人群的图像，我需要在图像中检测老年人。我可能有一些算法，如皱纹检测器、眼镜检测器、步行手杖探测器、缺失牙齿检测器、滑板检测器、Playstation检测器等。每种算法都独立进行扫描，并根据图像包含该项的可能性输出0到10的数字。让我们假设这是可行的。可能有100个不同的算法。

我的10,000张照片将被一个人分成两组，一组包含老年人，另一组不包含老年人。

现在，我需要开发一个系统，它从算法模块中获取一系列值，当给出一个图像进行分析时，计算一个值，它表示图像中是否有老年人的可能性。

在培训期间，我希望它能够通过分析所有算法的输出来自动构建规则。例如：

• 如果皱纹探测器，眼镜探测器，手杖探测器和缺齿探测器都输出一个高的数字，那么输出一个高的数字。
• 如果皱纹、眼镜、手杖和牙齿探测器高，而playstation和滑板探测器也高，那么输出既不低也不高。
• 手探测器和衣服探测器基本上应该被忽略，因为老年人和年轻人都有这些(希望)

我应该为自动规则构建系统实现什么类型的技术？用神经网络系统来解决这个问题更好吗？模糊逻辑系统？还有别的吗？

谢谢你的建议。

Answer 1

看看ada助推器(适应性助推器)。其思想是使用独立的弱分类器(您的检测器)，并以一种巧妙的方式组合它们。大致是这样的：

• 它首先尝试对不同的检测器进行评估，以检测并使用最优线性组合对数据进行分类。
• 然后，它试图找到另一个组合，能够提供一个更好的区别对待第一关的失败案例。
• 无论你想要多少次传球，都会这样进行

然后在级联中应用n个组合，这将给出检测器的“增强”版本。每一次传递都将表示为0.25 * wrinkle - 0.1 * playstation + ...。现在我想你需要很多探测器才能让这个方法发光。

有关使用adaboost的人脸检测示例，请参见这里。

Answer 2

这听起来很适合神经网络，可能是一种标准的前馈类型。

我不知道你对神经网络了解多少，但是它发现的“规则”不会是人类可读的格式。因此，如果您想要对图像进行遍历并对其进行排序，它就会这样做；但是，如果您希望获得一个可以看到的规则列表，那么您最好选择一个不同的算法。

您在评论中提到，您希望看到哪些检测器贡献不大。在对网络进行了培训之后，您可以查看权重，并查看哪些输入不起多大作用。或者，我相信有一些神经网络的变化，可以自动修剪输入；不是我的知识领域，但值得研究。

我要指出的是，神经网络可能会很微妙，它们总是有可能做不到你期望的事情，但从我所看到的情况来看，它很有可能起作用。