taralino

Autoregression

Autoregressive Modelle können eingesetzt werden, um den nachfolgenden Wert einer Zahlenreihe vorherzusagen (basierend auf vorhandenen Trainingsdaten). Anwendungsfälle finden sich in der Zeitreihenanalysis oder im Kontext der generativen Künstlichen Intelligenz.

Insbesondere können autoregressive Modelle in der Bildgenerierung verwendet werden, indem sie ein Bild Pixel für Pixel vorhersagen. Dabei nutzt das Modell die Information des bereits generierten Teil des Bildes, um den Wert des nachfolgenden Pixels zufallsbasiert aber realistisch zu erzeugen.

Konkret wird zur Vorhersage eines jeden Pixels ein eigenes neuronales Netz trainiert.

Diese Methode ermöglicht es, konsistente Bilder zu erstellen, indem kontinuierlich auf zuvor generierte Daten aufgebaut wird.

Übersicht

Das Autoregression-Paket stellt folgende Befehle und Funktionen zur Verfügung:

Beispiel

Es wird eine Autoregression unter Verwendung des HandwrittenDigits-Datenpakets durchgeführt. Das Ergebnis wird verwendet, um ein neues Bild zu generieren. Hinweis: Das Ergebnis lässt sich signifikant verbessern, indem die Parameter der Trainingsphase angepasst werden.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
  <script src="HandwrittenDigits.js"></script>
</head>
<body>
<script>

var X = HandwrittenDigits.get();

Autoregression.init([64, 3]);

Autoregression.train(X, {iterations:100, batch_size:10, learning_rate:5});

var y = Autoregression.random({temperature:0.2});
var M = Picture.vector(y);
Picture.draw(M, {zoom:16});

</script>
</body>
</html>

Vorschau Download Kopie speichern