99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁精彩閱讀人工智能中神經網絡發(fā)展緩慢的原因
人工智能中神經網絡發(fā)展緩慢的原因
2019-03-08
收藏



人工智能是現在十分火熱的技術，這是因為人工智能夠給我們帶來很多的便捷，比如說蘋果的Siri、三星的bixby、小米的小愛同學等，這些都給我們的生活中增加了不少的樂趣。而人工智能的核心技術就是機器學習以及深度學習，當然，還涉及到了神經網絡的技術。其實這三個技術中，神經網絡的技術發(fā)展是十分緩慢的，那么到底是為什么呢？下面我們就給大家詳細解答一下這個問題。


在上個世紀80年代，通用計算機的出現使得人工神經網絡的研究經歷了一波復蘇。同時，一種算法逐漸成熟，而這個算法就是反向傳播。就目前而言，反向傳播算法都是訓練神經網絡的最主要方法。但是，神經網絡的規(guī)模依然受限于當時的硬件條件而導致規(guī)模依然不大。同時，以支持向量機為代表的基于核方法的機器學習技術，表現出了不俗的能力，正是由于這個原因，大量科研人員再一次放棄了神經網絡。


在發(fā)展神經網絡的路上，有兩個攔路虎，第一就是計算機的性能，第二就是訓練數據不夠多。正是由于這個原因，使得神經網絡在最初的幾十年內都沒有表現出過人的性能，實際上，其實在很多的實驗室中有這在試驗和后來深度神經網絡類似的結構，其中一個經典的神經網絡結構就是現在的LeNet。但是，增加神經網絡的深度，就會讓神經網絡的訓練速度變慢。在那個內存不過幾十MB，GPU還沒有出現的年代，要訓練一個小規(guī)模的深度神經網絡模型，需要花上數周甚至數月。而訓練數據不夠多也使得神經網絡發(fā)展受到了阻礙，而隨著特征維度的增加，算法的搜索空間急劇變大，要在這樣的特征空間中尋找適合的模型，需要大量的訓練數據。神經網絡要解決的問題，通常具有成千上萬維的特征，維度越高，特征也就越多，可以想象，要在如此大的特征中尋找一個模型，需要多少數據，而這個特征空間規(guī)模不過是深度學習問題中比較小的。


當然，我們可以通過一個非常有用的先驗假設進行簡化，這是因為我們這個世界的事物都是通過更小的事物組合而成的。不僅實際的物體滿足這一先驗假設，抽象的概念也一樣如此。因此深度神經網絡利用了這一假設，通過將網絡層數加深，每一層神經元都是前面一層神經元輸出的組合，通過這樣的假設，將整個搜索空間大大減小。然而，訓練深度神經網絡依然需要大量的數據，才能得到一個比較好的結果。所以說，數據的存量是神經網絡發(fā)展的前提。


在這篇文章中我們給大家介紹了很多關于人工智能中的神經網絡發(fā)展緩慢的原因，通過這篇文章我們不難發(fā)現，科技從0到1的發(fā)展是非常艱難的。不過只要突破了這一個障礙，人工智能就能夠得到巨大的發(fā)展。


數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

數據分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機數防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調用 initGeetest 進行初始化 // 參數1：配置參數 // 參數2：回調，回調的第一個參數驗證碼對象，之后可以使用它調用相應的接口 initGeetest({ // 以下 4 個配置參數為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗服務器是否宕機 new_captcha: data.new_captcha, // 用于宕機時表示是新驗證碼的宕機 product: "float", // 產品形式，包括：float，popup width: "280px", https: true // 更多配置參數說明請參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }