神经网络究竟是个什么玩意儿
如果您已经挖掘出任何有关人工智能的文章，那么您几乎肯定会遇到“神经网络”这个术语。人造神经网络在人脑中松散地模拟，使得计算机能够从馈送数据中学习。
机器学习这个强大的分支机构的功效比其他任何事情都更有责任迎接人造智能的新时代，结束了一个长寿命的“AI冬季”。简而言之，神经网络可能是 今天存在的最根本的破坏性技术。
这个神经网络的指南旨在让你对深入学习的对话层面的理解。 为此，我们将避免深入数学，而是尽可能依赖类比和动画。
强力思考
AI的早期学校之一教导，如果您将尽可能多的信息加载到强大的计算机中，并尽可能多地提供方向来了解数据，那么应该能够“思考”。这是背后的想法 像IBM着名的深蓝色的象棋电脑：通过对每一个可能的棋子进行计算机编程，以及已知的策略，然后给予足够的权力，IBM程序员创建了一个机器，理论上可以计算出每一个可能的移动和结果 未来并选择后续行动的顺序来超越其对手。 这实际上是像1997年的象棋大师一样学习的。
通过这种计算，机器依赖于工程师精心预编程的固定规则 - 如果发生这种情况，那么那样情况就会发生; 如果发生这种情况，这样做 - 所以我们知道它不是像人类灵活的学习。 它是强大的超级计算，当然，但不是“思考”本身。
教学机器学习
在过去十年中，科学家已经复活了一个不依赖大型百科全书记忆库的旧概念，而是以简单而有系统的方式分析人类思维后松散模拟的输入数据。 这种技术被称为深度学习或神经网络，自20世纪40年代以来一直存在，但是由于今天数据的大量增长 - 图像，视频，语音搜索，浏览习惯等等 - 以及增值和负担得起的处理器，这是最后的 能够开始实现其真正的潜力。
机器 - 他们就像我们一样！
人工神经网络（ANN）是一种算法结构，使得机器能够从语音命令和播放策略到音乐组合和图像识别中学到一切。典型的ANN由数千个互连的人造神经元组成，它们是堆叠的 顺序地以称为层的行形成数百万个连接。 在许多情况下，层仅通过输入和输出与它们之间和之后的神经元层互连。 （这与人类大脑中的神经元有很大的不同，它们以任何方式相互联系。
这种分层的ANN是今天机器学习的主要方式之一，并且大量的标签数据可以帮助学习如何解读数据（有时甚至比人类更好）。
以图像识别为例，它依赖于称为卷积神经网络（CNN）的特定类型的神经网络，因为它使用称为卷积的数学过程能够以非文字方式分析图像， 例如识别部分模糊的对象或仅从某些角度可见的对象。 （还有其他类型的神经网络，包括递归神经网络和前馈神经网络，但是这些神经网络对于识别诸如图像的东西不太有用）
- 发表于:
- 原文链接：https://kuaibao.qq.com/s/20190930A0CA9N00?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
