chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

神經(jīng)網(wǎng)絡之父

工程師 ? 來源:未知 ? 作者:姚遠香 ? 2018-11-24 09:32 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

人工智能領域有三大奠基人,分別是Geoffrey Hinton、Yann LeCun與Yoshua Bengio。今天主要圍繞“神經(jīng)網(wǎng)絡之父”Geoffrey Hinton。

Geoffrey Hinton,被稱為“神經(jīng)網(wǎng)絡之父”、“深度學習鼻祖”,他曾獲得愛丁堡大學人工智能的博士學位,并且為多倫多大學的特聘教授。在2012年,Hinton還獲得了加拿大基廉獎(Killam Prizes,有“加拿大諾貝爾獎”之稱的國家最高科學獎)。2013年,Hinton 加入谷歌并帶領一個AI團隊,他將神經(jīng)網(wǎng)絡帶入到研究與應用的熱潮,將“深度學習”從邊緣課題變成了谷歌等互聯(lián)網(wǎng)巨頭仰賴的核心技術,并將HintonBack Propagation(反向傳播)算法應用到神經(jīng)網(wǎng)絡與深度學習。

Geoffrey Hinton出生于戰(zhàn)后英國的溫布爾登,他的父親叫Howard Everest Hinton,是個英國昆蟲學家,喜歡研究甲殼蟲。他的母親Margaret是一位教師。而他們一家也都流淌著飽含聰明才智的DNA:他的叔叔是著名的經(jīng)濟學家Colin Clark,正是他發(fā)明了“國民生產(chǎn)總值”這個經(jīng)濟學術語;他的曾曾祖父是著名的邏輯學家George Boole,他發(fā)明的布爾代數(shù)(Boolean algebra)奠定了現(xiàn)代計算機科學的基礎。

早在1960年代,Geoffrey Hinton的高中時期,就有一個朋友告訴他,人腦的工作原理就像全息圖一樣。創(chuàng)建一個3D全息圖,需要大量的記錄入射光被物體多次反射的結(jié)果,然后將這些信息存儲進一個龐大的數(shù)據(jù)庫中。大腦儲存信息的方式居然與全息圖如此類似,大腦并非將記憶儲存在一個特定的地方,而是在整個神經(jīng)網(wǎng)絡里傳播。Hinton為此深深的著迷。對Hinton來說,這是他人生的關鍵,也是他成功的起點。

當時的學術界普遍認為計算機在規(guī)則和邏輯方面做得最好,而神經(jīng)網(wǎng)絡的概念根本就是錯誤的。但Hinton卻沒有絲毫動搖,并于1972年在愛丁堡大學攻讀博士學位時毅然選擇了神經(jīng)網(wǎng)絡研究。每周,他的導師都會對他說:“你這是在浪費時間?!钡獺inton的研究還是慢慢取得了一些成功。

博士畢業(yè)后,Hinton被里根政府的外交政策所困擾,因此帶著妻子搬到了多倫多,并接受了加拿大高級研究所的工作邀約。很快,Hinton組建起了一支專攻深度學習的人才團隊,其中就包括OpenAI的聯(lián)合創(chuàng)始人兼董事Ilya Sutskever?;貞浧?000年的“人工智能寒冬”, Sutskever說道:“當時我們只有十個人左右,資金非常匱乏。

九年時間飛逝,當計算機終于有能力挖掘海量數(shù)據(jù)時,超級神經(jīng)網(wǎng)絡開始在語音和圖像識別方面超越基于邏輯的人工智能。很快,業(yè)內(nèi)的大型科技公司,如微軟、Facebook、谷歌等紛紛開始投資。2012年,谷歌公司的絕密實驗室GoogleX(現(xiàn)在名為X)宣布建立一個由16000個電腦處理器組成的神經(jīng)網(wǎng)絡,并將其用在YouTube上。

隨后,該實驗室從YouTube上提取了數(shù)百萬個隨機的、沒有標簽視頻,輸入到這臺新的超級計算機中,并通過編程使其能夠理解所看到的內(nèi)容。最終,神經(jīng)網(wǎng)格從無數(shù)個關于貓的視頻中成功分辨出了貓,這也成為了人工智能領域發(fā)展過程中的一個激動人心的時刻。

之后,Hinton和他的助手們就成為了人工智能浪潮中的領導者。 2013年,Google X的高級研究員Jeff Dean將Hinton招進了谷歌。有趣的是,原本就不屬于體制內(nèi)學者的Hinton,突然之間成為了體制的建立者。盡管觀點曾經(jīng)被業(yè)界拋棄,但如今他卻成為人工智能行業(yè)里最炙手可熱的人物。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    一文速覽:人工智能(AI)算法與GPU運行原理詳解

    改變了人類生活的方方面面,并且在未來仍然會繼續(xù)發(fā)揮越來越重要的影響力? “人工智能”這一概念在1956年于美國達特茅斯學院舉辦的一次學術集會上被首次提出,自此開啟了人工智能研究的新紀元?自此之后,人工智能在曲折中不斷發(fā)展前進? 1986年,神經(jīng)網(wǎng)絡之父Geoffrey H
    的頭像 發(fā)表于 02-14 10:28 ?762次閱讀
    一文速覽:人工智能(AI)算法與GPU運行原理詳解

    BP神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡的比較

    BP神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡在多個方面存在顯著差異,以下是對兩者的比較: 一、結(jié)構(gòu)特點 BP神經(jīng)網(wǎng)絡 : BP神經(jīng)網(wǎng)絡是一種多層的前饋神經(jīng)網(wǎng)絡
    的頭像 發(fā)表于 02-12 15:53 ?674次閱讀

    BP神經(jīng)網(wǎng)絡的優(yōu)缺點分析

    BP神經(jīng)網(wǎng)絡(Back Propagation Neural Network)作為一種常用的機器學習模型,具有顯著的優(yōu)點,同時也存在一些不容忽視的缺點。以下是對BP神經(jīng)網(wǎng)絡優(yōu)缺點的分析: 優(yōu)點
    的頭像 發(fā)表于 02-12 15:36 ?930次閱讀

    什么是BP神經(jīng)網(wǎng)絡的反向傳播算法

    BP神經(jīng)網(wǎng)絡的反向傳播算法(Backpropagation Algorithm)是一種用于訓練神經(jīng)網(wǎng)絡的有效方法。以下是關于BP神經(jīng)網(wǎng)絡的反向傳播算法的介紹: 一、基本概念 反向傳播算法是BP
    的頭像 發(fā)表于 02-12 15:18 ?776次閱讀

    BP神經(jīng)網(wǎng)絡與深度學習的關系

    BP神經(jīng)網(wǎng)絡與深度學習之間存在著密切的關系,以下是對它們之間關系的介紹: 一、BP神經(jīng)網(wǎng)絡的基本概念 BP神經(jīng)網(wǎng)絡,即反向傳播神經(jīng)網(wǎng)絡(Backpropagation Neural N
    的頭像 發(fā)表于 02-12 15:15 ?866次閱讀

    BP神經(jīng)網(wǎng)絡的基本原理

    BP神經(jīng)網(wǎng)絡(Back Propagation Neural Network)的基本原理涉及前向傳播和反向傳播兩個核心過程。以下是關于BP神經(jīng)網(wǎng)絡基本原理的介紹: 一、網(wǎng)絡結(jié)構(gòu) BP神經(jīng)網(wǎng)絡
    的頭像 發(fā)表于 02-12 15:13 ?868次閱讀

    深度學習入門:簡單神經(jīng)網(wǎng)絡的構(gòu)建與實現(xiàn)

    深度學習中,神經(jīng)網(wǎng)絡是核心模型。今天我們用 Python 和 NumPy 構(gòu)建一個簡單的神經(jīng)網(wǎng)絡。 神經(jīng)網(wǎng)絡由多個神經(jīng)元組成,神經(jīng)元之間通過
    的頭像 發(fā)表于 01-23 13:52 ?533次閱讀

    人工神經(jīng)網(wǎng)絡的原理和多種神經(jīng)網(wǎng)絡架構(gòu)方法

    在上一篇文章中,我們介紹了傳統(tǒng)機器學習的基礎知識和多種算法。在本文中,我們會介紹人工神經(jīng)網(wǎng)絡的原理和多種神經(jīng)網(wǎng)絡架構(gòu)方法,供各位老師選擇。 01 人工神經(jīng)網(wǎng)絡 ? 人工神經(jīng)網(wǎng)絡模型之所
    的頭像 發(fā)表于 01-09 10:24 ?1212次閱讀
    人工<b class='flag-5'>神經(jīng)網(wǎng)絡</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡</b>架構(gòu)方法

    卷積神經(jīng)網(wǎng)絡與傳統(tǒng)神經(jīng)網(wǎng)絡的比較

    在深度學習領域,神經(jīng)網(wǎng)絡模型被廣泛應用于各種任務,如圖像識別、自然語言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡是兩種常見的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)神經(jīng)網(wǎng)絡
    的頭像 發(fā)表于 11-15 14:53 ?1881次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡的區(qū)別

    神經(jīng)網(wǎng)絡是機器學習領域中的一種強大工具,它們能夠模擬人腦處理信息的方式。隨著技術的發(fā)展,神經(jīng)網(wǎng)絡的類型也在不斷增加,其中循環(huán)神經(jīng)網(wǎng)絡(RNN)和傳統(tǒng)神經(jīng)網(wǎng)絡(如前饋
    的頭像 發(fā)表于 11-15 09:42 ?1133次閱讀

    LSTM神經(jīng)網(wǎng)絡的結(jié)構(gòu)與工作機制

    LSTM(Long Short-Term Memory,長短期記憶)神經(jīng)網(wǎng)絡是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(RNN),設計用于解決長期依賴問題,特別是在處理時間序列數(shù)據(jù)時表現(xiàn)出色。以下是LSTM神經(jīng)網(wǎng)絡
    的頭像 發(fā)表于 11-13 10:05 ?1636次閱讀

    LSTM神經(jīng)網(wǎng)絡與傳統(tǒng)RNN的區(qū)別

    在深度學習領域,循環(huán)神經(jīng)網(wǎng)絡(RNN)因其能夠處理序列數(shù)據(jù)而受到廣泛關注。然而,傳統(tǒng)RNN在處理長序列時存在梯度消失或梯度爆炸的問題。為了解決這一問題,LSTM(長短期記憶)神經(jīng)網(wǎng)絡應運而生。 循環(huán)
    的頭像 發(fā)表于 11-13 09:58 ?1218次閱讀

    LSTM神經(jīng)網(wǎng)絡的基本原理 如何實現(xiàn)LSTM神經(jīng)網(wǎng)絡

    LSTM(長短期記憶)神經(jīng)網(wǎng)絡是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(RNN),它能夠?qū)W習長期依賴信息。在處理序列數(shù)據(jù)時,如時間序列分析、自然語言處理等,LSTM因其能夠有效地捕捉時間序列中的長期依賴關系而受到
    的頭像 發(fā)表于 11-13 09:53 ?1589次閱讀

    Moku人工神經(jīng)網(wǎng)絡101

    Moku3.3版更新在Moku:Pro平臺新增了全新的儀器功能【神經(jīng)網(wǎng)絡】,使用戶能夠在Moku設備上部署實時機器學習算法,進行快速、靈活的信號分析、去噪、傳感器調(diào)節(jié)校準、閉環(huán)反饋等應用。如果您
    的頭像 發(fā)表于 11-01 08:06 ?667次閱讀
    Moku人工<b class='flag-5'>神經(jīng)網(wǎng)絡</b>101

    matlab 神經(jīng)網(wǎng)絡 數(shù)學建模數(shù)值分析

    matlab神經(jīng)網(wǎng)絡 數(shù)學建模數(shù)值分析 精通的可以討論下
    發(fā)表于 09-18 15:14