99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

深度學(xué)習(xí)是如何從概念發(fā)展為現(xiàn)實(shí)的?

EdXK_AI_News ? 來源:未知 ? 作者:胡薇 ? 2018-05-31 10:06 ? 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

在二十世紀(jì)五十年代就存在深度學(xué)習(xí)的概念了。麥肯錫全球研究院發(fā)文簡要回顧了深度學(xué)習(xí)是如何從概念發(fā)展為現(xiàn)實(shí)的,而使之實(shí)現(xiàn)的關(guān)鍵人物又是誰。

文章表示,要書寫深度學(xué)習(xí)的完整歷史還為時(shí)過早,有些細(xì)節(jié)尚存在爭議,但是我們已經(jīng)能追尋其公認(rèn)的起源概貌,雖然還不完整,也能確定一些先驅(qū)者了。沃倫·麥卡洛克(WarrenMcCulloch)和沃爾特·皮茨(Walter Pitts)就名列其中。他們早在1943年就提出了人工神經(jīng)元,這是大腦中“神經(jīng)網(wǎng)絡(luò)”的計(jì)算模型。還有美國斯坦福大學(xué)(Stanford University)的伯納德·威德羅(BernardWidrow)和泰德·霍夫(Ted Hoff),他們在二十世紀(jì)五十年代末期開發(fā)了一種神經(jīng)網(wǎng)絡(luò)應(yīng)用,降低電話線中的噪音。

同一時(shí)期,美國心理學(xué)家弗蘭克·羅森布拉特(Frank Rosenblatt)引入了“感知器”這種設(shè)備的概念,模擬大腦的神經(jīng)結(jié)構(gòu),并展現(xiàn)出學(xué)習(xí)的能力。后來,美國麻省理工學(xué)院(MIT)的馬文·明斯基(Marvin Minsky)和西摩·帕普特(SeymourPapert)在其1969年出版的書《感知器》中,用數(shù)學(xué)的方法展示了感知器只能進(jìn)行很基礎(chǔ)的任務(wù),所以這項(xiàng)研究暫停。他們的書還討論了訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)的難點(diǎn)。

1986年,加拿大多倫多大學(xué)(University of Toronto)的杰弗里·辛頓(Geoffrey Hinton)與同事大衛(wèi)·魯姆哈特(DavidRumelhart)和羅納德·威廉姆斯(Ronald Williams)發(fā)表了目前很著名的反向傳播訓(xùn)練算法,解決了這一訓(xùn)練難題,但有些業(yè)內(nèi)人士指出芬蘭數(shù)學(xué)家賽普·林納因馬(SeppoLinnainmaa)早在二十世紀(jì)六十年代就已經(jīng)發(fā)明了反向傳播。美國紐約大學(xué)(New York University)的楊立昆(Yann LeCun)率先將神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像識別任務(wù),他在1998年發(fā)表的文章中定義了卷積神經(jīng)網(wǎng)絡(luò),這種神經(jīng)網(wǎng)絡(luò)模擬人類的視覺皮層。同期,約翰·霍普菲爾德(JohnHopfield)推廣了“霍普菲爾德”網(wǎng)絡(luò),這是首個(gè)循環(huán)神經(jīng)網(wǎng)絡(luò)。1997年,爾根·施米德休伯(JürgenSchmidhuber)和賽普·霍克賴特(Sepp Hochreiter)進(jìn)一步擴(kuò)展了該網(wǎng)絡(luò),他們引入了長短期記憶模型(long-short termmemory, LSTM),極大地提高了循環(huán)神經(jīng)網(wǎng)絡(luò)的效率和實(shí)用性。2012年,辛頓和他的學(xué)生在著名的 ImageNet 競賽中取得了突出的結(jié)果,彰顯了深度學(xué)習(xí)的強(qiáng)大。該競賽以李飛飛等人整理的數(shù)據(jù)集為基礎(chǔ)。與此同時(shí),杰弗里·迪恩(JeffDean)和吳恩達(dá)(Andrew Ng)正在谷歌大腦(Google Brain)進(jìn)行大規(guī)模圖像識別方面的突破性工作。

深度學(xué)習(xí)也增強(qiáng)了強(qiáng)化學(xué)習(xí)這一已存在的領(lǐng)域,理查德·薩頓(Richard Sutton)就是其中一位頂尖的研究人員,他牽頭讓谷歌DeepMind開發(fā)的系統(tǒng)取得了多次棋類比賽的勝利。2014年,伊恩·古德費(fèi)洛(IanGoodfellow)發(fā)表了一篇關(guān)于生成式對抗網(wǎng)絡(luò)的文章,這種網(wǎng)絡(luò)與強(qiáng)化學(xué)習(xí)已成為了該領(lǐng)域近期多個(gè)研究的焦點(diǎn)。

人工智能(AI)能力的持續(xù)進(jìn)步讓斯坦福大學(xué)啟動(dòng)了“人工智能百年研究”(One Hundred Year Study on Artificial Intelligence)項(xiàng)目。該項(xiàng)目由微軟研究院院長埃里克·霍維茨(EricHorvitz)發(fā)起,是基于他和微軟研究院的同事所進(jìn)行的長期研究。過去幾年里,眾多研究先驅(qū)的研究結(jié)果和指導(dǎo)讓我們受益良多。

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(quán)轉(zhuǎn)載。文章觀點(diǎn)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(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:深度學(xué)習(xí)的起源與先行者

文章出處:【微信號:AI_News,微信公眾號:人工智能快報(bào)】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

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(guān)推薦
    熱點(diǎn)推薦

    嵌入式AI技術(shù)之深度學(xué)習(xí):數(shù)據(jù)樣本預(yù)處理過程中使用合適的特征變換對深度學(xué)習(xí)的意義

    ? 作者:蘇勇Andrew 使用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)器學(xué)習(xí),網(wǎng)絡(luò)的每個(gè)層都將對輸入的數(shù)據(jù)做一次抽象,多層神經(jīng)網(wǎng)絡(luò)構(gòu)成深度學(xué)習(xí)的框架,可以深度理解數(shù)據(jù)中所要表示的規(guī)律。
    的頭像 發(fā)表于 04-02 18:21 ?886次閱讀

    SLAMTEC Aurora:把深度學(xué)習(xí)“卷”進(jìn)機(jī)器人日常

    在人工智能和機(jī)器人技術(shù)飛速發(fā)展的今天,深度學(xué)習(xí)與SLAM(同步定位與地圖構(gòu)建)技術(shù)的結(jié)合,正引領(lǐng)著智能機(jī)器人行業(yè)邁向新的高度。最近科技圈頂流DeepSeek簡直殺瘋了!靠著逆天的深度
    的頭像 發(fā)表于 02-19 15:49 ?459次閱讀

    軍事應(yīng)用中深度學(xué)習(xí)的挑戰(zhàn)與機(jī)遇

    人工智能尤其是深度學(xué)習(xí)技術(shù)的最新進(jìn)展,加速了不同應(yīng)用領(lǐng)域的創(chuàng)新與發(fā)展。深度學(xué)習(xí)技術(shù)的發(fā)展深刻影響
    的頭像 發(fā)表于 02-14 11:15 ?539次閱讀

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)之間存在著密切的關(guān)系,以下是對它們之間關(guān)系的介紹: 一、BP神經(jīng)網(wǎng)絡(luò)的基本概念 BP神經(jīng)網(wǎng)絡(luò),即反向傳播神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network
    的頭像 發(fā)表于 02-12 15:15 ?863次閱讀

    4G模組SD卡接口編程:深度學(xué)習(xí)

    今天我們需要深度學(xué)習(xí)的是4G模組SD卡接口編程,以我常用的模組Air724UG例,分享給大家。
    的頭像 發(fā)表于 11-20 23:14 ?698次閱讀
    4G模組SD卡接口編程:<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>

    GPU在深度學(xué)習(xí)中的應(yīng)用 GPUs在圖形設(shè)計(jì)中的作用

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)作為其核心部分,已經(jīng)成為推動(dòng)技術(shù)進(jìn)步的重要力量。GPU(圖形處理單元)在深度學(xué)習(xí)中扮演著至關(guān)重要的角色,
    的頭像 發(fā)表于 11-19 10:55 ?1628次閱讀

    NPU在深度學(xué)習(xí)中的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)作為其核心驅(qū)動(dòng)力之一,已經(jīng)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和價(jià)值。NPU(Neural Processing Unit,神經(jīng)網(wǎng)絡(luò)處理單元)是專門
    的頭像 發(fā)表于 11-14 15:17 ?1918次閱讀

    Pytorch深度學(xué)習(xí)訓(xùn)練的方法

    掌握這 17 種方法,用最省力的方式,加速你的 Pytorch 深度學(xué)習(xí)訓(xùn)練。
    的頭像 發(fā)表于 10-28 14:05 ?658次閱讀
    Pytorch<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>訓(xùn)練的方法

    GPU深度學(xué)習(xí)應(yīng)用案例

    GPU在深度學(xué)習(xí)中的應(yīng)用廣泛且重要,以下是一些GPU深度學(xué)習(xí)應(yīng)用案例: 一、圖像識別 圖像識別是深度學(xué)習(xí)
    的頭像 發(fā)表于 10-27 11:13 ?1381次閱讀

    激光雷達(dá)技術(shù)的基于深度學(xué)習(xí)的進(jìn)步

    信息。這使得激光雷達(dá)在自動(dòng)駕駛、無人機(jī)、機(jī)器人等領(lǐng)域具有廣泛的應(yīng)用前景。 二、深度學(xué)習(xí)技術(shù)的發(fā)展 深度學(xué)習(xí)是機(jī)器
    的頭像 發(fā)表于 10-27 10:57 ?1070次閱讀

    FPGA加速深度學(xué)習(xí)模型的案例

    FPGA(現(xiàn)場可編程門陣列)加速深度學(xué)習(xí)模型是當(dāng)前硬件加速領(lǐng)域的一個(gè)熱門研究方向。以下是一些FPGA加速深度學(xué)習(xí)模型的案例: 一、基于FPGA的AlexNet卷積運(yùn)算加速 項(xiàng)目名稱
    的頭像 發(fā)表于 10-25 09:22 ?1235次閱讀

    AI大模型與深度學(xué)習(xí)的關(guān)系

    人類的學(xué)習(xí)過程,實(shí)現(xiàn)對復(fù)雜數(shù)據(jù)的學(xué)習(xí)和識別。AI大模型則是指模型的參數(shù)數(shù)量巨大,需要龐大的計(jì)算資源來進(jìn)行訓(xùn)練和推理。深度學(xué)習(xí)算法AI大模型
    的頭像 發(fā)表于 10-23 15:25 ?2893次閱讀

    深度學(xué)習(xí)GPU加速效果如何

    圖形處理器(GPU)憑借其強(qiáng)大的并行計(jì)算能力,成為加速深度學(xué)習(xí)任務(wù)的理想選擇。
    的頭像 發(fā)表于 10-17 10:07 ?615次閱讀

    FPGA做深度學(xué)習(xí)能走多遠(yuǎn)?

    。FPGA的優(yōu)勢就是可編程可配置,邏輯資源多,功耗低,而且賽靈思等都在極力推廣。不知道用FPGA做深度學(xué)習(xí)未來會(huì)怎樣發(fā)展,能走多遠(yuǎn),你怎么看。 A:FPGA 在深度
    發(fā)表于 09-27 20:53

    AI入門之深度學(xué)習(xí):基本概念

    1、什么是深度學(xué)習(xí) 1.1、機(jī)器學(xué)習(xí) ?? ? 圖1:計(jì)算機(jī)有效工作的常用方法:程序員編寫規(guī)則(程序),計(jì)算機(jī)遵循這些規(guī)則將輸入數(shù)據(jù)轉(zhuǎn)換為適當(dāng)?shù)拇鸢?。這一方法被稱為符號主義人工智能,適合用來解決定
    的頭像 發(fā)表于 08-08 11:24 ?2431次閱讀
    AI入門之<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>:基本<b class='flag-5'>概念</b>篇