银河国际图标  goude

goude goude
 18553715608
18553715765
你的位置:yh036银河国际赌场 >资讯列表 >业内资讯 > 人工智能技艺的障碍

人工智能技艺的障碍

yh036银河国际赌场:2018-10-27关键词: 人工智能技艺 人工智能技艺障碍

深度研习是人工智能领域此刻受眷注的发扬成果,利用包含数百万个分层构建的模拟“神经元”的大型神经网络,它正在帮助大家提高分类与预测的准确性。其中,常见的网络被称为卷积神经网络(简称CNN)与递归神经网络(简称RNN)。这些神经网络能够经过数据训练,并配合反向传播算法实现“研习”。   

这一技艺已经取得了一系列发展,但需要注意的是,其中还有关键的一步,就是如何将人工智能方法与问题和可用数据匹配起来。由于这些系统是“训练”而来,而非编程而来的,因此其研习过程往往需要大量标记数据才能准确实行复杂的使命。然而,获取大规模数据集往往相当困难,即使能够实现,标记工作也需要巨大的人力投入。

此外,大家很难判断深度研习训练所使用的数学模型要如何才能达成特定的预测、推荐或决策请求。这就是“黑匣子”问题,即使模型能够支撑实现既定的目标,但效用恐怕也将十分有限。考虑到这一点,用户有时候的确需要了解这背后的运作原理,以及为何在特定情况下某些因素的权重要比其它因素更高等等。然而,这并不容易。生成式对抗网络是一种半监督研习的方法,经过两套相互对抗的神经网络,持续健全各自对同一概念的理解。以识别鸟类图像为例,一套网络承担正确分辨鸟类图像,而另一套网络则承担生成与鸟类非常相似的其它图像对前者实行迷惑。当两套网络的表现最终趋于稳按时,其各自对鸟类图像也拥有了更为准确的认知。


热门点击
XML 地图 | Sitemap 地图