熱線電話:13121318867

登錄
首頁精彩閱讀人工智能中神經網絡發展緩慢的原因
人工智能中神經網絡發展緩慢的原因
2019-05-08
收藏

人工智能是現在十分火熱的技術和話題,可見當下科技發展的魅力尤其是人工智能領域給人們的生活帶來極大的提升和便捷,手機中和各類智能產品的智能語音對話也給我們的生活帶來了很大的樂趣。而人工智能的核心技術是機器學習以及深度學習神經網絡,但是神經網絡技術的發展當前十分緩慢,究竟個中的原因是什么呢?

1.反向傳播算法對神經網絡的影響

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,神經網絡的規模依然受限于當時的硬件條件而導致規模依然不大。因此,人們暫時放棄了神經網絡的發展。

2.神經網絡發展的障礙

神經網絡發展的障礙有兩個,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,如果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。

3.先驗假設

通過一個非常有用的先驗假設對神經網絡進行簡化,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展的前提。

在這篇文章中我們給大家介紹了關于人工智能中的神經網絡發展緩慢的原因,其實神經網絡發展還是非常具有潛力的,只是需要我們人類不斷地攻克難題,讓其發展更上一個臺階。因此,有致力于學習和專研人工智能的朋友,一定要好好學習神經網絡喲,沒準將來的神經網絡的飛躍發展,起到關鍵性和決定性作用的人就是你!大家好好加油吧。

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
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢