技术:神经网络,教你自己

 作者:戴痦     |      日期:2017-11-02 13:22:39
作者:ELISABETH GEAKE远离传统计算机,它必须准确地为它们指定一切,加拿大开发的计算机可以自学计算机具有称为神经网络的结构,其在大脑上建模这种类型的计算机是灵活的并且可以被教导或者可以学习执行特定任务而不是被编程,但是教学过程通常是漫长且费力的加拿大的网络很不寻常,因为它几乎不需要人类教师的监督,并且可以教会自己“看到”成对图像中的三维表面多伦多大学的Geoffrey Hinton和Suzanna Becker设计了一个网络,其假设是,如果网络查看图片的两个相邻区域,它可以通过比较两者来获得信息如果一个区域是黑暗的并且它的邻居发光,这表明图片中存在某种边缘(Nature,1月9日,第161页)剑桥大学生理学实验室的格雷姆·米奇森说,这相当于神经元相互教学 “这绝对是向前迈出的一步,”他说他认为大脑中的神经元可能以类似的方式运作然而,Hinton承认,他们并没有彻底废除老师:'我们必须告诉网络哪些是相邻部分(图片)'神经网络基于互连处理器阵列,类似于真实中的神经元脑真正的神经元通过从其他神经元或神经中获取信号并权衡它们的重要性来做出决定例如,当大脑试图识别一个人时,脸部被认为比衣服更重要神经网络遵循类似的原则计算机神经元之间的连接根据其重要性给予加权通过反复试验来调整权重,直到实现最有效的配置并且网络“已经”学习了该任务在监督学习中,教师告诉网络其输出应该是什么,并且网络相应地调整连接的权重 IBM位于纽约的Thomas J. Watson研究中心的Ralph Linsker说:“有监督的网络可以显示图片,并被告知在那里有一个字母A.它的目标是学会找到A(在随后的图片中)或者,教师可以“奖励”或“惩罚”好的或坏的决定,从而促使网络改变权重过去,无监督网络已经过测试他们通过查看大量数据并尝试查找重要功能来学习例如,显示大量黑白照片的网络最终应该能够挑选亮区和暗区之间的边缘 Hinton和Becker展示了他们的网络对图像,称为随机点立体图当单独观看时,这些看起来像点的随机图案,但是当其中一个图像呈现给每只眼睛时,可以看到三维图像网络没有第三维的先验知识它起作用是因为表面的深度趋于逐渐变化,因此两个立体图的相同区域中的点之间的微小差异可以被解释为深度左图像和右图像中点的位置差异越大,深度越大网络可以像人脑一样解释三维信息,