一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

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

神經(jīng)網(wǎng)絡(luò)中的遺忘

倩倩 ? 來源:學(xué)習(xí)三分鐘 ? 2020-04-17 10:52 ? 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

神經(jīng)網(wǎng)絡(luò)中的遺忘

兩種遺忘方式的對比

查找記憶的刪除是一條一條的刪,而網(wǎng)絡(luò)記憶的刪除是斷開連接。

學(xué)習(xí)中的遺忘

學(xué)習(xí)的過程是尋找符合所有情況的規(guī)律的過程

在這個過程中,有時候我們的大腦會斷開連接,有時候又會重塑連接

假設(shè)猜想:如果我們的大腦不會斷開連接,那么我們便會,只知道解決學(xué)習(xí)時已見過的情況,而不會解決未見過的情況。這樣的“學(xué)習(xí)”只能是記憶,記憶所有信息,卻不能找到共同的規(guī)律。(網(wǎng)絡(luò)的過擬合)

案例驗證:比如現(xiàn)實生活中的雨人,他看完了一本書記住了里面的所有內(nèi)容,但他日常生活能力低下,四歲才會走路,現(xiàn)在都還不會系扣子,智力測試也只有87分。

學(xué)習(xí)后的遺忘

為什么已經(jīng)被記住的內(nèi)容還是會遺忘?

生存困難:尋找到普遍性的規(guī)律的生物,有大概率能存活,而只尋找到局部規(guī)律的生物,存活的概率變便很小。

演化結(jié)果:所以,大腦演化出一種該規(guī)律多次出現(xiàn)就強(qiáng)化該連接,出現(xiàn)次數(shù)少便弱化該連接的機(jī)制。這并不是為了忘記痛苦的記憶,或者節(jié)省能量,而是為了抑制局部規(guī)律形成的過擬合。

“ 你忘記所有的招式,就練成太極拳了”

原文:“太極拳只重其義,不重其招。你忘記所有的招式,就練成太極拳了。”

解釋:“忘記”并非字面意思,而是意為不要僅記住個別招式,而失去了應(yīng)對無限情況的能力。這里的招式是“已知”,“情況”是指任何情況,包括已知,也包括未知。由于人腦的長期記憶也不是查找記憶,并不會去記憶每個情況,所以練太極拳的過程并不是記憶的過程,而是學(xué)習(xí)的過程。讓大腦的神經(jīng)網(wǎng)絡(luò)從這些有限的招式中泛化出普遍規(guī)律,便可自動應(yīng)對無限情況。

翻譯:”情況無限,招式有限,需泛化有限招式,來應(yīng)對無限情況。”

總結(jié)

學(xué)習(xí)中的遺忘:由于尋找規(guī)律(學(xué)習(xí))的過程中需要不斷的斷開連接,重塑連接(不斷調(diào)整權(quán)重,構(gòu)建模型)

學(xué)習(xí)后的遺忘:為了提高泛化能力,防止模型的過擬合,根據(jù)連接的使用頻率,強(qiáng)化或弱化該連接的一種模型篩選機(jī)制。

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。 舉報投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4814

    瀏覽量

    103512
  • 模型
    +關(guān)注

    關(guān)注

    1

    文章

    3516

    瀏覽量

    50369
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
    熱點推薦

    神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷的應(yīng)用

    的診斷誤差。仿真結(jié)果驗證了該算法的有效性。 純分享帖,需要者可點擊附件免費獲取完整資料~~~*附件:神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷的應(yīng)用.pdf【免責(zé)聲明】本文系網(wǎng)絡(luò)轉(zhuǎn)載,版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版
    發(fā)表于 06-16 22:09

    神經(jīng)網(wǎng)絡(luò)壓縮框架 (NNCF) 的過濾器修剪統(tǒng)計數(shù)據(jù)怎么查看?

    無法觀察神經(jīng)網(wǎng)絡(luò)壓縮框架 (NNCF) 的過濾器修剪統(tǒng)計數(shù)據(jù)
    發(fā)表于 03-06 07:10

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

    多層。 每一層都由若干個神經(jīng)元構(gòu)成,神經(jīng)元之間通過權(quán)重連接。信號在神經(jīng)網(wǎng)絡(luò)是前向傳播的,而誤差是反向傳播的。 卷積神經(jīng)網(wǎng)絡(luò)(CNN) :
    的頭像 發(fā)表于 02-12 15:53 ?650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 N
    的頭像 發(fā)表于 02-12 15:15 ?846次閱讀

    BP神經(jīng)網(wǎng)絡(luò)在圖像識別的應(yīng)用

    BP神經(jīng)網(wǎng)絡(luò)在圖像識別中發(fā)揮著重要作用,其多層結(jié)構(gòu)使得網(wǎng)絡(luò)能夠?qū)W習(xí)到復(fù)雜的特征表達(dá),適用于處理非線性問題。以下是對BP神經(jīng)網(wǎng)絡(luò)在圖像識別應(yīng)用的分析: 一、BP
    的頭像 發(fā)表于 02-12 15:12 ?659次閱讀

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

    在上一篇文章,我們介紹了傳統(tǒng)機(jī)器學(xué)習(xí)的基礎(chǔ)知識和多種算法。在本文中,我們會介紹人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法,供各位老師選擇。 01 人工神經(jīng)網(wǎng)絡(luò) ? 人工
    的頭像 發(fā)表于 01-09 10:24 ?1177次閱讀
    人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    在深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),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(luò)(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)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(luò)
    的頭像 發(fā)表于 11-15 14:53 ?1853次閱讀

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

    神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)領(lǐng)域中的一種強(qiáng)大工具,它們能夠模擬人腦處理信息的方式。隨著技術(shù)的發(fā)展,神經(jīng)網(wǎng)絡(luò)的類型也在不斷增加,其中循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)(如前饋
    的頭像 發(fā)表于 11-15 09:42 ?1122次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)在圖像處理的應(yīng)用

    長短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),它能夠?qū)W習(xí)長期依賴關(guān)系。雖然LSTM最初是為處理序列數(shù)據(jù)設(shè)計的,但近年來,它在圖像處理領(lǐng)域也展現(xiàn)出了巨大的潛力。 LSTM基本原理
    的頭像 發(fā)表于 11-13 10:12 ?1607次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)在語音識別的應(yīng)用實例

    神經(jīng)網(wǎng)絡(luò)簡介 LSTM是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),它能夠?qū)W習(xí)長期依賴關(guān)系。在傳統(tǒng)的RNN,信息會隨著時間的流逝而逐漸消失,導(dǎo)致網(wǎng)絡(luò)難以捕捉長距離的依賴關(guān)系。LSTM通過引入門
    的頭像 發(fā)表于 11-13 10:03 ?1837次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的調(diào)參技巧

    長短時記憶網(wǎng)絡(luò)(Long Short-Term Memory, LSTM)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),它能夠?qū)W習(xí)長期依賴信息。在實際應(yīng)用,LSTM網(wǎng)絡(luò)的調(diào)參是一個復(fù)雜且關(guān)鍵的
    的頭像 發(fā)表于 11-13 10:01 ?1847次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)在時間序列預(yù)測的應(yīng)用

    時間序列預(yù)測是數(shù)據(jù)分析的一個重要領(lǐng)域,它涉及到基于歷史數(shù)據(jù)預(yù)測未來值。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,長短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)因其在處理序列數(shù)據(jù)方面的優(yōu)勢而受到廣泛關(guān)注。 LSTM神經(jīng)網(wǎng)絡(luò)簡介
    的頭像 發(fā)表于 11-13 09:54 ?2021次閱讀

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

    LSTM(長短期記憶)神經(jīng)網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),它能夠?qū)W習(xí)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的長期依賴關(guān)系而受到
    的頭像 發(fā)表于 11-13 09:53 ?1562次閱讀

    matlab 神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析

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

    FPGA在深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用

    、低功耗等特點,逐漸成為深度神經(jīng)網(wǎng)絡(luò)在邊緣計算和設(shè)備端推理的重要硬件平臺。本文將詳細(xì)探討FPGA在深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用,包括其優(yōu)勢、設(shè)計流程、關(guān)鍵技術(shù)以及實際應(yīng)用案例。
    的頭像 發(fā)表于 07-24 10:42 ?1192次閱讀