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識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

創(chuàng)建混合神經(jīng)網(wǎng)絡(luò)的未來

倩倩 ? 來源:雷鋒網(wǎng),上海市大數(shù)據(jù)股 ? 作者:雷鋒網(wǎng),上海市大 ? 2021-03-15 17:10 ? 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

深度學(xué)習(xí)是一個很大的領(lǐng)域,其核心是一個神經(jīng)網(wǎng)絡(luò)算法,神經(jīng)網(wǎng)絡(luò)的尺寸由數(shù)百萬甚至數(shù)十億個不斷改變的參數(shù)決定。似乎每隔幾天就有大量的新方法提出。

然而,一般來說,現(xiàn)在的深度學(xué)習(xí)算法可以分為三個基礎(chǔ)的學(xué)習(xí)范式。每一種學(xué)習(xí)方法和信念都為提高當前深度學(xué)習(xí)的能力和范圍提供了巨大的潛力和興趣。

混合學(xué)習(xí)-現(xiàn)代深度學(xué)習(xí)方法如何跨越有監(jiān)督和無監(jiān)督學(xué)習(xí)的界限,以適應(yīng)大量未使用的未標記數(shù)據(jù)?

成分學(xué)習(xí)-如何采用一種創(chuàng)新的方法將不同的組件鏈接起來生成一個混合的模型,這個模型的效果比各個部分簡單的加和效果要好?

簡化學(xué)習(xí)-如何在保持相同或規(guī)模的預(yù)測能力的同時,減少模型的大小和信息流,以達到性能和部署的目的?

深度學(xué)習(xí)的未來主要在于這三種學(xué)習(xí)范式,每一種都緊密鏈接。

近日,由英、意,瑞三國聯(lián)合創(chuàng)建的一個混合神經(jīng)網(wǎng)絡(luò)誕生了,其特殊之處在于使用互聯(lián)網(wǎng)將信號從生物神經(jīng)元傳輸?shù)饺斯ど窠?jīng)元。這可謂是神經(jīng)電子連接技術(shù)研究上的一重大突破,未來有望在我們的大腦與互聯(lián)網(wǎng)之間建立起連接,實現(xiàn)大腦可以與數(shù)據(jù)實時交互。當然,這一概念從科學(xué)研究到實踐運用還需要長時間的探索,不如先從本周英國南安普敦大學(xué)發(fā)表的科學(xué)研究來一窺混合神經(jīng)網(wǎng)絡(luò)背后的原理。

該研究是從老鼠身上培養(yǎng)的生物神經(jīng)元,并可以通過一種類似生物突觸的元件將信息傳遞給人工神經(jīng)元,反之亦然。這項研究的所有三個要素:人工神經(jīng)元、生物神經(jīng)元和突觸部分位于世界的不同地方,通過互聯(lián)網(wǎng)連接起來。

在自然界,大腦通過一個龐大的神經(jīng)元網(wǎng)絡(luò)來運作,神經(jīng)元通過電信號將信息發(fā)送到其他神經(jīng)元,這些信號被單獨稱為“動作電位”(action potential)。神經(jīng)元之間相接觸的部位(這種信號在上面?zhèn)鬏敚┟麨橥挥|。神經(jīng)元只能沿一個方向發(fā)送信息。信號將通過一個神經(jīng)元傳送到輸出端。信息通過突觸傳輸,刺激接收端的下一個神經(jīng)元,依此類推。

生物神經(jīng)元是從大鼠身上培養(yǎng)的,精心組織后植入到了蘇黎世大學(xué)和蘇黎世聯(lián)邦理工學(xué)院的一個電極陣列上。借助精巧完善的實驗室技術(shù),可以發(fā)送來自這些神經(jīng)元的電信號,并接收捕獲的信號。

人工神經(jīng)元是在意大利帕多瓦大學(xué)研發(fā)的,被排列在硅微芯片上。就像生物神經(jīng)元一樣,人工神經(jīng)元能夠發(fā)送并接收可以讀取和測量的信號。在南安普敦大學(xué),科學(xué)家們使用了憶阻器(能夠傳遞電荷的微型電路部件)來制造物理器件,這種器件的作用是將信息從生物神經(jīng)元傳遞到人工神經(jīng)元,反之亦然。因而得到的人工突觸被稱為synpator。由于神經(jīng)元之間輸入和輸出的差異,構(gòu)造了兩個單獨的人工突觸來完成電路,一個代表大腦到硅片,另一個代表硅片到大腦。這兩個人工突觸中使用的尖端納米技術(shù)方面的細微差異導(dǎo)致了一條單向電路。從這個意義上說,該系統(tǒng)模仿大腦,信息只能沿一個方向通過其各自的系統(tǒng)來傳輸。

創(chuàng)建混合神經(jīng)網(wǎng)絡(luò)的未來

由于需要揭露人類思維的奧秘,因此我的哲學(xué)基礎(chǔ)促使我在技術(shù),技術(shù)之前接受了心理分析,心理學(xué)和神經(jīng)科學(xué)方面的培訓(xùn)。我致力于研究人類的思想,而沒有忽視作為硬件和計算開發(fā)人員多年的技術(shù)技能。

對我來說,人類是如此強大,以至于他從一開始就具有克服自己的能力和利用技術(shù)的優(yōu)勢。火的發(fā)現(xiàn),砂輪,用于制造工具的材料的處理是技術(shù)進步,與我們今天開發(fā)的技術(shù)一樣重要。顯然,我們必須將每個人都定位在他的時代,但是全人類的進步和成功故事的規(guī)模是毋庸置疑的。

這些進步之一已經(jīng)在科學(xué)環(huán)境中應(yīng)用了不到一年,并且涉及到混合神經(jīng)網(wǎng)絡(luò)的創(chuàng)建。

我們認為腦功能是可能的,因為神經(jīng)元回路是通過微觀但高度復(fù)雜的連接(稱為突觸)發(fā)生的。

在這個新概念中,科學(xué)家能夠創(chuàng)建一個混合神經(jīng)網(wǎng)絡(luò),位于世界各地的生物和人工神經(jīng)元可以通過Internet相互通信。使用尖端的納米技術(shù)開發(fā)出人工突觸的核心之后,這種交流才成為可能。

這個復(fù)雜的項目是在不同的歐洲國家開發(fā)的,每個項目分別負責(zé)該項目的不同部分。

該研究分為幾個部分。意大利是負責(zé)培養(yǎng)嚙齒動物神經(jīng)元的國家,而瑞士則負責(zé)創(chuàng)建人工神經(jīng)元。另一方面,在英國,正在開發(fā)它們之間進行通信的過程,通過對發(fā)達的納米電子突觸進行精細控制的配置來構(gòu)成虛擬實驗室。

盡管這是一個初期且簡化的過程,但對于科學(xué)來說是巨大的進步。在這個項目中,有可能通過互聯(lián)網(wǎng)將信息從生物神經(jīng)元傳輸?shù)饺斯ど窠?jīng)元,也可以反向傳輸。

這些第一步是神經(jīng)電子互聯(lián)網(wǎng)發(fā)展的關(guān)鍵?,F(xiàn)在,研究人員預(yù)計,他們的方法將激發(fā)人們對一系列科學(xué)學(xué)科的興趣,并加快神經(jīng)接口研究領(lǐng)域的創(chuàng)新和科學(xué)進步的步伐。尤其是,無縫鏈接全球不同技術(shù)的能力是邁向這些技術(shù)民主化的一步,從而消除了協(xié)作的重要障礙。

另一方面,它為更復(fù)雜的混合網(wǎng)絡(luò)的研究打開了大門,該網(wǎng)絡(luò)可用于人類,以彌補某些缺陷,即為交換大腦和計算機之間的相互作用創(chuàng)造平臺。腦部功能失調(diào)。由AI芯片生成復(fù)雜的混合神經(jīng)網(wǎng)絡(luò)。顯然,鑒于研究的現(xiàn)狀,這將是一個有點未來主義的全景圖,但是到目前為止所取得的成就開辟了一系列可能性。

(雷鋒網(wǎng),上海市大數(shù)據(jù)股份,互聯(lián)網(wǎng)分析沙龍網(wǎng)綜合整理)

責(zé)任編輯:lq

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

    103606
  • 模型
    +關(guān)注

    關(guān)注

    1

    文章

    3520

    瀏覽量

    50421
  • 神經(jīng)元
    +關(guān)注

    關(guān)注

    1

    文章

    368

    瀏覽量

    18837
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

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

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)在多個方面存在顯著差異,以下是對兩者的比較: 一、結(jié)構(gòu)特點 BP神經(jīng)網(wǎng)絡(luò) : BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 02-12 15:53 ?665次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點分析

    BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network)作為一種常用的機器學(xué)習(xí)模型,具有顯著的優(yōu)點,同時也存在一些不容忽視的缺點。以下是對BP神經(jīng)網(wǎng)絡(luò)優(yōu)缺點的分析: 優(yōu)點
    的頭像 發(fā)表于 02-12 15:36 ?919次閱讀

    什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法

    BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法(Backpropagation Algorithm)是一種用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的有效方法。以下是關(guān)于BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法的介紹: 一、基本概念 反向傳播算法是BP
    的頭像 發(fā)表于 02-12 15:18 ?766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 ?855次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的基本原理

    BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network)的基本原理涉及前向傳播和反向傳播兩個核心過程。以下是關(guān)于BP神經(jīng)網(wǎng)絡(luò)基本原理的介紹: 一、網(wǎng)絡(luò)結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 02-12 15:13 ?856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

    在上一篇文章中,我們介紹了傳統(tǒng)機器學(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) ? 人工神經(jīng)網(wǎng)絡(luò)模型之所
    的頭像 發(fā)表于 01-09 10:24 ?1189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 ?1869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)是機器學(xué)習(xí)領(lǐng)域中的一種強大工具,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 ?1126次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與工作機制

    LSTM(Long Short-Term Memory,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),設(shè)計用于解決長期依賴問題,特別是在處理時間序列數(shù)據(jù)時表現(xiàn)出色。以下是LSTM神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 11-13 10:05 ?1631次閱讀

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

    在深度學(xué)習(xí)領(lǐng)域,循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)因其能夠處理序列數(shù)據(jù)而受到廣泛關(guān)注。然而,傳統(tǒng)RNN在處理長序列時存在梯度消失或梯度爆炸的問題。為了解決這一問題,LSTM(長短期記憶)神經(jīng)網(wǎng)絡(luò)應(yīng)運而生。 循環(huán)
    的頭像 發(fā)表于 11-13 09:58 ?1213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中的長期依賴關(guān)系而受到
    的頭像 發(fā)表于 11-13 09:53 ?1583次閱讀

    Moku人工神經(jīng)網(wǎng)絡(luò)101

    Moku3.3版更新在Moku:Pro平臺新增了全新的儀器功能【神經(jīng)網(wǎng)絡(luò)】,使用戶能夠在Moku設(shè)備上部署實時機器學(xué)習(xí)算法,進行快速、靈活的信號分析、去噪、傳感器調(diào)節(jié)校準、閉環(huán)反饋等應(yīng)用。如果您
    的頭像 發(fā)表于 11-01 08:06 ?664次閱讀
    Moku人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>101

    關(guān)于卷積神經(jīng)網(wǎng)絡(luò),這些概念你厘清了么~

    必須通過決策閾值做出決定。 另一個區(qū)別是AI并不依賴固定的規(guī)則,而是要經(jīng)過訓(xùn)練。訓(xùn)練過程需要將大量貓的圖像展示給神經(jīng)網(wǎng)絡(luò)以供其學(xué)習(xí)。最終,神經(jīng)網(wǎng)絡(luò)將能夠獨立識別圖像中是否有貓。關(guān)鍵的一點是,未來AI
    發(fā)表于 10-24 13:56

    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

    如何構(gòu)建多層神經(jīng)網(wǎng)絡(luò)

    構(gòu)建多層神經(jīng)網(wǎng)絡(luò)(MLP, Multi-Layer Perceptron)模型是一個在機器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域廣泛使用的技術(shù),尤其在處理分類和回歸問題時。在本文中,我們將深入探討如何從頭開始構(gòu)建一個多層神經(jīng)網(wǎng)絡(luò)模型,包括模型設(shè)計、數(shù)據(jù)預(yù)處理、模型訓(xùn)練、評估以及優(yōu)化等方面的內(nèi)
    的頭像 發(fā)表于 07-19 17:19 ?1565次閱讀