建立一个成功的深度学习的通用机制

 1个月前     198  
建立一个成功的深度学习的通用机制

文章目录


图像分类是深度学习架构成功执行的一项复杂任务。这些深层架构通常由许多层组成,每一层都由许多滤波器组成

 

通常的理解是,随着图像在层中的进展,图像的更多增强特征和特征的特征会被揭示。然而,这些特征和特征的特征是不可量化的,因此,机器学习是如何工作的仍然是一个谜

在最近发表在《科学报告》上的一篇文章中,巴宜兰大学的研究人员揭示了成功的机器学习的机制,使其能够以巨大的成功执行分类任务

领导这项研究的Bar-Ilan物理系和Gonda(Goldschmied)多学科大脑研究中心的Ido Kanter教授说:“每个滤波器基本上都能识别一小群图像,随着层次的发展,识别能力会增强。我们找到了一种定量测量单个滤波器性能的方法。”

“这一发现可以为更好地理解人工智能是如何工作的铺平道路,”这项工作的关键贡献者之一、博士生尤瓦尔·梅尔说。“这可以在不降低整体准确性的情况下改善架构的延迟、内存使用和复杂性。”

虽然人工智能一直处于最近技术进步的前沿,了解这些机器的实际工作方式可以为更先进的人工智能开辟道路

想要了解更多关于脑机接口技术的内容,请关注脑机网,我们将定期发布最新的研究成果和应用案例,让您第一时间了解脑机接口技术的最新进展。

版权声明:Robot 发表于 1个月前,共 507 字。
转载请注明:建立一个成功的深度学习的通用机制 | 脑机网

您可能感兴趣的

暂无评论

暂无评论...