国产精品久久久aaaa,日日干夜夜操天天插,亚洲乱熟女香蕉一区二区三区少妇,99精品国产高清一区二区三区,国产成人精品一区二区色戒,久久久国产精品成人免费,亚洲精品毛片久久久久,99久久婷婷国产综合精品电影,国产一区二区三区任你鲁

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線(xiàn)課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)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)之父

工程師 ? 來(lái)源:未知 ? 作者:姚遠(yuǎn)香 ? 2018-11-24 09:32 ? 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

人工智能領(lǐng)域有三大奠基人,分別是Geoffrey Hinton、Yann LeCun與Yoshua Bengio。今天主要圍繞“神經(jīng)網(wǎng)絡(luò)之父”Geoffrey Hinton。

Geoffrey Hinton,被稱(chēng)為“神經(jīng)網(wǎng)絡(luò)之父”、“深度學(xué)習(xí)鼻祖”,他曾獲得愛(ài)丁堡大學(xué)人工智能的博士學(xué)位,并且為多倫多大學(xué)的特聘教授。在2012年,Hinton還獲得了加拿大基廉獎(jiǎng)(Killam Prizes,有“加拿大諾貝爾獎(jiǎng)”之稱(chēng)的國(guó)家最高科學(xué)獎(jiǎng))。2013年,Hinton 加入谷歌并帶領(lǐng)一個(gè)AI團(tuán)隊(duì),他將神經(jīng)網(wǎng)絡(luò)帶入到研究與應(yīng)用的熱潮,將“深度學(xué)習(xí)”從邊緣課題變成了谷歌等互聯(lián)網(wǎng)巨頭仰賴(lài)的核心技術(shù),并將HintonBack Propagation(反向傳播)算法應(yīng)用到神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)。

Geoffrey Hinton出生于戰(zhàn)后英國(guó)的溫布爾登,他的父親叫Howard Everest Hinton,是個(gè)英國(guó)昆蟲(chóng)學(xué)家,喜歡研究甲殼蟲(chóng)。他的母親Margaret是一位教師。而他們一家也都流淌著飽含聰明才智的DNA:他的叔叔是著名的經(jīng)濟(jì)學(xué)家Colin Clark,正是他發(fā)明了“國(guó)民生產(chǎn)總值”這個(gè)經(jīng)濟(jì)學(xué)術(shù)語(yǔ);他的曾曾祖父是著名的邏輯學(xué)家George Boole,他發(fā)明的布爾代數(shù)(Boolean algebra)奠定了現(xiàn)代計(jì)算機(jī)科學(xué)的基礎(chǔ)。

早在1960年代,Geoffrey Hinton的高中時(shí)期,就有一個(gè)朋友告訴他,人腦的工作原理就像全息圖一樣。創(chuàng)建一個(gè)3D全息圖,需要大量的記錄入射光被物體多次反射的結(jié)果,然后將這些信息存儲(chǔ)進(jìn)一個(gè)龐大的數(shù)據(jù)庫(kù)中。大腦儲(chǔ)存信息的方式居然與全息圖如此類(lèi)似,大腦并非將記憶儲(chǔ)存在一個(gè)特定的地方,而是在整個(gè)神經(jīng)網(wǎng)絡(luò)里傳播。Hinton為此深深的著迷。對(duì)Hinton來(lái)說(shuō),這是他人生的關(guān)鍵,也是他成功的起點(diǎn)。

當(dāng)時(shí)的學(xué)術(shù)界普遍認(rèn)為計(jì)算機(jī)在規(guī)則和邏輯方面做得最好,而神經(jīng)網(wǎng)絡(luò)的概念根本就是錯(cuò)誤的。但Hinton卻沒(méi)有絲毫動(dòng)搖,并于1972年在愛(ài)丁堡大學(xué)攻讀博士學(xué)位時(shí)毅然選擇了神經(jīng)網(wǎng)絡(luò)研究。每周,他的導(dǎo)師都會(huì)對(duì)他說(shuō):“你這是在浪費(fèi)時(shí)間。”但Hinton的研究還是慢慢取得了一些成功。

博士畢業(yè)后,Hinton被里根政府的外交政策所困擾,因此帶著妻子搬到了多倫多,并接受了加拿大高級(jí)研究所的工作邀約。很快,Hinton組建起了一支專(zhuān)攻深度學(xué)習(xí)的人才團(tuán)隊(duì),其中就包括OpenAI的聯(lián)合創(chuàng)始人兼董事Ilya Sutskever。回憶起2000年的“人工智能寒冬”, Sutskever說(shuō)道:“當(dāng)時(shí)我們只有十個(gè)人左右,資金非常匱乏。

九年時(shí)間飛逝,當(dāng)計(jì)算機(jī)終于有能力挖掘海量數(shù)據(jù)時(shí),超級(jí)神經(jīng)網(wǎng)絡(luò)開(kāi)始在語(yǔ)音和圖像識(shí)別方面超越基于邏輯的人工智能。很快,業(yè)內(nèi)的大型科技公司,如微軟、Facebook、谷歌等紛紛開(kāi)始投資。2012年,谷歌公司的絕密實(shí)驗(yàn)室GoogleX(現(xiàn)在名為X)宣布建立一個(gè)由16000個(gè)電腦處理器組成的神經(jīng)網(wǎng)絡(luò),并將其用在YouTube上。

隨后,該實(shí)驗(yàn)室從YouTube上提取了數(shù)百萬(wàn)個(gè)隨機(jī)的、沒(méi)有標(biāo)簽的視頻,輸入到這臺(tái)新的超級(jí)計(jì)算機(jī)中,并通過(guò)編程使其能夠理解所看到的內(nèi)容。最終,神經(jīng)網(wǎng)格從無(wú)數(shù)個(gè)關(guān)于貓的視頻中成功分辨出了貓,這也成為了人工智能領(lǐng)域發(fā)展過(guò)程中的一個(gè)激動(dòng)人心的時(shí)刻。

之后,Hinton和他的助手們就成為了人工智能浪潮中的領(lǐng)導(dǎo)者。 2013年,Google X的高級(jí)研究員Jeff Dean將Hinton招進(jìn)了谷歌。有趣的是,原本就不屬于體制內(nèi)學(xué)者的Hinton,突然之間成為了體制的建立者。盡管觀點(diǎn)曾經(jīng)被業(yè)界拋棄,但如今他卻成為人工智能行業(yè)里最炙手可熱的人物。

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。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(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
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(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    內(nèi)置USB聲卡AI神經(jīng)網(wǎng)絡(luò)算法降噪消回音模組A-59U#AI神經(jīng)網(wǎng)絡(luò)#回聲消除#智能降噪

    神經(jīng)網(wǎng)絡(luò)
    深圳市聲訊電子有限公司
    發(fā)布于 :2025年12月24日 17:09:37

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

    日常生活中的智能應(yīng)用都離不開(kāi)深度學(xué)習(xí),而深度學(xué)習(xí)則依賴(lài)于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大腦中神經(jīng)
    的頭像 發(fā)表于 12-17 15:05 ?338次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    自動(dòng)駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)是個(gè)啥?

    在自動(dòng)駕駛領(lǐng)域,經(jīng)常會(huì)聽(tīng)到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò),簡(jiǎn)稱(chēng)為CNN,是一種專(zhuān)門(mén)用來(lái)處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學(xué)習(xí)模型。CNN在圖像處理中尤其常見(jiàn),因?yàn)閳D像本身就可以看作是由像素排列成的二維網(wǎng)格。
    的頭像 發(fā)表于 11-19 18:15 ?2086次閱讀
    自動(dòng)駕駛中常提的卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>是個(gè)啥?

    CNN卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)原理及在MCU200T上仿真測(cè)試

    數(shù)的提出很大程度的解決了BP算法在優(yōu)化深層神經(jīng)網(wǎng)絡(luò)時(shí)的梯度耗散問(wèn)題。當(dāng)x&gt;0 時(shí),梯度恒為1,無(wú)梯度耗散問(wèn)題,收斂快;當(dāng)x&lt;0 時(shí),該層的輸出為0。 CNN
    發(fā)表于 10-29 07:49

    NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹

    NMSIS NN 軟件庫(kù)是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核,旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。 該庫(kù)分為多個(gè)功能,每個(gè)功能涵蓋特定類(lèi)別
    發(fā)表于 10-29 06:08

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

    本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開(kāi)發(fā)IDE,以TensorFlow2為訓(xùn)練框架,目標(biāo)是訓(xùn)練一個(gè)手寫(xiě)數(shù)字識(shí)別的神經(jīng)網(wǎng)絡(luò)
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。 在仿真環(huán)境下,可將其存于一個(gè)文件,并在 Verilog 代碼中通過(guò) readmemh 函數(shù)
    發(fā)表于 10-20 08:00

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡(jiǎn)介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線(xiàn)蟲(chóng)的神經(jīng)結(jié)構(gòu),盡管這種微生物的
    的頭像 發(fā)表于 09-28 10:03 ?1245次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而,神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加,這使得傳統(tǒng)的串行計(jì)算方式面臨著巨大的挑戰(zhàn),如計(jì)算速度慢、訓(xùn)練時(shí)間長(zhǎng)等
    的頭像 發(fā)表于 09-17 13:31 ?1143次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速技術(shù)

    基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真模型解決方案

    在基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真(DPD)模型中,使用不同的激活函數(shù)對(duì)整個(gè)系統(tǒng)性能和能效有何影響?
    的頭像 發(fā)表于 08-29 14:01 ?3478次閱讀

    無(wú)刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

    摘要:論文通過(guò)對(duì)無(wú)刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來(lái)訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

    摘要:針對(duì)傳統(tǒng)專(zhuān)家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問(wèn)題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專(zhuān)家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對(duì)電機(jī)
    發(fā)表于 06-16 22:09

    神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究

    眾多方法中,由于其結(jié)構(gòu)簡(jiǎn)單,穩(wěn)定性好廣泛受到人們的重視,且已被用于產(chǎn)品開(kāi)發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問(wèn)題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn),使估計(jì)更為簡(jiǎn)單、快速
    發(fā)表于 06-16 21:54

    基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

    本文的目的是在一個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過(guò)python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出,然后通過(guò)python程序?qū)xt文件轉(zhuǎn)化為coe文件,(coe
    的頭像 發(fā)表于 06-03 15:51 ?1240次閱讀
    基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析

    NVIDIA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能

    近日,NVIDIA 宣布了 NVIDIA RTX 神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能。NVIDIA 與微軟合作,將在 4 月的 Microsoft DirectX 預(yù)覽版中增加神經(jīng)網(wǎng)絡(luò)著色技術(shù),讓開(kāi)
    的頭像 發(fā)表于 04-07 11:33 ?1202次閱讀