91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

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

深度學(xué)習(xí)是如何從概念發(fā)展為現(xiàn)實(shí)的?

EdXK_AI_News ? 來源:未知 ? 作者:胡薇 ? 2018-05-31 10:06 ? 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

在二十世紀(jì)五十年代就存在深度學(xué)習(xí)的概念了。麥肯錫全球研究院發(fā)文簡要回顧了深度學(xué)習(xí)是如何從概念發(fā)展為現(xiàn)實(shí)的,而使之實(shí)現(xiàn)的關(guān)鍵人物又是誰。

文章表示,要書寫深度學(xué)習(xí)的完整歷史還為時(shí)過早,有些細(xì)節(jié)尚存在爭議,但是我們已經(jīng)能追尋其公認(rèn)的起源概貌,雖然還不完整,也能確定一些先驅(qū)者了。沃倫·麥卡洛克(WarrenMcCulloch)和沃爾特·皮茨(Walter Pitts)就名列其中。他們早在1943年就提出了人工神經(jīng)元,這是大腦中“神經(jīng)網(wǎng)絡(luò)”的計(jì)算模型。還有美國斯坦福大學(xué)(Stanford University)的伯納德·威德羅(BernardWidrow)和泰德·霍夫(Ted Hoff),他們在二十世紀(jì)五十年代末期開發(fā)了一種神經(jīng)網(wǎng)絡(luò)應(yīng)用,降低電話線中的噪音。

同一時(shí)期,美國心理學(xué)家弗蘭克·羅森布拉特(Frank Rosenblatt)引入了“感知器”這種設(shè)備的概念,模擬大腦的神經(jīng)結(jié)構(gòu),并展現(xiàn)出學(xué)習(xí)的能力。后來,美國麻省理工學(xué)院(MIT)的馬文·明斯基(Marvin Minsky)和西摩·帕普特(SeymourPapert)在其1969年出版的書《感知器》中,用數(shù)學(xué)的方法展示了感知器只能進(jìn)行很基礎(chǔ)的任務(wù),所以這項(xiàng)研究暫停。他們的書還討論了訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)的難點(diǎn)。

1986年,加拿大多倫多大學(xué)(University of Toronto)的杰弗里·辛頓(Geoffrey Hinton)與同事大衛(wèi)·魯姆哈特(DavidRumelhart)和羅納德·威廉姆斯(Ronald Williams)發(fā)表了目前很著名的反向傳播訓(xùn)練算法,解決了這一訓(xùn)練難題,但有些業(yè)內(nèi)人士指出芬蘭數(shù)學(xué)家賽普·林納因馬(SeppoLinnainmaa)早在二十世紀(jì)六十年代就已經(jīng)發(fā)明了反向傳播。美國紐約大學(xué)(New York University)的楊立昆(Yann LeCun)率先將神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像識別任務(wù),他在1998年發(fā)表的文章中定義了卷積神經(jīng)網(wǎng)絡(luò),這種神經(jīng)網(wǎng)絡(luò)模擬人類的視覺皮層。同期,約翰·霍普菲爾德(JohnHopfield)推廣了“霍普菲爾德”網(wǎng)絡(luò),這是首個(gè)循環(huán)神經(jīng)網(wǎng)絡(luò)。1997年,爾根·施米德休伯(JürgenSchmidhuber)和賽普·霍克賴特(Sepp Hochreiter)進(jìn)一步擴(kuò)展了該網(wǎng)絡(luò),他們引入了長短期記憶模型(long-short termmemory, LSTM),極大地提高了循環(huán)神經(jīng)網(wǎng)絡(luò)的效率和實(shí)用性。2012年,辛頓和他的學(xué)生在著名的 ImageNet 競賽中取得了突出的結(jié)果,彰顯了深度學(xué)習(xí)的強(qiáng)大。該競賽以李飛飛等人整理的數(shù)據(jù)集為基礎(chǔ)。與此同時(shí),杰弗里·迪恩(JeffDean)和吳恩達(dá)(Andrew Ng)正在谷歌大腦(Google Brain)進(jìn)行大規(guī)模圖像識別方面的突破性工作。

深度學(xué)習(xí)也增強(qiáng)了強(qiáng)化學(xué)習(xí)這一已存在的領(lǐng)域,理查德·薩頓(Richard Sutton)就是其中一位頂尖的研究人員,他牽頭讓谷歌DeepMind開發(fā)的系統(tǒng)取得了多次棋類比賽的勝利。2014年,伊恩·古德費(fèi)洛(IanGoodfellow)發(fā)表了一篇關(guān)于生成式對抗網(wǎng)絡(luò)的文章,這種網(wǎng)絡(luò)與強(qiáng)化學(xué)習(xí)已成為了該領(lǐng)域近期多個(gè)研究的焦點(diǎn)。

人工智能(AI)能力的持續(xù)進(jìn)步讓斯坦福大學(xué)啟動了“人工智能百年研究”(One Hundred Year Study on Artificial Intelligence)項(xiàng)目。該項(xiàng)目由微軟研究院院長埃里克·霍維茨(EricHorvitz)發(fā)起,是基于他和微軟研究院的同事所進(jìn)行的長期研究。過去幾年里,眾多研究先驅(qū)的研究結(jié)果和指導(dǎo)讓我們受益良多。

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(diǎn)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(bào)投訴

原文標(biāo)題:深度學(xué)習(xí)的起源與先行者

文章出處:【微信號:AI_News,微信公眾號:人工智能快報(bào)】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

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(diǎn)推薦

    揭秘TEE深度休眠喚醒“低概率報(bào)錯(cuò)”:概念到解決方案的全解析

    在嵌入式與物聯(lián)網(wǎng)設(shè)備的底層技術(shù)領(lǐng)域,TEE(可信執(zhí)行環(huán)境) 是保障系統(tǒng)安全的關(guān)鍵組件之一。但在 RK3562、RK3588 等芯片的深度休眠喚醒場景中,卻出現(xiàn)了一類 “低概率卻影響致命” 的報(bào)錯(cuò)問題。今天我們就從概念入手,一步步拆解問題、剖析解決方案。
    的頭像 發(fā)表于 02-09 16:37 ?135次閱讀
    揭秘TEE<b class='flag-5'>深度</b>休眠喚醒“低概率報(bào)錯(cuò)”:<b class='flag-5'>從</b><b class='flag-5'>概念</b>到解決方案的全解析

    人工智能與機(jī)器學(xué)習(xí)在這些行業(yè)的深度應(yīng)用

    自人工智能和機(jī)器學(xué)習(xí)問世以來,多個(gè)在線領(lǐng)域的數(shù)字化格局迎來了翻天覆地的變化。這些技術(shù)誕生之初就為企業(yè)賦予了競爭優(yōu)勢,而在線行業(yè)正是受其影響最為顯著的領(lǐng)域。人工智能(AI)與機(jī)器學(xué)習(xí)(ML)的
    的頭像 發(fā)表于 02-04 14:44 ?478次閱讀

    【「芯片設(shè)計(jì)基石——EDA產(chǎn)業(yè)全景與未來展望」閱讀體驗(yàn)】--EDA了解與發(fā)展概況

    客戶粘性鞏固寡頭地位。另外這三家公司非常注重EDA生態(tài)系統(tǒng)建設(shè),這種生態(tài)系統(tǒng)建設(shè)有助于吸引更多的用戶和合作伙伴,形成良性發(fā)展的態(tài)勢。 通過學(xué)習(xí),對EDA專業(yè)技術(shù)概念、設(shè)計(jì)流程、工具有了進(jìn)一步認(rèn)識。對行業(yè)EDA
    發(fā)表于 01-19 21:45

    穿孔機(jī)頂頭檢測儀 機(jī)器視覺深度學(xué)習(xí)

    穿孔機(jī)頂頭檢測儀采用深度學(xué)習(xí)技術(shù),通過不斷的學(xué)習(xí)功能,越用越準(zhǔn)確,高質(zhì)量生產(chǎn)保駕護(hù)航。 網(wǎng)站名稱:保定市藍(lán)鵬測控科技有限公司 可根據(jù)客戶需求提供解決方案,定制產(chǎn)品。 QQ咨詢:208
    發(fā)表于 12-22 14:33

    【團(tuán)購】獨(dú)家全套珍藏!龍哥LabVIEW視覺深度學(xué)習(xí)實(shí)戰(zhàn)課(11大系列課程,共5000+分鐘)

    ,形成\"傳統(tǒng)視覺算法→深度學(xué)習(xí)建?!I(yè)級部署\"的完整技術(shù)鏈,幫助學(xué)員掌握0到1搭建缺陷檢測系統(tǒng)的能力,響應(yīng)制造業(yè)\"提質(zhì)降本增效\"的核心需求。 團(tuán)購課程
    發(fā)表于 12-04 09:28

    【團(tuán)購】獨(dú)家全套珍藏!龍哥LabVIEW視覺深度學(xué)習(xí)實(shí)戰(zhàn)課程(11大系列課程,共5000+分鐘)

    ,形成\"傳統(tǒng)視覺算法→深度學(xué)習(xí)建模→工業(yè)級部署\"的完整技術(shù)鏈,幫助學(xué)員掌握0到1搭建缺陷檢測系統(tǒng)的能力,響應(yīng)制造業(yè)\"提質(zhì)降本增效\"的核心需求。 團(tuán)購課程
    發(fā)表于 12-03 13:50

    如何深度學(xué)習(xí)機(jī)器視覺的應(yīng)用場景

    深度學(xué)習(xí)視覺應(yīng)用場景大全 工業(yè)制造領(lǐng)域 復(fù)雜缺陷檢測:處理傳統(tǒng)算法難以描述的非標(biāo)準(zhǔn)化缺陷模式 非標(biāo)產(chǎn)品分類:對形狀、顏色、紋理多變的產(chǎn)品進(jìn)行智能分類 外觀質(zhì)量評估:基于學(xué)習(xí)的外觀質(zhì)量標(biāo)準(zhǔn)判定 精密
    的頭像 發(fā)表于 11-27 10:19 ?221次閱讀

    3568開發(fā)板學(xué)習(xí)Linux驅(qū)動開發(fā):迅一站式資料包如何讓我效率翻倍

    3568開發(fā)板學(xué)習(xí)Linux驅(qū)動開發(fā):迅一站式資料包如何讓我效率翻倍
    的頭像 發(fā)表于 11-05 11:16 ?402次閱讀
    迅<b class='flag-5'>為</b>3568開發(fā)板<b class='flag-5'>從</b>零<b class='flag-5'>學(xué)習(xí)</b>Linux驅(qū)動開發(fā):迅<b class='flag-5'>為</b>一站式資料包如何讓我效率翻倍

    學(xué)習(xí)物聯(lián)網(wǎng)怎么入門?

    隨著物聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,越來越多的人開始關(guān)注學(xué)習(xí)這一領(lǐng)域。但是對于初學(xué)者來說,物聯(lián)網(wǎng)似乎是一個(gè)龐雜的概念學(xué)習(xí)起來很困難。因此,哪里開始
    發(fā)表于 10-14 10:34

    如何在機(jī)器視覺中部署深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

    圖 1:基于深度學(xué)習(xí)的目標(biāo)檢測可定位已訓(xùn)練的目標(biāo)類別,并通過矩形框(邊界框)對其進(jìn)行標(biāo)識。 在討論人工智能(AI)或深度學(xué)習(xí)時(shí),經(jīng)常會出現(xiàn)“神經(jīng)網(wǎng)絡(luò)”、“黑箱”、“標(biāo)注”等術(shù)語。這些
    的頭像 發(fā)表于 09-10 17:38 ?901次閱讀
    如何在機(jī)器視覺中部署<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>神經(jīng)網(wǎng)絡(luò)

    深度學(xué)習(xí)對工業(yè)物聯(lián)網(wǎng)有哪些幫助

    深度學(xué)習(xí)作為人工智能的核心分支,通過模擬人腦神經(jīng)網(wǎng)絡(luò)的層級結(jié)構(gòu),能夠自動海量工業(yè)數(shù)據(jù)中提取復(fù)雜特征,工業(yè)物聯(lián)網(wǎng)(IIoT)提供了數(shù)據(jù)感
    的頭像 發(fā)表于 08-20 14:56 ?1028次閱讀

    自動駕駛中Transformer大模型會取代深度學(xué)習(xí)嗎?

    持續(xù)討論。特別是在自動駕駛領(lǐng)域,部分廠商開始嘗試將多模態(tài)大模型(MLLM)引入到感知、規(guī)劃與決策系統(tǒng),引發(fā)了“傳統(tǒng)深度學(xué)習(xí)是否已過時(shí)”的激烈爭論。然而,技術(shù)原理、算力成本、安全需求與實(shí)際落地路徑等維度來看,Transforme
    的頭像 發(fā)表于 08-13 09:15 ?4185次閱讀
    自動駕駛中Transformer大模型會取代<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>嗎?

    當(dāng)深度學(xué)習(xí)遇上嵌入式資源困境,特征空間如何破局?

    近年來,隨著人工智能(AI)技術(shù)的迅猛發(fā)展深度學(xué)習(xí)(Deep Learning)成為最熱門的研究領(lǐng)域之一。在語音識別、圖像識別、自然語言處理等領(lǐng)域,深度
    發(fā)表于 07-14 14:50 ?1243次閱讀
    當(dāng)<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>遇上嵌入式資源困境,特征空間如何破局?

    嵌入式AI技術(shù)之深度學(xué)習(xí):數(shù)據(jù)樣本預(yù)處理過程中使用合適的特征變換對深度學(xué)習(xí)的意義

    ? 作者:蘇勇Andrew 使用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)器學(xué)習(xí),網(wǎng)絡(luò)的每個(gè)層都將對輸入的數(shù)據(jù)做一次抽象,多層神經(jīng)網(wǎng)絡(luò)構(gòu)成深度學(xué)習(xí)的框架,可以深度理解數(shù)據(jù)中所要表示的規(guī)律。
    的頭像 發(fā)表于 04-02 18:21 ?1516次閱讀