Neural network 为什么我们在计算机中使用神经网络?
我们为什么使用神经网络?这是生物性的。难道没有更多更“适合”计算机的解决方案吗 换句话说:为什么我们要用人脑作为人工智能灵感的模型Neural network 为什么我们在计算机中使用神经网络?,neural-network,Neural Network,我们为什么使用神经网络?这是生物性的。难道没有更多更“适合”计算机的解决方案吗 换句话说:为什么我们要用人脑作为人工智能灵感的模型 神经网络并不是真正的生物学。它们在非常普遍的层面上类似于神经元的结构,但如果说它们“与大脑一样”工作,那就太夸张了(有些神经网络倡导者鼓励这种夸张,唉) 神经网络主要用于模糊的、难以解决的问题,这些问题不会屈服于传统的算法方法。依我看,有更多“适合”计算机的解决方案,但有时这些解决方案不起作用,在这种情况下,一种方法是神经网络 人工智能是计算机科学的一个分支,致力于
人工智能是计算机科学的一个分支,致力于使计算机更具“生物性”。当你想让计算机做人类(生物)的事情,如下棋,或模拟随意的对话时,这是很有用的
在某些方面,人脑比最强大的计算机效率更高、功能更强大,因此尝试模仿生物处理信息的方式是有意义的。我所知道的大多数神经网络只不过是灵活的插值器。错误的反向传播既简单又快速,以下是一些可能的用途:
- 数据分类
- 一些游戏(现代双陆棋AI击败了世界上最好的玩家,评估函数是神经网络)
- 模式识别(OCR?)
注:当然,这并不意味着它们毫无用处!它们在许多领域都非常重要 我不明白这个问题。神经网络适用于某些函数,而不适用于其他函数。其他各种类型的算法也是如此,不管它们是从什么样的算法中得到启发的 如果我们有很多输入,我们想要一些输出,我们有一组已知期望输出的示例输入,我们不想自己计算一个函数,神经网络是非常优秀的。我们输入示例输入,将输出与示例输出进行比较,并以自动方式调整NN的内部工作,以使NN输出更接近所需的输出 这种函数推导在各种形式的模式识别和一般分类中非常有用。当然,这不是灵丹妙药。它没有解释力(因为你无法从内部看出它为什么以特定的方式对某些事物进行分类),它不能保证在一定范围内的正确性,验证它的工作情况是困难的,收集足够的示例进行培训和验证可能会很昂贵,甚至是不可能的。诀窍是知道何时使用NN以及使用哪种类型 当然,有些人把这些事情夸大为某种超级解决方案,甚至是对人类思想的解释,你可能会对此作出反应 我们为什么使用神经网络 因为它们构造简单,而且通常是解决某些问题的好方法,例如模式识别 难道没有更多更“适合”计算机的解决方案吗 是的,与计算机体系结构更紧密匹配的实现可能更适合计算机,但可能不太适合有效的解决方案 为什么我们要用人脑作为人工智能灵感的模型
因为我们的大脑是智能事物的最佳范例。神经网络已经存在了一段时间,最初是为了模拟我们当时对神经元在大脑中工作方式的理解。它们代表一个神经元网络,因此称为“神经网络”。由于计算机和大脑在硬件方面有很大的不同,用计算机实现任何类似大脑的东西都将相当笨拙。然而,正如到目前为止其他人所说的,神经网络可以用于一些模糊的事情,例如模式识别、面部识别和其他类似的用途。它们还可以作为神经元如何连接的基本模型,经常用于认知科学和其他人工智能领域,试图了解复杂人脑的一小部分如何做出简单的决定。不幸的是,一旦神经网络“学习”了一些东西,就很难理解它实际上是如何做出决定的 当然,神经网络存在许多误用,在大多数非研究性应用中,已经开发出其他更精确的算法。如果一个商业软件自豪地宣称它使用了一个神经网络,那么很可能它并不需要它,而是在用它来低效地执行一项可以用更简单的方式执行的任务。除非软件实际上是在运行中“学习”,这是非常罕见的,否则神经网络几乎毫无用处。即使软件在“学习”,有时神经网络也不是最好的选择