神经网络
-
MIT新材料打造「人造突触2.0」，模拟深度学习训练提速100万倍！
近年来，随着科学家们不断推动机器学习的边界，训练日益复杂的神经网络模型所需的时间、能源和资金正在飞速增长。「模型能建，训练太慢」成为困扰越来越多研究人员的一个头疼问题。 最近，被称…
-
英伟达首席科学家：深度学习硬件的过去、现在和未来
过去十年是深度学习的“黄金十年”，它彻底改变了人类的工作和娱乐方式，并且广泛应用到医疗、教育、产品设计等各行各业，而这一切离不开计算硬件的进步，特别是GPU的革新。 深…
-
PNAS最新研究：81%解题率，神经网络 Codex 推开高等数学世界大门
近日，一项新研究发布于PNAS，再次刷新了神经网络的能力。这次神经网络被用来解决了高等数学题，而且还是麻省理工数学课程难度的数学题！ 在这项新研究中，研究团队证明了 OpenAI …
-
2022年深度学习的发展趋势与问题
我们将人工智能(AI)深度学习的又一年激动人心的发展抛在身后——这一年充满了显着的进步、争议，当然还有争议。在我们结束 2022 年并准备迎接 2023 年的到来之际，以下是今年深…
-
聊聊图像识别：循环神经网络
本文转载自微信公众号「活在信息时代」，作者活在信息时代。转载本文请联系活在信息时代公众号。 循环神经网络(Recurrent Neural Network，RNN)主要…
-
Richard Sutton 直言卷积反向传播已经落后，AI 突破要有新思路：持续反向传播
“可塑性损失”（Loss of Plasticity）是深度神经网络最常被诟病的一个缺点，这也是基于深度学习的 AI 系统被认为无法持续学习的原因之一。 对于人脑而言，“可塑性”是…
-
机器学习：不要低估树模型的威力
由于神经网络的复杂性，它们常常被认为是解决所有机器学习问题的「圣杯」。而另一方面，基于树的方法并未得到同等重视，主要原因在于这类算法看起来很简单。然而，这两种算法看似不同，却像一…
-
超高效人工光电神经元成真？速度比自然神经元快3万倍，研究登Nature子刊
在人工神经网络中，被称之为神经元的诸多组件被植入数据并协同来解决诸如人脸识别等问题。神经网络反复调整相互间的突触——一种神经元之间的连接，确定由此产生的行为模式是否为更佳的解决方案…
-
自组织映射神经网络（SOM）实战
译者 | 朱先忠 审校 | 孙淑娟 自组织映射的演变迭代gif动画示意图 1. 简介 自组织映射（SOM）是由芬兰赫尔辛基理工大学的Teuvo Kohonen在…
-
18张图直观理解神经网络、流形和拓扑
迄今，人们对神经网络的一大疑虑是，它是难以解释的黑盒。本文则主要从理论上理解为什么神经网络对模式识别、分类效果这么好，其本质是通过一层层仿射变换和非线性变换把原始输入做扭曲和变形，…
-
基于Pytorch Geometric和OGB构建图神经网络
译者 | 朱先忠 审校 | 孙淑娟 引言 深度学习为对非结构化数据进行预测开辟了一个全新的可能性世界。如今，人们常用卷积神经网络（CNN）处理图像数…
