什么是神经网络?

推特
推特
LinkedIn
分享
脸谱网
fb-share-icon

深度学习算法如何工作

您使用的许多人工智能(AI)使用每日使用或互动的产品是使用深度学习开发的,这是基于神经网络的机器学习(ML)的迷人子域。神经网络,也被称为人工神经网络(ANNS)以来,自20世纪70年代以来一直以某种形式存在于某种形式,但由于计算能力和数据存储的增加,它们遇到了新的普及水平。

对于构建人工智能的数据科学家和组织来说,神经网络有几个关键的好处。最重要的是,他们可以自己有机地学习,这样团队就不用在训练算法上投入大量的时间和金钱。考虑到这些优势,数据科学家越来越依赖深度学习技术来构建具有速度和可扩展性的创新人工智能技术。

神经网络的定义

一个人工神经网络是一种计算机模拟,试图建模人类大脑的进程,以模仿它学习的方式。这些系统基本上通过考虑示例来教导自己,通常没有人类的特定于任务编程,然后使用纠正反馈循环来提高它们的性能。这个过程,称为深度学习是一种使用数据表示的机器学习,而不是像传统软件那样使用特定任务的算法。深度学习已经应用于计算机视觉、语音识别、自然语言处理和音频识别等领域。这些算法的目标是创造更复杂的软件和机器,可以执行人类活动喜欢看、听、想。

神经网络技术如何运作

神经网络由节点层、输入层、输出层和一些隐藏层组成。节点彼此相连,每个节点都有特定的权重和偏差(阈值)。如果一个节点的输出高于其阈值,该节点将激活并将数据传递给网络的下一层。大多数神经网络是单向流动的,因此被认为是前馈的。

具有多个层次的神经网络被认为是深度神经网络(也称为深度学习算法)。当我们提到深度学习时,我们仅仅是指一个有几层深度的神经网络。

神经网络需要大量的数据来学习。神经网络分析该数据(称为培训数据)以识别模式和关系。bob体育手机下载提供的数据越多,神经网络将推断出关于它的规则并能够准确的预测。如果您提供具有标有相应名称标记的数千种不同鲜花的神经网络,则有效的神经网络将学会识别玫瑰,百合性等特征。

深度学习需要结构化数据

找到用于深度学习的数据并不是问题所在。我们共同生成每天以图像,视频,电子邮件以及更多的形式每天约为2.5千万千字节。但是这一数据的大量数据是非结构化和未标记的,因此可以挖掘和用于使智能决策的智能的丰富智慧被掩埋,并且在很大程度上无法使用。为了利用神经网络和深度学习的潜力,对培训算法具有由技术人员注释器构成的数据。

神经网络的用例

神经网络技术的成就近年来取得了惊人的进展。在一个2012大型视觉识别挑战例如,他们表现优于行业标准图像数据集的所有其他算法超过10%。最近纽约时报报道这是一个由科学家创造的人工智能程序瑞士AI实验室在卢加诺大学赢得了模式识别比赛。获胜的程序在一组50000个符号中成功识别了99.46%的图像,而人类的平均识别率为98.84%。像这样的研究表明,神经网络是目前最先进的算法,可以用来理解复杂的感觉数据。下面是一些神经网络技术的其他令人兴奋的使用案例

AutoML

科技公司已经注意到了这些改进,并正在寻求利用它们。例如,谷歌就有宣布利用新技术开发人工智能的一项重大举措被称为AutoML。利用该算法,神经网络使用机器学习在迭代过程中建立更复杂的神经网络。这些神经网络旨在教授自己,模仿人类脑通过称为强化学习的过程教导自己的方式。目标是创建更强大,高效且易于使用的网络。

决斗神经网络

神经网络也能够相互改进。《福布斯》曾报道过一项技术突破决斗神经网络。在这种方法中,神经网络实际上彼此竞争。目标是允许AI系统超越仅仅是学习并开发类似人类想象力的东西。谷歌大脑,深思熟虑和NVIDIA等组织正在努力开发能够创建超现实,计算机生成的图像和声音的系统,这些图像和声音远远超过我们今天看到的系统。

神经网络芯片

虽然大部分神经网络的开发都是在云端进行的,但该技术也开始出现在硬件领域。研究人员麻省理工学院已经创建了一个神经网络芯片。芯片可以利用机器学习,而无需将数据中继到基于云的应用程序。由MIT开发的原型已被证明可以将机器学习计算的速度提高至700%。作为额外的好处,功耗减少了93%至96%。芯片的更新版本,甚至更大的计算能力距离仅几年。

什么安抚可以为你做些什么

Appen拥有超过20年与不同行业的全球公司合作的经验,在解决各种数据挑战方面有着良好的记录。我们在超过235种语言和方言方面拥有深厚的专业知识,并接触到全球超过100万名熟练的承包商,帮助我们的客户收集和构建数据,以优化他们的机器学习算法。

我们与领先合作技术汽车,电子商务公司帮助他们开发、提高和使用依赖机器学习的产品。

联系我们今天我们将讨论构建神经网络和部署深度学习的结构化数据需求。

使用世界级培训数据部署AI的网站bob体育手机下载