遞歸神經(jīng)網(wǎng)絡(luò)之父認為機器人在2050年就會超過人類

　　4月19日消息，據(jù)《衛(wèi)報》報道，談到機器人的未來，遞歸神經(jīng)網(wǎng)絡(luò)之父、德國計算機科學(xué)家尤爾根·施米德胡貝（Jürgen Schmidhuber）在受訪時表示，“未來機器人對我們的關(guān)注將會如同我們對螞蟻的關(guān)注一樣。”他還稱，人工智能將會在2050年超過人類智能。

　　在柏林西部的一個倉庫后面的一個工作室中，一群國際科學(xué)家在討論我們的機器人未來。一位來自一家大型歐洲汽車廠商的工程師在發(fā)表一份謹慎樂觀的無人駕駛汽車進展報告。他解釋道，機器人汽車正在學(xué)習(xí)分辨汽車和行人、騎自行車者等相對容易受傷害的移動物體。有的機器人汽車已經(jīng)比人類更善于分辨不同的狗的品種。“但當(dāng)然，這些都只是小進展。”他說道。

　　接著，一位體格健壯的、身穿淡灰色西裝的男子上臺。“不久之后，最聰明、最重要的決策者可能不會是人類。”他說，臉上帶著在向青少年講解成長煩惱的家長般的憐憫微笑，“我，我們并不是瀕臨又一次工業(yè)革命，而是瀕臨一種新型的生命，它更像是一種創(chuàng)世大爆炸。”
?

　　尤爾根·施米德胡貝被稱為那個將會被首批擁有自主意識的機器人認作父親的人。該現(xiàn)年54歲的德國科學(xué)家所開發(fā)的算法讓我們能夠跟我們的計算機通話，也讓我們的智能手機能夠?qū)⑵胀ㄔ挿g成英語，但他并不是很熱衷于未來機器人的存在將主要是為人類服務(wù)的說法。

　　相反，他認為，機器智能不久之后將不僅僅匹敵人類智能，還將超過人類智能，未來的自主復(fù)制機器人工廠所設(shè)計和制造的抗熱機器人將能夠比皮薄的人類更接近于太陽的能源，它們最終將會在銀河系的小行星帶建立殖民地。施米德胡貝正試圖為機器人打造大腦。

　　在發(fā)表演講后，施米德胡貝解釋道，在瑞士阿爾卑斯盧加諾的一個實驗室里，他的公司Nnaisense已經(jīng)在開發(fā)可像嬰兒那樣運作的系統(tǒng)，他們給那些系統(tǒng)布置了一些小實驗，以便讓它們理解這個世界是如何運作的。他將此稱作是“真正的AI”。唯一的問題在于，它們?nèi)匀贿^于緩慢--目前只有10億的神經(jīng)連接，而人類大腦皮層的神經(jīng)連接數(shù)量則約為100萬億。

　　“不過，我們現(xiàn)在的趨勢是，我們的計算機每五年就能加快十倍，除非這一趨勢終止，否則只需25年我們就將開發(fā)出可媲美人類大腦的遞歸神經(jīng)網(wǎng)絡(luò)。我們距離實現(xiàn)動物級別的智能并不是差很多年的時間，比如烏鴉或者卷尾猴屬的智能。”

　　那具體是差多少年呢？“我想以年為單位要比以十年為單位好，但我并不想要將自己局限在4年到7年的時間范圍內(nèi)。”

　　被問到為何對自己的時間表如此有信心的時候，他提到了超光速引擎。我們的探討一下子從大爆炸跳到新石器時代的革命，從火藥的發(fā)明到萬維網(wǎng)的誕生。施米德胡貝指出，宇宙史上的重大事件的發(fā)生間隔似乎在指數(shù)式地縮短--前后兩個里程碑事件的間隔約為前一個間隔的四分之一。按照這種規(guī)律，機器智能超過人類智能似乎將會在2050年發(fā)生。

　　“到2050年，時間不會停止，但我們將會迎來比我們更加智能的AI，到那時候執(zhí)著于研究人類的生物圈將會變得沒什么意義。它們將會把歷史推向下一個階段，向有充裕資源的地方進發(fā)。幾百年后，它們將會在銀河系建立殖民地。”

　　他將這個時間關(guān)口稱作“omega”。Omega一詞最早由1888年出生于法國的耶穌會牧師德日進（Teilhard de Chardin）提出。施米德胡貝表示，他喜歡omega，“是因為它聽上去有點像‘oh my god’”。

　　爭議與批評

　　施米德胡貝作為機器智能教父的地位并非完全無可爭議。作為一位計算機科學(xué)家，有時候他的言論聽上去很不符合科學(xué)原理，令人震驚。他在柏林發(fā)表演講期間，就可以聽到觀眾席后面有人在抱怨。當(dāng)施米德胡貝概述機器人最終將會如何離開地球，“獨自去享受”探索宇宙的過程的時候，來自巴西的一位神經(jīng)系統(tǒng)科學(xué)家插話道：“這就是你要說的？機器人有去享樂的算法？你是在所有的這些科學(xué)界人士面前摧毀科學(xué)方法啊！太可怕了！”

　　被問到那些反應(yīng)時，施米德胡貝再一次露出那種憐憫的神情。“數(shù)十年來我的論文一直都備受爭議，所以我已經(jīng)習(xí)慣了這些常見的論調(diào)。但很多的神經(jīng)系統(tǒng)科學(xué)家其實并不清楚AI世界正在發(fā)生什么。”

　　但即便是在AI社區(qū)內(nèi)，施米德胡貝也有不少的批評者。聽到他的名字，數(shù)位從事人工智能領(lǐng)域的專業(yè)人士都指出，他的工作毫無疑問很有影響力，“甚至愈來愈有影響力”，但他“有點憤憤不平”。許多人都覺得他對于技術(shù)進步速度的樂觀是毫無依據(jù)的，甚至可能是非常危險的。有人稱，施米德胡貝遠遠稱不上機器人未來真正的預(yù)言家，他實際上是將人工智能推向類似于Segway平衡車（Segway誕生之時被吹捧為類似于PC發(fā)明的技術(shù)革命，但最終慘淡收場）的命運。

　　要理解施米德胡貝為什么既被認為是預(yù)言家，也被認為是笑話，必須要深入了解他的履歷。他于1963年在德國慕尼黑出生，青春期期間他會從家附近的圖書館借上一大堆的大眾科學(xué)書籍和科幻小說，之后他對機器人學(xué)產(chǎn)生興趣。他特別喜歡的書籍包括奧拉夫·斯泰普爾頓（Olaf Stapleton）的《造星人》（Star Maker）、ETA霍夫曼的《沙人》（The Sandman）以及萊姆·斯坦尼斯拉夫（Lem Stanislaw）的小說。

　　他說，他最崇拜的偶像是阿爾伯托·愛因斯坦（Albert Einstein）。“有時候，我會想，如果我打造出了比我自己還聰明，甚至比愛因斯坦還聰明的東西，那我可能會更有影響力。”他在慕尼黑工業(yè)大學(xué)獲得了數(shù)學(xué)和計算機科學(xué)學(xué)位，該大學(xué)在他30歲時授予其教授職位。

　　LSTM長短時記憶

　　1997年，施米德胡貝和他的學(xué)生塞普·霍赫賴特（Sepp Hochreiter）共同撰寫論文，提出一種讓人工神經(jīng)網(wǎng)絡(luò)通過記憶功能來獲得提升的方式，即根據(jù)之前獲得的信息增加解讀字詞或者圖像的模式的閉環(huán)。他們將其稱作長短時記憶（以下簡稱“LSTM”）。

　　當(dāng)時，AI正處在漫長的“寒冬”時期：技術(shù)沒能達到圍繞人工智能的第一波吹捧的水平，而且融資困難。1960年代，業(yè)界的希望在于，機器或許可以自上而下地理解錯綜復(fù)雜的世界。如果說目前該行業(yè)有什么新熱點，那就是一個似乎較為簡單的想法：機器或許可以引入一種相對基礎(chǔ)，但能夠讓它們自下而上地理解整個復(fù)雜的世界的算法。

　　1997年，施米德胡貝有關(guān)LSTM的論文遭到了麻省理工學(xué)院的駁回，但從現(xiàn)在來看它似乎是如今興起的深度學(xué)習(xí)背后的主要概念之一。2015年，谷歌宣布，利用LSTM，它成功將其語音識別軟件的錯誤率改善了近50%。LSTM是驅(qū)動亞馬遜Alexa的那個系統(tǒng)，蘋果去年也宣布它在使用LSTM來改進iPhone。

　　要是施米德胡貝當(dāng)初順利的話，那該概念會得到更多的認可。2015年，他在一篇措辭嚴(yán)苛的文章中抱怨道，在硅谷被尊崇為AI領(lǐng)域超級明星的三位加拿大計算機科學(xué)家--杰弗里·辛頓（谷歌）、雅恩·樂庫（Facebook）和約書亞·本吉奧（IBM）--“大量地相互引述各自的觀點”，但“沒有歸功于該領(lǐng)域的先驅(qū)者”。

　　在柏林發(fā)表演講和受訪期間，他反復(fù)強調(diào)稱，當(dāng)前圍繞計算機學(xué)習(xí)的熱潮其實“已經(jīng)過時了”，LSTM很多年前就達到了那一步了。他還覺得硅谷并沒有那么重要，他覺得該地區(qū)過多地被“劇烈的競爭”所主導(dǎo)，以至于所產(chǎn)生的價值不如歐洲的研究機構(gòu)。

　　聽施米德胡貝大談機器人的未來，你可能會有這樣的感覺：他不斷地談到高科技的烏托邦，只是確保他自己最終不會落得西斯托·羅德里格斯的境遇的一種策略。羅德里格斯很有影響力，但并沒有受到重視，進入榮譽圣殿的反而是硅谷人士。

　　機器人會奴役人類嗎？

　　鑒于施米德胡貝對科幻有著濃厚的興趣，他是否從未擔(dān)心過終有一天變得有自主意識的機器人會奴役我們，支配我們呢？他搖頭說道，“我們不會被奴役，至少因為我們對于能夠直接造出比我們先進得多的機器人的人來說很不適合做奴隸。”至于《黑客帝國》（The Matrix）中被囚禁的人類被用來驅(qū)動AI的情節(jié)，他也認為未來不會發(fā)生：“那是迄今為止最愚蠢的情節(jié)。當(dāng)讓機器人存貨的發(fā)電站能夠產(chǎn)生多得多的電力時，你為什么要使用人類的生物能源來驅(qū)動機器人呢？”

　　但假如那種情況會發(fā)生，機器人會不會將其視作更高效的完全消滅人類的方式呢？“就像所有的科學(xué)家那樣，智能程度高的AI會為生命和文明的起源感到著迷。但這種入迷在一段時間后會減弱，就像現(xiàn)在很多不知道世界起源的人那樣。一般來說，對我們而言最好的保護將會是它們對我們?nèi)狈εd趣，因為大多數(shù)物種最大的敵人都是自己人。它們對我們的關(guān)注，將會如同我們對螞蟻的關(guān)注一樣。”

　　這種類比似乎沒有他所希望的那么讓人心安。有時候我們不免會踩踏到螞蟻吧？有的人甚至?xí)褂没瘜W(xué)物品來毒害聚居一地的螞蟻。“當(dāng)然，那只是針對全球螞蟻群體很小的一部分，沒有人似乎想要消滅地球上所有的螞蟻。相反，當(dāng)聽到地球上螞蟻的數(shù)量比人類還要多時，大多數(shù)人都感到很高興，大多數(shù)的螞蟻處在巴西的叢林當(dāng)中。”

　　他引述哈佛教授艾德蒙·奧維爾森（Edmund O Wilson）最近引起爭議的主張稱，“我們或許比螞蟻要聰明得多，但地球上人類的總重量卻跟所有螞蟻的總重量相差無幾。”

　　會造成大規(guī)模失業(yè)嗎？

　　先不說科幻了。說說更加迫在眉睫的隱憂吧，比如造成大規(guī)模失業(yè)的自動化革命。在最近發(fā)表在《自然》（Nature）雜志的一篇文章中，AI研究員凱特·克勞福德（Kate Crawford）和網(wǎng)絡(luò)法律教授萊恩·卡洛（Ryan Calo）警告稱，說到用機器人替代人類的社會連鎖反應(yīng)，圍繞智能設(shè)計的新一波熱潮正造成危險的盲點。

　　對此，施米德胡貝也不是很擔(dān)心。他說，千禧年開始生下兩個女兒的時候，他就非常清楚機器人未來將會到來。“我給兩個女兒什么建議呢？我告訴她們：你們的爸爸覺得一切都會很好，即便可能會出現(xiàn)起起伏伏。準(zhǔn)備好去不斷做新的事情就好。準(zhǔn)備好學(xué)習(xí)如何去學(xué)習(xí)。”

　　“人類總是很善于創(chuàng)造原本并不存在的那些工作。大多數(shù)的人已經(jīng)在做一些奢侈的工作，就像你的工作和我的工作。”他說道，“預(yù)測哪些工作崗位將會消失并不是難事，但預(yù)測未來將會出現(xiàn)什么新崗位就不容易了。在1980年代，誰會想到30年后會有人做職業(yè)視頻游戲玩家或者YouTube明星就能賺到數(shù)百萬美元呢？”

　　“即便是醫(yī)療界備受尊敬的崗位也將會受到影響。2012年，機器人開始利用深度神經(jīng)網(wǎng)絡(luò)贏得癌癥篩查比賽。這是否就意味著醫(yī)生將會失業(yè)呢？當(dāng)然不是。這只是意味著，同一位醫(yī)生原本只夠治療一位病人的時間，將可用來治療10位病人。很多人將能夠用較少的錢就能享受到醫(yī)療研究成果。未來更多的人類生命將會得到拯救，人類的壽命也將會延長。”

　　他暢快地提出，日本、德國、韓國、瑞士等人均機器人較多的國家，失業(yè)率會相對較低。

　　機器人也會墜入愛河嗎？

　　每當(dāng)你試圖深入了解施米德胡貝對于機器人未來的樂觀愿景的時候，從根本上說你都會遇到一種非常簡單的情況。他說道，當(dāng)兩個生物存在利益沖突的時候，他們有兩種方式去解決沖突：要么是合作，要么是競爭。

　　被問到未來的機器人除了風(fēng)趣好玩之外，是否還將能夠墜入愛河的時候，他給出了肯定的回答，稱原因是“愛情很顯然是一種極端的合作形式。機器人的情感生活將會是多重多元戀的，而不是單配的：機器人之間將會有各種各樣的關(guān)系。它們將能夠分享各自的思想，這是人類目前無法做到的，又或者只有在相互對對方投入了大量的時間后才能做到。機器人還將會出現(xiàn)生物體之間不存在的融合。”

　　如果說愛情真的只是一種強烈的合作形式，那它為什么會讓人覺得很沒理性呢？我們?yōu)槭裁磿星橛兀繛槭裁磿械叫乃槟兀渴┟椎潞惔鸬溃拔覀円呀?jīng)有疼痛傳感器，因此機器人撞到什么東西的時候會覺得痛。我們最終也將會弄清楚情欲問題。說到底，它們都屬于同一樣?xùn)|西。”

　　敵托邦會否出現(xiàn)？

　　要是未來有家公司，比如蘋果或者谷歌，對統(tǒng)治世界的超級智能機器人形成壟斷，該怎么辦呢？施米德胡貝認為，那種敵托邦“沒什么可能會出現(xiàn)”。在這種場景中，合作也將會是王道。“智能的中心算法會非常地短。讓系統(tǒng)自行改進的算法可能只有10行虛擬程序代碼。我們目前缺少的可能只剩下5行代碼。”

　　“也許我們將會在我的小公司里開發(fā)出那10行代碼，但這年頭，即便是瑞士的銀行機密都要保不住，那些代碼不會停留在我的公司。它們會被泄露。或許印度的某位不知名人士將會想到那些代碼，并使得它能夠為所有人所使用。”

　　如果說那聽上去有點盲目樂觀，那也是因為施米德胡貝自身的經(jīng)歷--LSTM最初被駁斥，他也向來不信任“競爭劇烈的”硅谷--肯定讓他知道了競爭既能夠創(chuàng)造輸家，也能夠創(chuàng)造贏家。就個人感覺而言，他的樂觀態(tài)度會讓人放下警戒心，但我會為未來最先進的存在由尤爾根·施米德胡貝來促成的主意感到更加舒心，如果他愿意去澄清那些質(zhì)疑的話。

　　他在采訪結(jié)束時表示道歉：“我很抱歉令你像是跟個十幾歲的孩子對話似的。不過自1970年代和1980年代以來我一直都在說這些東西。現(xiàn)在唯一的區(qū)別在于，人們開始把我當(dāng)回事了。”

閱讀全文

機器人(200956) 機器人(200956)
AI(263626) AI(263626)
人工智能(229987) 人工智能(229987)

一種基于模糊神經(jīng)網(wǎng)絡(luò)的機器人控制技術(shù)

傳統(tǒng)的機器人控制技術(shù)大多是基于模型的控制方法，無法得到滿意的軌跡跟蹤效果，模糊控制和神經(jīng)網(wǎng)絡(luò)等人工智能的發(fā)展為解決機器人軌跡跟蹤問題提供了新的思路。本文采用高斯函數(shù)作為模糊隸屬函數(shù)，將模糊控制

2016-09-19 14:34:39

1737

嵌入式模擬智能為機器人提供了新的自主水平

機器人不僅需要人工智能（AI）才能實現(xiàn)自主。他們還需要大量傳感器，傳感器融合以及邊緣的實時推理。之前我們已經(jīng)嘗到了深度卷積神經(jīng)網(wǎng)絡(luò)的好處，如今來自激光雷達的更高數(shù)據(jù)處理的需求正在推動神經(jīng)網(wǎng)絡(luò)到新拓撲

2021-12-20 06:16:22

2015年，機器人有哪些好玩的事？

的市場。說完了外觀，我們再來看看它的實用性。Tomotaka Takahashi教授認為，只要這款機器人風(fēng)度翩翩，生動有趣的，那么人類就會與機器人有更多的互動。但是，如果消費者認為這種機器人對智能手機

2016-01-06 15:56:53

人類與機器人有感情產(chǎn)生嗎？

`　　之前看到周潤發(fā)的一部電影里面的一個機器人，讓我對機器人有了新的看法。里面的那個機器人表情豐富、機智幽默。　　現(xiàn)在人們疑惑的是人與人工智能的感情糾葛。　　人類會愛上機器人嗎?這無需大驚小怪。人

2017-11-10 10:18:39

機器變人類，你對仿生人持何看法？

的生命類型。人制造機器人，也可以消滅它。所以，人是優(yōu)勢物種。問題是，“后人類”會甘于淪為人類的奴隸嗎？——人工智能災(zāi)難或50年后降臨也可能助人類獲“永生”被譽為“人工大腦之父”的雨果·德·加里斯教授

2013-12-02 15:49:14

機器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)參數(shù)的代價函數(shù)

吳恩達機器學(xué)習(xí)筆記之神經(jīng)網(wǎng)絡(luò)參數(shù)的反向傳播算法

2019-05-22 15:11:21

機器人將取代人類，你覺得吶？

。在比賽開始之前……論壇投票結(jié)果……第一場比賽的結(jié)果……接下來還有四場比賽，但是小編認為機器人取得最后的勝利已然是定局了，而且比分很有可能是5:0 。不是小編藐視人類的智商，事實上AlphaGo是結(jié)合

2016-03-09 18:38:02

神經(jīng)網(wǎng)絡(luò)50例

神經(jīng)網(wǎng)絡(luò)50例

2012-11-28 16:49:56

神經(jīng)網(wǎng)絡(luò)Matlab程序

神經(jīng)網(wǎng)絡(luò)Matlab程序

2009-09-15 12:52:24

神經(jīng)網(wǎng)絡(luò)與SVM的模塊

大家有知道labview中神經(jīng)網(wǎng)絡(luò)和SVM的工具包是哪個嗎？求分享一下，有做這方面的朋友也可以交流一下，大家共同進步

2017-10-13 11:41:43

神經(jīng)網(wǎng)絡(luò)基本介紹

神經(jīng)網(wǎng)絡(luò)基本介紹

2018-01-04 13:41:23

神經(jīng)網(wǎng)絡(luò)教程（李亞非）

　　第1章概述　　1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展　　1.2 生物神經(jīng)元　　1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成　　第2章人工神經(jīng)網(wǎng)絡(luò)基本模型　　2.1 MP模型　　2.2 感知器模型　　2.3 自適應(yīng)線性

2012-03-20 11:32:43

神經(jīng)網(wǎng)絡(luò)移植到STM32的方法

將神經(jīng)網(wǎng)絡(luò)移植到STM32最近在做的一個項目需要用到網(wǎng)絡(luò)進行擬合，并且將擬合得到的結(jié)果用作控制，就在想能不能直接在單片機上做神經(jīng)網(wǎng)絡(luò)計算，這樣就可以實時計算，不依賴于上位機。所以要解決的主要是兩個

2022-01-11 06:20:53

神經(jīng)網(wǎng)絡(luò)簡介

神經(jīng)網(wǎng)絡(luò)簡介

2012-08-05 21:01:08

神經(jīng)網(wǎng)絡(luò)解決方案讓自動駕駛成為現(xiàn)實

的越來越大的挑戰(zhàn)。結(jié)論機器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)將沿著一條挑戰(zhàn)高效處理性能的發(fā)展道路繼續(xù)闊步前進。先進的神經(jīng)網(wǎng)絡(luò)架構(gòu)已經(jīng)顯現(xiàn)出優(yōu)于人類的識別精確性。用于生成網(wǎng)絡(luò)的最新框架，如 CDNN2，正在推動輕型、低功耗嵌入式神經(jīng)網(wǎng)絡(luò)的發(fā)展。這種神經(jīng)網(wǎng)絡(luò)將使目前的高級輔助駕駛系統(tǒng)具有較高的精確性及實時處理能力。`

2017-12-21 17:11:34

神經(jīng)網(wǎng)絡(luò)資料

基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法

2019-05-16 17:25:05

遞歸神經(jīng)網(wǎng)絡(luò)RNN槳距控制控制風(fēng)力發(fā)電機組精選資料分享

本文介紹了用于渦輪槳距角控制的永磁同步發(fā)電機（PMSG）和高性能在線訓(xùn)練遞歸神經(jīng)網(wǎng)絡(luò)（RNN）的混合模糊滑模損失最小化控制的設(shè)計。反向傳播學(xué)習(xí)算法用于調(diào)節(jié)RNN控制器。PMSG速度使用低于額定速度

2021-07-12 06:46:57

遞歸神經(jīng)網(wǎng)絡(luò)（RNN）

遞歸神經(jīng)網(wǎng)絡(luò)（RNN）RNN是最強大的模型之一，它使我們能夠開發(fā)如分類、序列數(shù)據(jù)標(biāo)注、生成文本序列（例如預(yù)測下一輸入詞的SwiftKey keyboard應(yīng)用程序），以及將一個序列轉(zhuǎn)換為另一個序列

2022-07-20 09:27:59

AI知識科普 | 從無人相信到萬人追捧的神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)的發(fā)展可以追溯到二戰(zhàn)時期，那時候先輩們正想著如何用人類的方式去存儲和處理信息，于是他們開始構(gòu)建計算系統(tǒng)。由于當(dāng)時計算機機器和技術(shù)的發(fā)展限制，這一技術(shù)并沒有得到廣泛的關(guān)注和應(yīng)用。幾十年

2018-06-05 10:11:50

MATLAB神經(jīng)網(wǎng)絡(luò)

2013-07-08 15:17:13

MATLAB神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)

遞歸網(wǎng)絡(luò)newelm 創(chuàng)建一Elman遞歸網(wǎng)絡(luò)2. 網(wǎng)絡(luò)應(yīng)用函數(shù)sim 仿真一個神經(jīng)網(wǎng)絡(luò)init 初始化一個神經(jīng)網(wǎng)絡(luò)adapt 神經(jīng)網(wǎng)絡(luò)的自適應(yīng)化train 訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)3. 權(quán)函數(shù)dotprod

2009-09-22 16:10:08

labview BP神經(jīng)網(wǎng)絡(luò)的實現(xiàn)

請問：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)故障診斷，在NI官網(wǎng)找到了機器學(xué)習(xí)工具包（MLT），但是里面沒有關(guān)于這部分VI的幫助文檔，對于”BP神經(jīng)網(wǎng)絡(luò)分類“這個范例有很多不懂的地方，比如

2017-02-22 16:08:08

matlab遞歸神經(jīng)網(wǎng)絡(luò)RNN實現(xiàn)：槳距控制控制風(fēng)力發(fā)電機組研究精選資料推薦

原文鏈接：http://tecdat.cn/?p=6585本文介紹了用于渦輪槳距角控制的永磁同步發(fā)電機（PMSG）和高性能在線訓(xùn)練遞歸神經(jīng)網(wǎng)絡(luò)（RNN）的混合模糊滑模損失最小化控制的設(shè)計。反向傳播學(xué)

2021-07-12 07:55:17

matlab實現(xiàn)神經(jīng)網(wǎng)絡(luò) 精選資料分享

習(xí)神經(jīng)神經(jīng)網(wǎng)絡(luò)，對于神經(jīng)網(wǎng)絡(luò)的實現(xiàn)是如何一直沒有具體實現(xiàn)一下：現(xiàn)看到一個簡單的神經(jīng)網(wǎng)絡(luò)模型用于訓(xùn)練的輸入數(shù)據(jù):對應(yīng)的輸出數(shù)據(jù):我們這里設(shè)置：1：節(jié)點個數(shù)設(shè)置：輸入層、隱層、輸出層的節(jié)點

2021-08-18 07:25:21

【AI學(xué)習(xí)】第3篇--人工神經(jīng)網(wǎng)絡(luò)

`本篇主要介紹：人工神經(jīng)網(wǎng)絡(luò)的起源、簡單神經(jīng)網(wǎng)絡(luò)模型、更多神經(jīng)網(wǎng)絡(luò)模型、機器學(xué)習(xí)的步驟：訓(xùn)練與預(yù)測、訓(xùn)練的兩階段：正向推演與反向傳播、以TensorFlow + Excel表達訓(xùn)練流程以及AI普及化教育之路。`

2020-11-05 17:48:39

【PYNQ-Z2試用體驗】神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識

神經(jīng)網(wǎng)絡(luò)首先來看一下維基百科對神經(jīng)網(wǎng)絡(luò)的定義：人工神經(jīng)網(wǎng)絡(luò)（英語：Artificial Neural Network，ANN），簡稱神經(jīng)網(wǎng)絡(luò)（Neural Network，NN）或類神經(jīng)網(wǎng)絡(luò)，在機器

2019-03-03 22:10:19

【案例分享】ART神經(jīng)網(wǎng)絡(luò)與SOM神經(jīng)網(wǎng)絡(luò)

今天學(xué)習(xí)了兩個神經(jīng)網(wǎng)絡(luò)，分別是自適應(yīng)諧振（ART）神經(jīng)網(wǎng)絡(luò)與自組織映射（SOM）神經(jīng)網(wǎng)絡(luò)。整體感覺不是很難，只不過一些最基礎(chǔ)的概念容易理解不清。首先ART神經(jīng)網(wǎng)絡(luò)是競爭學(xué)習(xí)的一個代表，競爭型學(xué)習(xí)

2019-07-21 04:30:00

【案例分享】基于BP算法的前饋神經(jīng)網(wǎng)絡(luò)

`BP神經(jīng)網(wǎng)絡(luò)首先給出只包含一個隱層的BP神經(jīng)網(wǎng)絡(luò)模型（兩層神經(jīng)網(wǎng)絡(luò)）： BP神經(jīng)網(wǎng)絡(luò)其實由兩部分組成：前饋神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)是前饋的，其權(quán)重都不回送到輸入單元，或前一層輸出單元（數(shù)據(jù)信息是單向

2019-07-21 04:00:00

人工神經(jīng)網(wǎng)絡(luò)原理及下載

人工神經(jīng)網(wǎng)絡(luò)是根據(jù)人的認識過程而開發(fā)出的一種算法。假如我們現(xiàn)在只有一些輸入和相應(yīng)的輸出，而對如何由輸入得到輸出的機理并不清楚，那么我們可以把輸入與輸出之間的未知過程看成是一個“網(wǎng)絡(luò)”，通過不斷地給

2008-06-19 14:40:42

人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)方法有哪些？

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實際問題。那有哪些辦法能實現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？

2019-08-01 08:06:21

人工神經(jīng)網(wǎng)絡(luò)課件

人工神經(jīng)網(wǎng)絡(luò)課件

2016-06-19 10:15:48

人臉識別、語音翻譯、無人駕駛...這些高科技都離不開深度神經(jīng)網(wǎng)絡(luò)了！

，如何用一個神經(jīng)網(wǎng)絡(luò)，寫出一套機器學(xué)習(xí)算法，來自動識別未知的圖像。一個 4 層的神經(jīng)網(wǎng)絡(luò)輸入層經(jīng)過幾層算法得到輸出層實現(xiàn)機器學(xué)習(xí)的方法有很多，近年被人們討論得多的方法就是深度學(xué)習(xí)。深度學(xué)習(xí)是一種實現(xiàn)

2018-05-11 11:43:14

什么是LSTM神經(jīng)網(wǎng)絡(luò)

簡單理解LSTM神經(jīng)網(wǎng)絡(luò)

2021-01-28 07:16:57

什么是圖卷積神經(jīng)網(wǎng)絡(luò)？

圖卷積神經(jīng)網(wǎng)絡(luò)

2019-08-20 12:05:29

優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法有哪些？

優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法有哪些？

2022-09-06 09:52:36

全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)有什么區(qū)別

全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

2019-06-06 14:21:42

分享機器學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的工作流程和相關(guān)操作

機器學(xué)習(xí)算法篇--卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)（Convolutional Neural Network）

2019-02-14 16:37:29

卷積神經(jīng)網(wǎng)絡(luò)一維卷積的處理過程

以前的神經(jīng)網(wǎng)絡(luò)幾乎都是部署在云端（服務(wù)器上），設(shè)備端采集到數(shù)據(jù)通過網(wǎng)絡(luò)發(fā)送給服務(wù)器做inference（推理），結(jié)果再通過網(wǎng)絡(luò)返回給設(shè)備端。如今越來越多的神經(jīng)網(wǎng)絡(luò)部署在嵌入式設(shè)備端上，即

2021-12-23 06:16:40

卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？

卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？

2022-09-08 10:23:10

卷積神經(jīng)網(wǎng)絡(luò)如何使用

卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會在意它呢? 對于這些非常中肯的問題，我們似乎可以給出相對簡明的答案。

2019-07-17 07:21:50

卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用

卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用轉(zhuǎn)載****地址：http://fcst.ceaj.org/CN/abstract/abstract2521.shtml深度學(xué)習(xí)是機器學(xué)習(xí)和人工智能研究的最新趨勢，作為一個

2022-08-02 10:39:39

卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點是什么

卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點

2020-05-05 18:12:50

卷積神經(jīng)網(wǎng)絡(luò)的層級結(jié)構(gòu)和常用框架

　　卷積神經(jīng)網(wǎng)絡(luò)的層級結(jié)構(gòu)　　卷積神經(jīng)網(wǎng)絡(luò)的常用框架

2020-12-29 06:16:44

卷積神經(jīng)網(wǎng)絡(luò)簡介：什么是機器學(xué)習(xí)？

抽象人工智能（AI）的世界正在迅速發(fā)展，人工智能越來越多地支持以前無法實現(xiàn)或非常難以實現(xiàn)的應(yīng)用程序。本系列文章解釋了卷積神經(jīng)網(wǎng)絡(luò) （CNN）及其在 AI 系統(tǒng)中機器學(xué)習(xí)中的重要性。CNN 是從

2023-02-23 20:11:10

卷積神經(jīng)網(wǎng)絡(luò)（CNN）是如何定義的？

什么是卷積神經(jīng)網(wǎng)絡(luò)？ImageNet-2010網(wǎng)絡(luò)結(jié)構(gòu)是如何構(gòu)成的？有哪些基本參數(shù)？

2021-06-17 11:48:22

反饋神經(jīng)網(wǎng)絡(luò)算法是什么

反饋神經(jīng)網(wǎng)絡(luò)算法

2020-04-28 08:36:58

基于BP神經(jīng)網(wǎng)絡(luò)的PID控制

最近在學(xué)習(xí)電機的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達能力，可以通過對系統(tǒng)性能的學(xué)習(xí)來實現(xiàn)具有最佳組合的PID控制。利用BP

2021-09-07 07:43:47

基于BP神經(jīng)網(wǎng)絡(luò)的辨識

2018-01-04 13:37:27

基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評估及局限性

FPGA實現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問題分析基于FPGA的ANN實現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評估及局限性

2021-04-30 06:58:13

基于K60的搬運機器人

任務(wù)。相比于傳統(tǒng)的編程方法，它更擅長處理一些人類很容易完成，但傳統(tǒng)計算機難以解決的問題，如語音識別，機器翻譯，人臉識別等等。自從近年來深度學(xué)習(xí)算法的提出，人工神經(jīng)網(wǎng)絡(luò)已漸漸地投入實際應(yīng)用中，如手機語音

2018-04-20 10:53:09

基于K60的搬運機器人

2018-04-20 10:53:09

基于RBF神經(jīng)網(wǎng)絡(luò)的辨識

2018-01-04 13:38:52

基于賽靈思FPGA的卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)設(shè)計

FPGA 上實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò) (CNN)。CNN 是一類深度神經(jīng)網(wǎng)絡(luò)，在處理大規(guī)模圖像識別任務(wù)以及與機器學(xué)習(xí)類似的其他問題方面已大獲成功。在當(dāng)前案例中,針對在 FPGA 上實現(xiàn) CNN 做一個可行性研究

2019-06-19 07:24:41

如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？

如何用stm32cube.ai簡化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？

2021-10-11 08:05:42

如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？

原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測的計算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測

2021-07-12 08:02:11

如何用卷積神經(jīng)網(wǎng)絡(luò)方法去解決機器監(jiān)督學(xué)習(xí)下面的分類問題？

人工智能下面有哪些機器學(xué)習(xí)分支？如何用卷積神經(jīng)網(wǎng)絡(luò)（CNN）方法去解決機器學(xué)習(xí)監(jiān)督學(xué)習(xí)下面的分類問題？

2021-06-16 08:09:03

如何設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法？

神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)

2019-08-08 06:11:30

嵌入式模擬智能機器人

2021-12-20 06:44:08

嵌入式模擬智能為機器人提供了新的自主水平

`機器人不僅需要人工智能（AI）才能實現(xiàn)自主。他們還需要大量傳感器，傳感器融合以及邊緣的實時推理。之前我們已經(jīng)嘗到了深度卷積神經(jīng)網(wǎng)絡(luò)的好處，如今來自激光雷達的更高數(shù)據(jù)處理的需求正在推動神經(jīng)網(wǎng)絡(luò)到

2019-04-16 10:07:33

工業(yè)機器人在五個領(lǐng)域的應(yīng)用

電影中還拯救了人類。但是讓我們從娛樂轉(zhuǎn)向正題，看看人類如何從與工廠自動化中涉及的不同類型的機器人的交互中受益，并且在與他們合作時仍然感到安全。畢竟，根據(jù)國際機器人聯(lián)合會的說法，到2018年，大約有

2019-03-06 06:45:09

有提供編寫神經(jīng)網(wǎng)絡(luò)預(yù)測程序服務(wù)的嗎？

有提供編寫神經(jīng)網(wǎng)絡(luò)預(yù)測程序服務(wù)的嗎？

2011-12-10 13:50:46

未來80%客服人員工作量將被智能語音電銷機器人替代

的核心技術(shù)是運用深度神經(jīng)網(wǎng)絡(luò)算法讓機器人進行各個行業(yè)銷售前端話術(shù)的深度學(xué)習(xí)。學(xué)習(xí)完銷售話術(shù)的機器人可以根據(jù)客戶電話中提出的問題迅速識別客戶的問題，并且準(zhǔn)確的熱情的回答客戶。反應(yīng)速度也是超過了人類一般

2018-03-13 13:27:40

求助地震波神經(jīng)網(wǎng)絡(luò)程序

求助地震波神經(jīng)網(wǎng)絡(luò)程序，共同交流！！

2013-05-11 08:14:19

求助基于labview的神經(jīng)網(wǎng)絡(luò)pid控制

小女子做基于labview的蒸發(fā)過程中液位的控制，想使用神經(jīng)網(wǎng)絡(luò)pid控制，請問這個控制方法可以嗎？有誰會神經(jīng)網(wǎng)絡(luò)pid控制么。。。叩謝

2016-09-23 13:43:16

求助大神關(guān)于神經(jīng)網(wǎng)絡(luò)的問題

求助大神小的現(xiàn)在有個難題：一組車重實時數(shù)據(jù) 對應(yīng)一個車重的最終數(shù)值（一個一維數(shù)組輸入對應(yīng)輸出一個數(shù)值）這其中可能經(jīng)過均值、方差、去掉N個最大值、、、等等的計算我的目的就是弄清楚這個中間計算過程最近實在想不出什么好辦法就打算試試神經(jīng)網(wǎng)絡(luò) 請教大神用什么神經(jīng)網(wǎng)絡(luò)好求神經(jīng)網(wǎng)絡(luò)程序

2016-07-14 13:35:44

簡單神經(jīng)網(wǎng)絡(luò)的實現(xiàn)

最簡單的神經(jīng)網(wǎng)絡(luò)

2019-09-11 11:57:36

輕量化神經(jīng)網(wǎng)絡(luò)的相關(guān)資料下載

原文鏈接：【嵌入式AI部署&基礎(chǔ)網(wǎng)絡(luò)篇】輕量化神經(jīng)網(wǎng)絡(luò)精述--MobileNet V1-3、ShuffleNet V1-2、NasNet深度神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用在圖像分類、物體檢測等機器

2021-12-14 07:35:25

非局部神經(jīng)網(wǎng)絡(luò)，打造未來神經(jīng)網(wǎng)絡(luò)基本組件

`將非局部計算作為獲取長時記憶的通用模塊，提高神經(jīng)網(wǎng)絡(luò)性能在深度神經(jīng)網(wǎng)絡(luò)中，獲取長時記憶（long-range dependency）至關(guān)重要。對于序列數(shù)據(jù)（例如語音、語言），遞歸運算

2018-11-12 14:52:50

基于神經(jīng)網(wǎng)絡(luò)的信息收集機器人導(dǎo)航界面

基于神經(jīng)網(wǎng)絡(luò)的信息收集機器人導(dǎo)航界面 Neural Network Based Navigation Interface for Robot of Information Collection

2009-03-16 15:18:07

一種改進的遞歸神經(jīng)網(wǎng)絡(luò)盲均衡算法

提出了一種新的基于遞歸神經(jīng)網(wǎng)絡(luò)的快速收斂盲均衡算法。設(shè)計中采用觀測信號的四階統(tǒng)計量構(gòu)造代價函數(shù)，簡化了系統(tǒng)的復(fù)雜度；利用實時遞歸學(xué)習(xí)算法對系統(tǒng)參數(shù)進行動態(tài)調(diào)

2009-05-10 12:01:50

一種基于遞歸神經(jīng)網(wǎng)絡(luò)的自適應(yīng)控制方法研究

本文針對快速、多變量、強非線性的復(fù)雜系統(tǒng)的控制問題，在強化學(xué)習(xí)方式的基礎(chǔ)上，提出一種新的自適應(yīng)控制方法。該方法在沒有先驗知識的條件下，基于遞歸神經(jīng)網(wǎng)絡(luò)并結(jié)合強

2009-08-13 08:36:55

神經(jīng)網(wǎng)絡(luò)在機器人運動控制中的應(yīng)用

運動控制是人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于機器人控制的重要內(nèi)容。本文就人工神經(jīng)網(wǎng)絡(luò)用于機器人運動學(xué)正解問題進行研究, 通過建立機器人運動學(xué)神經(jīng)網(wǎng)絡(luò)模型, 給出了相應(yīng)的BP 算法, 并對2R、

2011-06-28 11:04:32

基于人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)智能機器人的避障軌跡控制

基于人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)智能機器人的避障軌跡控制！資料來源網(wǎng)絡(luò)，如有侵權(quán)，敬請見諒

2015-11-30 11:33:30

基于神經(jīng)網(wǎng)絡(luò)信息融合的智能機器人

基于神經(jīng)網(wǎng)絡(luò)信息融合的智能機器人！資料來源網(wǎng)絡(luò)，如有侵權(quán)，敬請見

2015-11-30 11:33:20

基于模糊神經(jīng)網(wǎng)絡(luò)的機器人位置控制系統(tǒng)設(shè)計

本文將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合，設(shè)計一種基于模糊神經(jīng)網(wǎng)絡(luò)的機器人位置控制系統(tǒng)，并將其運用到機器人軌跡跟蹤控制系統(tǒng)中,本系統(tǒng)中，立體定位系統(tǒng)作為主要數(shù)據(jù)輸入通道，用于精確獲取目標(biāo)位置與機器人之間精確的相對位置。隨后將這些現(xiàn)場實時空間信息融入先前建立的空間模型。

2016-09-18 11:43:40

1720

移動機器人編隊的神經(jīng)網(wǎng)絡(luò)滑模控制

移動機器人編隊的神經(jīng)網(wǎng)絡(luò)滑模控制_朱玲

2017-01-07 17:16:23

改進遞歸最小二乘RBF神經(jīng)網(wǎng)絡(luò)溶解氧預(yù)測_袁紅春

2017-03-19 19:04:39

基于遞歸神經(jīng)網(wǎng)絡(luò)和前饋神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)預(yù)測算法

蛋白質(zhì)二級結(jié)構(gòu)預(yù)測是結(jié)構(gòu)生物學(xué)中的一個重要問題。針對八類蛋白質(zhì)二級結(jié)構(gòu)預(yù)測，提出了一種基于遞歸神經(jīng)網(wǎng)絡(luò)和前饋神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)預(yù)測算法。該算法通過雙向遞歸神經(jīng)網(wǎng)絡(luò)建模氨基酸間的局部和長程相互作用

2017-12-03 09:41:14

神經(jīng)網(wǎng)絡(luò)基本介紹

神經(jīng)網(wǎng)絡(luò)基本介紹，人工神經(jīng)網(wǎng)絡(luò)（簡稱神經(jīng)網(wǎng)絡(luò)，Neural Network）是模擬人腦思維方式的數(shù)學(xué)模型。 神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代生物學(xué)研究人腦組織成果的基礎(chǔ)上提出的，用來模擬人類大腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和行為。神經(jīng)網(wǎng)絡(luò)反映了人腦功能的基本特征，如并行信息處理、學(xué)習(xí)、聯(lián)想、模式分類、記憶等。

2017-12-06 15:07:50

基于BP神經(jīng)網(wǎng)絡(luò)的機器人感覺運動系統(tǒng)

自主負趨光行為。實驗結(jié)果表明機器人在建立的基于BP神經(jīng)網(wǎng)絡(luò)的人工感覺運動系統(tǒng)中，能夠通過多次的學(xué)習(xí)，實現(xiàn)自主負趨光行為，并且產(chǎn)生的行為與由生物所產(chǎn)生的行為一致。

2018-01-09 16:46:48

當(dāng)人工智能和機器人的能力超過人類時，機器人可能會把我們變成電池？

自從機器人誕生之后，我們心中就存在著巨大的恐懼：奇點，當(dāng)人工智能和機器人的能力超過人類時，技術(shù)發(fā)展進一步提速，文明被迫重啟，人類將陷入生存恐懼。更糟糕的是，機器人可能會把我們變成電池，就像《黑客帝國》描述的一樣。

2018-06-04 08:10:00

4507

BP神經(jīng)網(wǎng)絡(luò)概述

算法進行訓(xùn)練。值得指出的是，BP算法不僅可用于多層前饋神經(jīng)網(wǎng)絡(luò)，還可以用于其他類型的神經(jīng)網(wǎng)絡(luò)，例如訓(xùn)練遞歸神經(jīng)網(wǎng)絡(luò)。但我們通常說 “BP 網(wǎng)絡(luò)” 時，一般是指用 BP 算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)。

2018-06-19 15:17:15

42819

神經(jīng)網(wǎng)絡(luò)之父

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。

2018-11-24 09:32:31

7849

機器的理解能力已經(jīng)強大到可以超過人類？

機器理解能力將超過人類？

2019-08-27 16:01:51

2782

淺析三種主流深度神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)(MLP)，卷積神經(jīng)網(wǎng)絡(luò)(CNN)和遞歸神經(jīng)網(wǎng)絡(luò)(RNN)。 2、什么是深度神經(jīng)網(wǎng)絡(luò) 機器學(xué)習(xí)是一門多領(lǐng)域交叉學(xué)科，專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。它是人工

2023-05-15 14:20:01

550

三個最流行神經(jīng)網(wǎng)絡(luò)

在本文中，我們將了解深度神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識和三個最流行神經(jīng)網(wǎng)絡(luò)：多層神經(jīng)網(wǎng)絡(luò)(MLP)，卷積神經(jīng)網(wǎng)絡(luò)(CNN)和遞歸神經(jīng)網(wǎng)絡(luò)(RNN)。

2023-05-15 14:19:18

1096

基于寬度神經(jīng)網(wǎng)絡(luò)的微型仿魚機器人運動控制方法

研究團隊設(shè)計了以寬度神經(jīng)網(wǎng)絡(luò)為主體的微型機器人基本運動控制器；基于李雅普諾夫穩(wěn)定理論，推導(dǎo)了保障機器人運動穩(wěn)定的控制器網(wǎng)絡(luò)參數(shù)約束，簡化了不同運動基元的控制器參數(shù)訓(xùn)練學(xué)習(xí)過程。

2023-05-30 10:21:45

156

946

已全部加載完成

搜索歷史

遞歸神經(jīng)網(wǎng)絡(luò)之父認為機器人在2050年就會超過人類

評論