天富平台公司 - 天富平台APP下载|天富平台代理【官网登录】

【天富招商】为什么神经网络可以有效地进行预测

《【天富招商】为什么神经网络可以有效地进行预测》

人工智能、机器学习和神经网络是日常生活中越来越常见的术语。面部识别、对象检测以及人的分类和分割是机器学习算法的常见任务,这些算法现在已得到广泛使用。这些功能的基础都是机器学习,这意味着计算机可以捕获对象之间关系非常复杂的过程的基本属性或关键特征。学习过程包含很多例子,包括以前没有的物体或物理基本定律的知识。

但是,由于这是一个盲目的优化过程,因此机器学习就像一个黑匣子。计算机做出他们认为有效的决定,但尚不了解为什么要做出一个决定而不做出另一个决定,因此该方法的内部机制仍不清楚。结果,机器学习针对紧急情况做出的预测是冒险的,并且绝不可靠,因为结果可能具有不确定性。

在这项研究中,由URV化学工程系的弗拉基米尔·鲍林(Vladimir Baulin)组成的研究小组,马克·沃纳(Marc Werner,德累斯顿的莱比尼兹聚合物研究所)和亚雄国(中国南京大学)进行了神经网络预测检查它们是否与实际结果一致。为此,他们选择了一个定义明确的实际示例:神经网络必须设计一个在尽可能短的时间内穿过脂质膜的聚合物分子。脂质膜是一种天然屏障,可保护细胞免受损伤和外部成分的侵害。为了监控神经网络的预测,

【天富代理官网】FCA推出40公里电动续航里程的2021吉普牧马人4XE

吉普牧马人4XE【天富最高待遇多少?】【天富最大总代】

弗拉基米尔·鲍林(Vladimir Baulin)解释说:“传统的计算机处理器最多可以包含12-24个核用于计算,但是图形卡被设计为可以对图像和视频像素进行并行计算,并且它们具有数千个为并行计算而优化的计算核心。

这种巨大的计算能力仅在几秒钟或几分钟内即可生成数以亿计的聚合物组合。这样,可以生成包含所有可能组合的映射,因此可以监视神经网络如何选择正确的结果。

鲍林指出:“ 令人惊讶的是,像神经网络这样的简单,最小的网络可以找到分子的组成。” “这可能是由于以下事实:物理系统遵守自然规律,本质上是对称的并且是自相似的。这大大减少了神经网络随后捕获的可能参数组合的数量。”

因此,将神经网络的结果与实际结果进行比较,不仅可以检查预测,还可以显示如果任务发生更改,预测将如何演变。反过来,这也显示了神经网络如何做出决策以及它们如何“思考”。

【天富代理最高待遇多少?】【天富平台最高奖金】

【天富平台代理奖金】机器人在未来会结婚吗?

机器人

点赞