吴忠躺衫网络科技有限公司

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

神經網絡之父

工程師 ? 來源:未知 ? 作者:姚遠香 ? 2018-11-24 09:32 ? 次閱讀

人工智能領域有三大奠基人,分別是Geoffrey Hinton、Yann LeCun與Yoshua Bengio。今天主要圍繞“神經網絡之父”Geoffrey Hinton。

Geoffrey Hinton,被稱為“神經網絡之父”、“深度學習鼻祖”,他曾獲得愛丁堡大學人工智能的博士學位,并且為多倫多大學的特聘教授。在2012年,Hinton還獲得了加拿大基廉獎(Killam Prizes,有“加拿大諾貝爾獎”之稱的國家最高科學獎)。2013年,Hinton 加入谷歌并帶領一個AI團隊,他將神經網絡帶入到研究與應用的熱潮,將“深度學習”從邊緣課題變成了谷歌等互聯網巨頭仰賴的核心技術,并將HintonBack Propagation(反向傳播)算法應用到神經網絡與深度學習。

Geoffrey Hinton出生于戰后英國的溫布爾登,他的父親叫Howard Everest Hinton,是個英國昆蟲學家,喜歡研究甲殼蟲。他的母親Margaret是一位教師。而他們一家也都流淌著飽含聰明才智的DNA:他的叔叔是著名的經濟學家Colin Clark,正是他發明了“國民生產總值”這個經濟學術語;他的曾曾祖父是著名的邏輯學家George Boole,他發明的布爾代數(Boolean algebra)奠定了現代計算機科學的基礎。

早在1960年代,Geoffrey Hinton的高中時期,就有一個朋友告訴他,人腦的工作原理就像全息圖一樣。創建一個3D全息圖,需要大量的記錄入射光被物體多次反射的結果,然后將這些信息存儲進一個龐大的數據庫中。大腦儲存信息的方式居然與全息圖如此類似,大腦并非將記憶儲存在一個特定的地方,而是在整個神經網絡里傳播。Hinton為此深深的著迷。對Hinton來說,這是他人生的關鍵,也是他成功的起點。

當時的學術界普遍認為計算機在規則和邏輯方面做得最好,而神經網絡的概念根本就是錯誤的。但Hinton卻沒有絲毫動搖,并于1972年在愛丁堡大學攻讀博士學位時毅然選擇了神經網絡研究。每周,他的導師都會對他說:“你這是在浪費時間。”但Hinton的研究還是慢慢取得了一些成功。

博士畢業后,Hinton被里根政府的外交政策所困擾,因此帶著妻子搬到了多倫多,并接受了加拿大高級研究所的工作邀約。很快,Hinton組建起了一支專攻深度學習的人才團隊,其中就包括OpenAI的聯合創始人兼董事Ilya Sutskever。回憶起2000年的“人工智能寒冬”, Sutskever說道:“當時我們只有十個人左右,資金非常匱乏。

九年時間飛逝,當計算機終于有能力挖掘海量數據時,超級神經網絡開始在語音和圖像識別方面超越基于邏輯的人工智能。很快,業內的大型科技公司,如微軟、Facebook、谷歌等紛紛開始投資。2012年,谷歌公司的絕密實驗室GoogleX(現在名為X)宣布建立一個由16000個電腦處理器組成的神經網絡,并將其用在YouTube上。

隨后,該實驗室從YouTube上提取了數百萬個隨機的、沒有標簽視頻,輸入到這臺新的超級計算機中,并通過編程使其能夠理解所看到的內容。最終,神經網格從無數個關于貓的視頻中成功分辨出了貓,這也成為了人工智能領域發展過程中的一個激動人心的時刻。

之后,Hinton和他的助手們就成為了人工智能浪潮中的領導者。 2013年,Google X的高級研究員Jeff Dean將Hinton招進了谷歌。有趣的是,原本就不屬于體制內學者的Hinton,突然之間成為了體制的建立者。盡管觀點曾經被業界拋棄,但如今他卻成為人工智能行業里最炙手可熱的人物。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 神經網絡
    +關注

    關注

    42

    文章

    4781

    瀏覽量

    101178
  • 人工智能
    +關注

    關注

    1796

    文章

    47683

    瀏覽量

    240335
收藏 人收藏

    評論

    相關推薦

    人工神經網絡的原理和多種神經網絡架構方法

    在上一篇文章中,我們介紹了傳統機器學習的基礎知識和多種算法。在本文中,我們會介紹人工神經網絡的原理和多種神經網絡架構方法,供各位老師選擇。 01 人工神經網絡 ? 人工神經網絡模型之所
    的頭像 發表于 01-09 10:24 ?366次閱讀
    人工<b class='flag-5'>神經網絡</b>的原理和多種<b class='flag-5'>神經網絡</b>架構方法

    卷積神經網絡與傳統神經網絡的比較

    在深度學習領域,神經網絡模型被廣泛應用于各種任務,如圖像識別、自然語言處理和游戲智能等。其中,卷積神經網絡(CNNs)和傳統神經網絡是兩種常見的模型。 1. 結構差異 1.1 傳統神經網絡
    的頭像 發表于 11-15 14:53 ?745次閱讀

    BP神經網絡和卷積神經網絡的關系

    BP神經網絡(Backpropagation Neural Network)和卷積神經網絡(Convolutional Neural Network,簡稱CNN)是兩種在人工智能和機器學習領域
    的頭像 發表于 07-10 15:24 ?1738次閱讀

    BP神經網絡和人工神經網絡的區別

    BP神經網絡和人工神經網絡(Artificial Neural Networks,簡稱ANNs)之間的關系與區別,是神經網絡領域中一個基礎且重要的話題。本文將從定義、結構、算法、應用及未來發展等多個方面,詳細闡述BP
    的頭像 發表于 07-10 15:20 ?1312次閱讀

    rnn是遞歸神經網絡還是循環神經網絡

    RNN(Recurrent Neural Network)是循環神經網絡,而非遞歸神經網絡。循環神經網絡是一種具有時間序列特性的神經網絡,能夠處理序列數據,具有記憶功能。以下是關于循環
    的頭像 發表于 07-05 09:52 ?655次閱讀

    遞歸神經網絡是循環神經網絡

    遞歸神經網絡(Recurrent Neural Network,簡稱RNN)和循環神經網絡(Recurrent Neural Network,簡稱RNN)實際上是同一個概念,只是不同的翻譯方式
    的頭像 發表于 07-04 14:54 ?873次閱讀

    循環神經網絡和卷積神經網絡的區別

    循環神經網絡(Recurrent Neural Network,RNN)和卷積神經網絡(Convolutional Neural Network,CNN)是深度學習領域中兩種非常重要的神經網絡
    的頭像 發表于 07-04 14:24 ?1506次閱讀

    深度神經網絡與基本神經網絡的區別

    在探討深度神經網絡(Deep Neural Networks, DNNs)與基本神經網絡(通常指傳統神經網絡或前向神經網絡)的區別時,我們需要從多個維度進行深入分析。這些維度包括
    的頭像 發表于 07-04 13:20 ?1064次閱讀

    卷積神經網絡與循環神經網絡的區別

    在深度學習領域,卷積神經網絡(Convolutional Neural Networks, CNN)和循環神經網絡(Recurrent Neural Networks, RNN)是兩種極其重要
    的頭像 發表于 07-03 16:12 ?3715次閱讀

    反向傳播神經網絡和bp神經網絡的區別

    反向傳播神經網絡(Backpropagation Neural Network,簡稱BP神經網絡)是一種多層前饋神經網絡,它通過反向傳播算法來調整網絡中的權重和偏置,以達到最小化誤差的
    的頭像 發表于 07-03 11:00 ?870次閱讀

    bp神經網絡是深度神經網絡

    BP神經網絡(Backpropagation Neural Network)是一種常見的前饋神經網絡,它使用反向傳播算法來訓練網絡。雖然BP神經網絡在某些方面與深度
    的頭像 發表于 07-03 10:14 ?949次閱讀

    bp神經網絡和卷積神經網絡區別是什么

    BP神經網絡(Backpropagation Neural Network)和卷積神經網絡(Convolutional Neural Network,簡稱CNN)是兩種不同類型的人工神經網絡,它們在
    的頭像 發表于 07-03 10:12 ?1360次閱讀

    卷積神經網絡的原理是什么

    卷積神經網絡(Convolutional Neural Network,簡稱CNN)是一種深度學習模型,廣泛應用于圖像識別、語音識別、自然語言處理等領域。本文將詳細介紹卷積神經網絡的原理,包括其
    的頭像 發表于 07-02 14:44 ?810次閱讀

    卷積神經網絡和bp神經網絡的區別

    卷積神經網絡(Convolutional Neural Networks,簡稱CNN)和BP神經網絡(Backpropagation Neural Networks,簡稱BPNN)是兩種
    的頭像 發表于 07-02 14:24 ?4721次閱讀

    神經網絡架構有哪些

    神經網絡架構是機器學習領域中的核心組成部分,它們模仿了生物神經網絡的運作方式,通過復雜的網絡結構實現信息的處理、存儲和傳遞。隨著深度學習技術的不斷發展,各種神經網絡架構被提出并廣泛應用
    的頭像 發表于 07-01 14:16 ?869次閱讀
    大发888收获| e世博百家乐娱乐场| 百家乐官网的规则玩法| 百家乐官网赌博软件下载| 澳门顶级赌场娱乐平台| 大发888娱乐城 真钱下载| 大发888体育场| 真人百家乐蓝盾娱乐场| 百家乐游戏作弊| 百家乐庄闲的冷热| 疯狂百家乐官网游戏| 亚洲百家乐官网的玩法技巧和规则 | 大发888网址官方| 顶级赌场官方直营网| 战神国际娱乐平| 网上博彩网址| 百家乐官网视频双扣| 网络百家乐官网最安全| 送彩金百家乐官网平台| 8运24山风水图解| 百家乐斗地主下载| 百家乐suncity| 大发888认识的见解| 彩票游戏| 棋牌百家乐官网程序破解| 属蛇和属猪做生意| 百家乐怎么计算概率| 名人百家乐的玩法技巧和规则| 大发888娱乐城平台| 翁源县| 百家乐官网游戏机博彩正网| 新濠百家乐官网的玩法技巧和规则 | 百家乐网址皇冠现金网| 天博百家乐的玩法技巧和规则| 大发888.comwf| 百家乐官网娱乐城棋牌| 百家乐官网bp| 24山风水四大局| 百家乐桌子租| 百家乐官网闲拉长龙| 24山龙合向向合水秘诀|