0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

人工智能(AI)由模式识别技术主导

倩倩 来源:平行宇宙修真界 2020-04-17 15:44 次阅读

人工智能AI)由模式识别技术主导。近年来,由于深度学习的发展和完善,在图像识别、机器翻译、音频处理等领域取得了重大进展。但深度学习并不是解决所有问题的良方。事实上,它本身就是一种疾病。

任何生物系统,即使经过几代人的进化,也不需要像最先进的机器学习算法那样,为完成简单的任务而需要同样规模的训练数据。为了学习,大脑使用了许多衍生品以外的技术。动物能够发现新鲜事物并记住重大事件,即使它们只发生过一次。

这里有四个原因,其中之一,为什么人工智能社区应该思考超越深度学习。

1.深度神经网络有忘记所学模式的倾向,而活的大脑有可塑性和强健的记忆完整性。例如,人类,甚至一些动物可以记住一个面孔很多年,但仍然可以学习新的面孔,而不会忘记他们认识的面孔。

2.深度神经网络需要大量的数据来训练,这反过来又需要大量的计算能力。如果你不是一家财力雄厚的大型计算机公司,这将是一个重大障碍。所需的计算能力取决于三个主要因素:输入数据的维数、模型的复杂性和训练算法的复杂性。

3.神经网络就像黑匣子,通常不适合需要可解释性的应用程序。就业、贷款、教育、医疗和家庭助理等领域都需要解释。在金融领域,预测价格变化的机器对公司来说是一个重大胜利,但如果没有可解释的因素,可能很难让监管机构相信它没有违反任何规定。同样,在涉及信任的交易中,例如信用卡应用程序,必须解释批准或拒绝的原因。在业务应用程序中,建立客户的信任是至关重要的,决策需要是可解释的。

4.所学的知识并不是真正可以转移的。如果人工智能要发挥其潜力,这一点非常重要。当动物接触到新的环境时,它们会不断地参照先前的学习。例如,你可能从来没有亲自开过卡车,但是开过一辆汽车,你就能很快地学会汽车的各种基本运行规律,并且比你从来没有开过任何汽车更快地整合你以前的驾驶技能。

显然有必要解决这些问题,而要做到这一点,就需要超越深度神经网络。一些人工智能技术可以潜在地解决这些缺点,如自适应共振理论、可信最大化和神经模糊系统。

自适应共振理论(ART)解决了稳定性与可塑性的问题,在不丧失现有知识的情况下获得新的知识。它也被称为增量式学习或在线学习,因为它不需要对其模型进行再培训,这是一个优势,因为再培训是丢失现有知识的主要原因之一。

可信最大化(Cogency maximization)或虚构(confabulation)有助于解决可解释性问题,对于解决就业、贷款、教育、卫生保健和家庭助理等应用程序也很方便。基于cogency maximizbased模型的另一个优点是,它们的计算量较小,易于训练。

模糊集系统允许数据表示介于二进制(例如,冷/热)和连续(例如,0%-100%热)表示之间。相反,模糊系统允许您用模糊表示(0%冷、20%热和80%热)来表示数据。乍一看,这似乎有些武断,但它允许对细节和逻辑创建进行更细致的表达。例如,恒温器可以使用这些数据在冷百分比过高时打开炉子,在热百分比过高时打开空调。

这种类型的逻辑创建可以很容易地用自然语言解释,并且很容易理解。神经模糊系统将模糊系统的特征与神经网络进行某种程度的融合,以简化模型或提供更好的解释能力。其中一些系统使用模糊规则代替不透明的神经激活函数。其中一些系统作为神经网络进行训练,然后在数学上转换成模糊规则集。其中一些系统在保持模糊可解释性的同时,还利用模糊逻辑和模糊记忆来表现出神经网络的行为。

自适应共振理论、可信最大化和神经模糊系统可能不是什么新概念,但它们似乎被研究人员忽视了。这些研究人员受到了微型超级计算机的强大功能的鼓舞,这些微型计算机由无底洞般的企业资金支持。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 神经网络
    +关注

    关注

    42

    文章

    4771

    浏览量

    100736
  • 人工智能
    +关注

    关注

    1791

    文章

    47229

    浏览量

    238330
  • 模糊系统
    +关注

    关注

    0

    文章

    15

    浏览量

    7791
收藏 人收藏

    评论

    相关推荐

    AI for Science:人工智能驱动科学创新》第6章人AI与能源科学读后感

    不仅提高了能源的生产效率和管理水平,还为未来的可持续发展提供了有力保障。随着技术的不断进步和应用场景的不断拓展,人工智能将在能源科学领域发挥更加重要的作用。 总结 《AI for Science:
    发表于 10-14 09:27

    AI for Science:人工智能驱动科学创新》第4章-AI与生命科学读后感

    很幸运社区给我一个阅读此书的机会,感谢平台。 《AI for Science:人工智能驱动科学创新》第4章关于AI与生命科学的部分,为我们揭示了人工智能技术在生命科学领域中的广泛应用和
    发表于 10-14 09:21

    AI for Science:人工智能驱动科学创新》第二章AI for Science的技术支撑学习心得

    人工智能在科学研究中的核心技术,包括机器学习、深度学习、神经网络等。这些技术构成了AI for Science的基石,使得AI能够处理和分析
    发表于 10-14 09:16

    AI for Science:人工智能驱动科学创新》第一章人工智能驱动的科学创新学习心得

    人工智能:科学研究的加速器 第一章清晰地阐述了人工智能作为科学研究工具的强大功能。通过机器学习、深度学习等先进技术AI能够处理和分析海量数据,发现传统方法难以捕捉的
    发表于 10-14 09:12

    risc-v在人工智能图像处理应用前景分析

    、RISC-V在人工智能图像处理中的应用案例 目前,已有多个案例展示了RISC-V在人工智能图像处理中的应用潜力。例如: Esperanto技术公司 :该公司制造的首款高性能RISC-V AI
    发表于 09-28 11:00

    人工智能ai 数电 模电 模拟集成电路原理 电路分析

    人工智能ai 数电 模电 模拟集成电路原理 电路分析 想问下哪些比较容易学 不过好像都是要学的
    发表于 09-26 15:24

    人工智能ai4s试读申请

    目前人工智能在绘画对话等大模型领域应用广阔,ai4s也是方兴未艾。但是如何有效利用ai4s工具助力科研是个需要研究的课题,本书对ai4s基本原理和原则,方法进行描诉,有利于总结经验,拟
    发表于 09-09 15:36

    名单公布!【书籍评测活动NO.44】AI for Science:人工智能驱动科学创新

    大力发展AI for Science的原因。 第2章从科学研究底层的理论模式与主要困境,以及人工智能三要素(数据、算法、算力)出发,对AI for Science的
    发表于 09-09 13:54

    报名开启!深圳(国际)通用人工智能大会将启幕,国内外大咖齐聚话AI

    8月28日至30日,2024深圳(国际)通用人工智能大会暨深圳(国际)通用人工智能产业博览会将在深圳国际会展中心(宝安)举办。大会以“魅力AI·无限未来”为主题,致力于打造全球通用人工智能
    发表于 08-22 15:00

    FPGA在人工智能中的应用有哪些?

    定制化的硬件设计,提高了硬件的灵活性和适应性。 综上所述,FPGA在人工智能领域的应用前景广阔,不仅可以用于深度学习的加速和云计算的加速,还可以针对特定应用场景进行定制化计算,为人工智能技术的发展提供有力支持。
    发表于 07-29 17:05

    图像识别属于人工智能

    属于。图像识别人工智能(Artificial Intelligence, AI)领域的一个重要分支。 一、图像识别概述 1.1 定义 图像识别
    的头像 发表于 07-16 10:44 1096次阅读

    机器视觉和人工智能的关系与应用

    机器视觉和人工智能的关系是一个广泛而深入的话题,涉及到计算机科学、电子工程、光学、图像处理、模式识别等多个领域。 一、机器视觉和人工智能的定义 机器视觉的定义 机器视觉是一种使计算机能够理解和解
    的头像 发表于 07-16 10:27 916次阅读

    人工智能的语音识别技术详解

    随着科技的飞速发展,人工智能AI技术已经渗透到我们生活的方方面面,其中语音识别技术作为AI
    的头像 发表于 07-01 11:39 1210次阅读

    5G智能物联网课程之Aidlux下人工智能开发(SC171开发套件V2)

    Aidlite-SDK模型推理 https://v2.docs.aidlux.com/sdk-api/aidlite-sdk/aidlite-python 人工智能 5G AIoT技术实践入门与探索_V2 59分
    发表于 05-10 16:46

    嵌入式人工智能的就业方向有哪些?

    。 国内外科技巨头纷纷争先入局,在微软、谷歌、苹果、脸书等积极布局人工智能的同时,国内的BAT、华为、小米等科技公司也相继切入到嵌入式人工智能的赛道。那么嵌入式AI可就业的方向有哪些呢? 嵌入式
    发表于 02-26 10:17