发明大多源于模拟1——神经元
来源:互联网 发布:网络整合营销方案 编辑:程序博客网 时间:2024/04/29 17:46
记得从小就喜欢看科幻片,这是我并不多的从小保持到现在的爱好。在《我,机器人》进入我的世界后,我对机器人的好奇与渴望达到了一个高潮,并对智能化的世界充满了向往。谁不想要一个会做饭会铺床还长得帅的机器保镖?谁不想有一双闪着光还能和你讨论路边妹子的轮滑鞋?谁不想开着车想上天就上天,去月球看看你老爸在干嘛?
记得我刚接触深度学习的时候并没有出现阿法狗,所以相比起来这个话题还不像现在这么热。所以在图书馆找一本好书也是费了一番功夫。当我打开书,看到一个突触的时候,我又合上了,愣在了我年少时做生物课代表时的回忆。看了一下书名,觉得理想坍塌了。人工智能,就凭这开头四个字,打开后先不说要你各种冒公式旋转着把我吸进去,起码也得泛着蓝光有点科技感吧。好吧,有些东西到你面前你才知道它不是你想的样子。通往未来的路,还得从现在的东西看起。
神经元,通往未来的第一步。没错,和大脑里面的神经元一样,要想机器有“思维”,神经元是最最基本的单元。科学家们总能从生物圈中获得灵感。和我们的神经元相似,人工神经网络所需的神经元有一些树突X1,X2...——接收四面八方传来的信号,和一个或多个轴突Y——将信号传送出去。每个从树突输入的量都有其对应的权值w1,w2...,将每个量与其权值的乘积求和S=∑(Xi*wi),神经元的本次任务就完成一半了。这时,我们需要一个激励函数F,将刚才求得的和做一个计算,再将其输出Y=F(S),神经元的本次任务就光荣完成了。
大量神经元连接在一起作为一个神经网络时,它就初步具备了“思维”,不同的激励函数会使这个简易大脑呈现不同的功能。而这个简易大脑的记忆和思维则取决于每个神经元之间传输时的权值。为了使这个大脑更聪明,我们需要训练它,通过不断调整其中的各项权值使其做出的判断或得出的结果更加符合我们的意愿。
- 发明大多源于模拟1——神经元
- ApproxANN——神经元关键性分析
- 神经网络—神经元和神经网络MATBLE代码
- 深度学习笔记:稀疏自编码器(1)——神经元与神经网络
- 一切成功源于积累——20140108 镑美实盘(1)
- 一切成功源于积累——20140109 镑美实盘(1)
- 一切成功源于积累——20140109 美加实盘(1)
- 一切成功源于积累——20140110 镑美实盘(1)
- 一切成功源于积累——20140110 美加实盘(1)
- 一切成功源于积累——20140114 新美实盘(1)
- 一切成功源于积累——20140115 美加实盘(1)
- 深入理解zygote——1(代码源于GooGle)
- 神经元
- 神奇的发明 —— 百叶窗
- 深度学习系列(3.2)——神经网络-sigmoid 神经元
- IBM发明世界首个人造神经元,人工智能的底层硬件基石已完成!
- 不要重复发明轮子:C++重用的5重境界(1)——代码重用
- 发明
- MPAndroidChart 雷达图、饼图、气泡图、散点图、柱状图用法大全
- 《TCP/IP详解 卷1:协议》 读书笔记 第九章 IP选路
- LeetCode No.3 Longest Substring Without Repeating Characters
- Spring入门和基本操作
- Linux 设备总线驱动模型
- 发明大多源于模拟1——神经元
- 工作流引擎Activiti学习第四天(七)--- 设置获取与流程变量
- matlab中一些文件操作函数(fopen,fullfile等)
- 并查集
- JZOJ1248.【USACO题库】1.3.3 Calf Flac
- 离散题目2
- 矩阵填0--空间复杂度(1)
- linux设备模型之Class
- spark-submit提交任务到集群-案例