环球电气之家-午夜精彩视频-中国专业电气电子产品行业服务网站！

　　1.解密深度學習

　　1.1.人工智能的發展一直隨同人工神經網絡研究的進展而起伏

　　整個人工智能發展歷史，幾乎一直隨同人工神經網絡研究的進展而起起伏伏。近期引發人工智能新一輪熱潮的深度學習，其名稱中的“深度”某種意義上就是指人工神經網絡的層數，深度學習本質上是基于多層人工神經網絡的機器學習算法。

　　1.2.什么是人工神經網絡

　　人類大腦神經的信息活動與目前的計算機相比有三個不同的特性：

　　第一，巨量并行和容錯特性。人腦約有1000億個神經元，神經元之間約有上萬億的突觸連接，形成了迷宮般的網絡連接，大量的神經元信息活動是同時進行的，而非目前計算機按照指令一條條執行。此外人腦的這種巨量并行特性也使得其具有極好的容錯特性，壞掉一個晶體管就能毀掉一塊微處理器，但是大腦的神經元每時每刻都在死亡。

　　第二，信息處理和存儲單元結合在一起。目前計算機普遍采用馮洛伊曼架構，存儲器和處理器分離，通過總線傳遞數據。隨著處理的數據量海量地增長，總線有限的數據傳輸速率被稱為“馮·諾依曼瓶頸”，嚴重影響計算機的計算效率和功耗，人腦信息處理和存儲單元結合在一起，擁有極低的功耗（約20W左右）。

　　第三，自組織自學習功能。大腦在與外界互動的同時也會進行學習和改變，而不是像現在計算機遵循預設算法的固定路徑和分支運行。

　　基于以上幾點不同，人們一直嘗試模仿人類大腦神經元的信息活動機制來設計算法：信號通過突觸進入神經元細胞，神經細胞利用一種方式把所有從樹突上突觸進來的信號進行相加，如果全部信號的總和超過某個閥值，就會激發神經元細胞進入興奮狀態，這時就會有一個電信號通過軸突發送出去給其他神經細胞。如果信號總和沒有達到閥值，神經細胞就不會興奮起來，不會傳遞信號。

　　簡單的人工神經元數學模型就是讓每一個輸入到神經元的信號加權求和，相加后如果超過設定的閾值，就輸出“1”，沒有就輸出“0”。這樣若干個最簡單的神經元輸入輸出相連接，就構成了復雜的人工神經網絡。