0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

創(chuàng)建混合神經(jīng)網(wǎng)絡(luò)的未來(lái)

倩倩 ? 來(lái)源:雷鋒網(wǎng),上海市大數(shù)據(jù)股 ? 作者:雷鋒網(wǎng),上海市大 ? 2021-03-15 17:10 ? 次閱讀

深度學(xué)習(xí)是一個(gè)很大的領(lǐng)域,其核心是一個(gè)神經(jīng)網(wǎng)絡(luò)算法,神經(jīng)網(wǎng)絡(luò)的尺寸由數(shù)百萬(wàn)甚至數(shù)十億個(gè)不斷改變的參數(shù)決定。似乎每隔幾天就有大量的新方法提出。

然而,一般來(lái)說(shuō),現(xiàn)在的深度學(xué)習(xí)算法可以分為三個(gè)基礎(chǔ)的學(xué)習(xí)范式。每一種學(xué)習(xí)方法和信念都為提高當(dāng)前深度學(xué)習(xí)的能力和范圍提供了巨大的潛力和興趣。

混合學(xué)習(xí)-現(xiàn)代深度學(xué)習(xí)方法如何跨越有監(jiān)督和無(wú)監(jiān)督學(xué)習(xí)的界限,以適應(yīng)大量未使用的未標(biāo)記數(shù)據(jù)?

成分學(xué)習(xí)-如何采用一種創(chuàng)新的方法將不同的組件鏈接起來(lái)生成一個(gè)混合的模型,這個(gè)模型的效果比各個(gè)部分簡(jiǎn)單的加和效果要好?

簡(jiǎn)化學(xué)習(xí)-如何在保持相同或規(guī)模的預(yù)測(cè)能力的同時(shí),減少模型的大小和信息流,以達(dá)到性能和部署的目的?

深度學(xué)習(xí)的未來(lái)主要在于這三種學(xué)習(xí)范式,每一種都緊密鏈接。

近日,由英、意,瑞三國(guó)聯(lián)合創(chuàng)建的一個(gè)混合神經(jīng)網(wǎng)絡(luò)誕生了,其特殊之處在于使用互聯(lián)網(wǎng)將信號(hào)從生物神經(jīng)元傳輸?shù)饺斯ど窠?jīng)元。這可謂是神經(jīng)電子連接技術(shù)研究上的一重大突破,未來(lái)有望在我們的大腦與互聯(lián)網(wǎng)之間建立起連接,實(shí)現(xiàn)大腦可以與數(shù)據(jù)實(shí)時(shí)交互。當(dāng)然,這一概念從科學(xué)研究到實(shí)踐運(yùn)用還需要長(zhǎng)時(shí)間的探索,不如先從本周英國(guó)南安普敦大學(xué)發(fā)表的科學(xué)研究來(lái)一窺混合神經(jīng)網(wǎng)絡(luò)背后的原理。

該研究是從老鼠身上培養(yǎng)的生物神經(jīng)元,并可以通過(guò)一種類似生物突觸的元件將信息傳遞給人工神經(jīng)元,反之亦然。這項(xiàng)研究的所有三個(gè)要素:人工神經(jīng)元、生物神經(jīng)元和突觸部分位于世界的不同地方,通過(guò)互聯(lián)網(wǎng)連接起來(lái)。

在自然界,大腦通過(guò)一個(gè)龐大的神經(jīng)元網(wǎng)絡(luò)來(lái)運(yùn)作,神經(jīng)元通過(guò)電信號(hào)將信息發(fā)送到其他神經(jīng)元,這些信號(hào)被單獨(dú)稱為“動(dòng)作電位”(action potential)。神經(jīng)元之間相接觸的部位(這種信號(hào)在上面?zhèn)鬏敚┟麨橥挥|。神經(jīng)元只能沿一個(gè)方向發(fā)送信息。信號(hào)將通過(guò)一個(gè)神經(jīng)元傳送到輸出端。信息通過(guò)突觸傳輸,刺激接收端的下一個(gè)神經(jīng)元,依此類推。

生物神經(jīng)元是從大鼠身上培養(yǎng)的,精心組織后植入到了蘇黎世大學(xué)和蘇黎世聯(lián)邦理工學(xué)院的一個(gè)電極陣列上。借助精巧完善的實(shí)驗(yàn)室技術(shù),可以發(fā)送來(lái)自這些神經(jīng)元的電信號(hào),并接收捕獲的信號(hào)。

人工神經(jīng)元是在意大利帕多瓦大學(xué)研發(fā)的,被排列在硅微芯片上。就像生物神經(jīng)元一樣,人工神經(jīng)元能夠發(fā)送并接收可以讀取和測(cè)量的信號(hào)。在南安普敦大學(xué),科學(xué)家們使用了憶阻器(能夠傳遞電荷的微型電路部件)來(lái)制造物理器件,這種器件的作用是將信息從生物神經(jīng)元傳遞到人工神經(jīng)元,反之亦然。因而得到的人工突觸被稱為synpator。由于神經(jīng)元之間輸入和輸出的差異,構(gòu)造了兩個(gè)單獨(dú)的人工突觸來(lái)完成電路,一個(gè)代表大腦到硅片,另一個(gè)代表硅片到大腦。這兩個(gè)人工突觸中使用的尖端納米技術(shù)方面的細(xì)微差異導(dǎo)致了一條單向電路。從這個(gè)意義上說(shuō),該系統(tǒng)模仿大腦,信息只能沿一個(gè)方向通過(guò)其各自的系統(tǒng)來(lái)傳輸。

創(chuàng)建混合神經(jīng)網(wǎng)絡(luò)的未來(lái)

由于需要揭露人類思維的奧秘,因此我的哲學(xué)基礎(chǔ)促使我在技術(shù),技術(shù)之前接受了心理分析,心理學(xué)和神經(jīng)科學(xué)方面的培訓(xùn)。我致力于研究人類的思想,而沒有忽視作為硬件和計(jì)算開發(fā)人員多年的技術(shù)技能。

對(duì)我來(lái)說(shuō),人類是如此強(qiáng)大,以至于他從一開始就具有克服自己的能力和利用技術(shù)的優(yōu)勢(shì)。火的發(fā)現(xiàn),砂輪,用于制造工具的材料的處理是技術(shù)進(jìn)步,與我們今天開發(fā)的技術(shù)一樣重要。顯然,我們必須將每個(gè)人都定位在他的時(shí)代,但是全人類的進(jìn)步和成功故事的規(guī)模是毋庸置疑的。

這些進(jìn)步之一已經(jīng)在科學(xué)環(huán)境中應(yīng)用了不到一年,并且涉及到混合神經(jīng)網(wǎng)絡(luò)的創(chuàng)建。

我們認(rèn)為腦功能是可能的,因?yàn)樯窠?jīng)元回路是通過(guò)微觀但高度復(fù)雜的連接(稱為突觸)發(fā)生的。

在這個(gè)新概念中,科學(xué)家能夠創(chuàng)建一個(gè)混合神經(jīng)網(wǎng)絡(luò),位于世界各地的生物和人工神經(jīng)元可以通過(guò)Internet相互通信。使用尖端的納米技術(shù)開發(fā)出人工突觸的核心之后,這種交流才成為可能。

這個(gè)復(fù)雜的項(xiàng)目是在不同的歐洲國(guó)家開發(fā)的,每個(gè)項(xiàng)目分別負(fù)責(zé)該項(xiàng)目的不同部分。

該研究分為幾個(gè)部分。意大利是負(fù)責(zé)培養(yǎng)嚙齒動(dòng)物神經(jīng)元的國(guó)家,而瑞士則負(fù)責(zé)創(chuàng)建人工神經(jīng)元。另一方面,在英國(guó),正在開發(fā)它們之間進(jìn)行通信的過(guò)程,通過(guò)對(duì)發(fā)達(dá)的納米電子突觸進(jìn)行精細(xì)控制的配置來(lái)構(gòu)成虛擬實(shí)驗(yàn)室。

盡管這是一個(gè)初期且簡(jiǎn)化的過(guò)程,但對(duì)于科學(xué)來(lái)說(shuō)是巨大的進(jìn)步。在這個(gè)項(xiàng)目中,有可能通過(guò)互聯(lián)網(wǎng)將信息從生物神經(jīng)元傳輸?shù)饺斯ど窠?jīng)元,也可以反向傳輸。

這些第一步是神經(jīng)電子互聯(lián)網(wǎng)發(fā)展的關(guān)鍵。現(xiàn)在,研究人員預(yù)計(jì),他們的方法將激發(fā)人們對(duì)一系列科學(xué)學(xué)科的興趣,并加快神經(jīng)接口研究領(lǐng)域的創(chuàng)新和科學(xué)進(jìn)步的步伐。尤其是,無(wú)縫鏈接全球不同技術(shù)的能力是邁向這些技術(shù)民主化的一步,從而消除了協(xié)作的重要障礙。

另一方面,它為更復(fù)雜的混合網(wǎng)絡(luò)的研究打開了大門,該網(wǎng)絡(luò)可用于人類,以彌補(bǔ)某些缺陷,即為交換大腦和計(jì)算機(jī)之間的相互作用創(chuàng)造平臺(tái)。腦部功能失調(diào)。由AI芯片生成復(fù)雜的混合神經(jīng)網(wǎng)絡(luò)。顯然,鑒于研究的現(xiàn)狀,這將是一個(gè)有點(diǎn)未來(lái)主義的全景圖,但是到目前為止所取得的成就開辟了一系列可能性。

(雷鋒網(wǎng),上海市大數(shù)據(jù)股份,互聯(lián)網(wǎng)分析沙龍網(wǎng)綜合整理)

責(zé)任編輯:lq

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4749

    瀏覽量

    100433
  • 模型
    +關(guān)注

    關(guān)注

    1

    文章

    3121

    瀏覽量

    48663
  • 神經(jīng)元
    +關(guān)注

    關(guān)注

    1

    文章

    363

    瀏覽量

    18431
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡(jiǎn)稱CNN)是兩種在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域
    的頭像 發(fā)表于 07-10 15:24 ?1085次閱讀

    BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

    BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡(jiǎn)稱ANNs)之間的關(guān)系與區(qū)別,是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個(gè)基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及未來(lái)
    的頭像 發(fā)表于 07-10 15:20 ?737次閱讀

    如何利用Matlab進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練

    ,使得神經(jīng)網(wǎng)絡(luò)創(chuàng)建、訓(xùn)練和仿真變得更加便捷。本文將詳細(xì)介紹如何利用Matlab進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練,包括網(wǎng)絡(luò)創(chuàng)建、數(shù)據(jù)預(yù)處理、訓(xùn)練過(guò)程、參數(shù)調(diào)
    的頭像 發(fā)表于 07-08 18:26 ?1585次閱讀

    rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

    RNN(Recurrent Neural Network)是循環(huán)神經(jīng)網(wǎng)絡(luò),而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時(shí)間序列特性的神經(jīng)網(wǎng)絡(luò),能夠處理序列數(shù)據(jù),具有記憶功能。以下是關(guān)于循環(huán)
    的頭像 發(fā)表于 07-05 09:52 ?469次閱讀

    遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)

    遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡(jiǎn)稱RNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡(jiǎn)稱RNN)實(shí)際上是同一個(gè)概念,只是不同的翻譯方式
    的頭像 發(fā)表于 07-04 14:54 ?600次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

    循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)是深度學(xué)習(xí)領(lǐng)域中兩種非常重要的神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 14:24 ?1025次閱讀

    深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別

    在探討深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks, DNNs)與基本神經(jīng)網(wǎng)絡(luò)(通常指?jìng)鹘y(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò))的區(qū)別時(shí),我們需要從多個(gè)維度進(jìn)行深入分析。這些維度包括
    的頭像 發(fā)表于 07-04 13:20 ?587次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    在深度學(xué)習(xí)領(lǐng)域,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks, CNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Networks, RNN)是兩種極其重要
    的頭像 發(fā)表于 07-03 16:12 ?2252次閱讀

    反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    反向傳播神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network,簡(jiǎn)稱BP神經(jīng)網(wǎng)絡(luò))是一種多層前饋神經(jīng)網(wǎng)絡(luò),它通過(guò)反向傳播算法來(lái)調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置,以達(dá)到最小化誤差的
    的頭像 發(fā)表于 07-03 11:00 ?611次閱讀

    bp神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)是一種常見的前饋神經(jīng)網(wǎng)絡(luò),它使用反向傳播算法來(lái)訓(xùn)練網(wǎng)絡(luò)。雖然BP神經(jīng)網(wǎng)絡(luò)在某些方面與深度
    的頭像 發(fā)表于 07-03 10:14 ?609次閱讀

    bp神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡(jiǎn)稱CNN)是兩種不同類型的人工神經(jīng)網(wǎng)絡(luò),它們?cè)?/div>
    的頭像 發(fā)表于 07-03 10:12 ?900次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的原理是什么

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡(jiǎn)稱CNN)是一種深度學(xué)習(xí)模型,廣泛應(yīng)用于圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域。本文將詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)的原理,包括其
    的頭像 發(fā)表于 07-02 14:44 ?528次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡(jiǎn)稱CNN)和BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Networks,簡(jiǎn)稱BPNN)是兩種
    的頭像 發(fā)表于 07-02 14:24 ?2460次閱讀

    神經(jīng)網(wǎng)絡(luò)架構(gòu)有哪些

    神經(jīng)網(wǎng)絡(luò)架構(gòu)是機(jī)器學(xué)習(xí)領(lǐng)域中的核心組成部分,它們模仿了生物神經(jīng)網(wǎng)絡(luò)的運(yùn)作方式,通過(guò)復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)信息的處理、存儲(chǔ)和傳遞。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展,各種神經(jīng)網(wǎng)絡(luò)架構(gòu)被提出并廣泛應(yīng)用
    的頭像 發(fā)表于 07-01 14:16 ?561次閱讀

    助聽器降噪神經(jīng)網(wǎng)絡(luò)模型

    抑制任務(wù)是語(yǔ)音增強(qiáng)領(lǐng)域的一個(gè)重要學(xué)科, 隨著深度神經(jīng)網(wǎng)絡(luò)的興起,提出了幾種基于深度模型的音頻處理新方法[1,2,3,4]。然而,這些通常是為離線處理而開發(fā)的,不需要考慮實(shí)時(shí)性。當(dāng)使用神經(jīng)網(wǎng)絡(luò)
    發(fā)表于 05-11 17:15