深度学习与神经网络课程的意义

2019-10-04 11:27:5703:06 303

声音简介

各位听众朋友大家好，我是主播欧锋。
现在为大家介绍：美国科学家特伦斯谢诺夫斯基所著《深度学习——智能时代的核心驱动力量》
语音合成的突破第3节。

另一个学会了如何形成英语动词过去时的网络,成了认知心理学领域中备受争议的问题,基于规则的保守派与前卫的PDP研究组展开了激烈的争论。"形成过去时的常规方法是给英文动词加上后缀“ed”，例如把“train'”变成“ trained"。但是有不规则形式的例外,例如把“run”变成“ran”。神经网络可以很好地适应规则和例外情况。虽然人们在这一点上已经很少争论了,但关于规则的显式表征( explicitrepresentation)在大脑中的角色这一问题,仍然有待回答。最近利用神经网络学习语言的实验支持了屈折形态学( inflectional morphology中的逐步获取概念,这与人类的学习方式是一致的。深度学习与谷歌翻译和其他自然语言应用相结合,在捕捉语言细微差别上获得的成功,进一步支持了大脑不需要使用显式语言规则的可能性,即便其实际行为可能体现了相反的结论。

杰弗里・辛顿、大卫・图雷斯基( David Touretzky)和我于1986年在卡内基ー梅隆大学组织了第一期联结主义暑期课程。那时候只有少数几所大学开设了神经网络课程。在一个基于话语网络的小游戏中、学生们逐层列队,每个学生代表网络中的一个单元(尽管他们在传播“ Seinowski”中的“”时发生了错误,因为它的发音
类似于“y”、并不遵循英文发音模式)。这些学生中的许多人随后都陆续获得了重要发现,并开创了各自的事业。1988年,第二期暑期课程在卡内基一梅隆大学开办,1990年第三期的举办地是加州大学圣送戈分校。新的想法在经历了一代人的时间后,才进入主流研究领域。这些暑期课程让所有人受益匪浅,也是我们在早期推广该领域的最佳投资。

20191004