在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

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(xiàn)課程
  • 觀(guān)看技術(shù)視頻
  • 寫(xiě)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

一種新型的神經(jīng)網(wǎng)絡(luò)——受大腦結(jié)構(gòu)啟發(fā)的機(jī)器學(xué)習(xí)系統(tǒng)

電子工程師 ? 來(lái)源:大數(shù)據(jù)文摘 ? 作者:大數(shù)據(jù)文摘 ? 2021-04-15 09:41 ? 次閱讀

天文學(xué)家花了幾個(gè)世紀(jì)才弄明白的規(guī)律,如果從頭交給機(jī)器學(xué)習(xí)算法去領(lǐng)悟,能重現(xiàn)被發(fā)現(xiàn)嗎?

蘇黎世瑞士聯(lián)邦理工學(xué)院(ETH)物理學(xué)家Renato Renner的團(tuán)隊(duì)就進(jìn)行了這樣讓AI“重回16世紀(jì)”的嘗試。

他們開(kāi)發(fā)了一種新型的神經(jīng)網(wǎng)絡(luò)——受大腦結(jié)構(gòu)啟發(fā)的機(jī)器學(xué)習(xí)系統(tǒng)。然后,這個(gè)算法通過(guò)檢測(cè)太陽(yáng)和火星相對(duì)于地球的運(yùn)動(dòng),竟然能夠得出太陽(yáng)位于太陽(yáng)系中心的結(jié)論。

也就是說(shuō),讓機(jī)器自學(xué)哥白尼時(shí)代的基礎(chǔ)物理知識(shí)和相關(guān)軌道運(yùn)行信息,它能夠自行得出“太陽(yáng)中心說(shuō)”的結(jié)論,甚至還自行推出了哥白尼提出的的火星運(yùn)動(dòng)軌跡公式。

這一有趣的結(jié)論被小組成員們稱(chēng)為“重新發(fā)現(xiàn)了科學(xué)史上最重要的轉(zhuǎn)折之一”,堪稱(chēng)人工智能領(lǐng)域“哥白尼”的誕生。

“哥白尼”神經(jīng)網(wǎng)絡(luò)誕生

從前,地球一直被認(rèn)為是宇宙的中心,天文學(xué)家們用行星的小周期運(yùn)轉(zhuǎn)(本輪)來(lái)解釋火星的運(yùn)動(dòng)。 直到16世紀(jì),哥白尼發(fā)現(xiàn),如果假設(shè)地球和其他行星都在繞太陽(yáng)公轉(zhuǎn),則可以用更簡(jiǎn)單的公式來(lái)歸納行星運(yùn)動(dòng)規(guī)律。

這一發(fā)現(xiàn)堪稱(chēng)在人類(lèi)科學(xué)史上的“高光時(shí)刻”之一,不僅在天文學(xué)上,在歷史、宗教領(lǐng)域都帶來(lái)了不可超越的重大影響。

據(jù)報(bào)道,這一人類(lèi)花了幾個(gè)世紀(jì)才弄清楚的行星運(yùn)轉(zhuǎn)規(guī)律, 也可以被算法短時(shí)間模擬

來(lái)自ETH的研究團(tuán)隊(duì)稱(chēng),他們的算法可以根據(jù)太陽(yáng)和火星的運(yùn)動(dòng)軌道以及它們相對(duì)于地球的位置,推論出太陽(yáng)位于太陽(yáng)系的中心位置——這一壯舉是這項(xiàng)技術(shù)的第一個(gè)測(cè)試。

加拿大多倫多大學(xué)物理學(xué)家Mario Krenn表示,該研究小組的神經(jīng)網(wǎng)絡(luò)得出了哥白尼提出的的火星運(yùn)動(dòng)軌跡公式,重新發(fā)現(xiàn)了科學(xué)史上最重要的轉(zhuǎn)折之一。下一步,研究人員希望通過(guò)得出大數(shù)據(jù)的普遍規(guī)律和模式,用于新的物理定律的發(fā)現(xiàn),并重新制定量子力學(xué)。

傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)通過(guò)收集和分析龐大的數(shù)據(jù)(如圖像和聲音)來(lái)自我訓(xùn)練。通過(guò)大數(shù)據(jù),神經(jīng)網(wǎng)絡(luò)可以總結(jié)出某類(lèi)型事物特征的規(guī)律,例如,用“四只腿”和“尖耳朵”來(lái)識(shí)別貓。這些特征在其數(shù)學(xué)“節(jié)點(diǎn)”(人造神經(jīng)元)上被編碼。 但是,神經(jīng)網(wǎng)絡(luò)無(wú)法自動(dòng)將這些信息提煉成幾個(gè)易于解釋的規(guī)則,它是一個(gè)黑匣子,以一種無(wú)法預(yù)測(cè)且難以解釋的方式,將其獲得的知識(shí)分布在成千上萬(wàn)個(gè)結(jié)點(diǎn)上。

Renner的團(tuán)隊(duì)設(shè)計(jì)了一種“遲鈍型”的神經(jīng)網(wǎng)絡(luò)——由兩個(gè)僅通過(guò)少數(shù)幾個(gè)鏈接相互連接子網(wǎng)絡(luò)組成。其中第一個(gè)子網(wǎng)絡(luò)具備傳統(tǒng)的數(shù)據(jù)學(xué)習(xí)功能,另一個(gè)子網(wǎng)絡(luò)則使用學(xué)習(xí)得到的經(jīng)驗(yàn)得出新的預(yù)測(cè)并測(cè)試。 由于兩個(gè)子網(wǎng)絡(luò)間相互連接的鏈路很少,因此第一個(gè)網(wǎng)絡(luò)以壓縮格式將信息傳遞給另一側(cè)。Renner表示,整個(gè)過(guò)程有點(diǎn)像老師將知識(shí)傳授給學(xué)生。

解決更復(fù)雜問(wèn)題的希望,或有可能解決量子力學(xué)矛盾

盡管該算法能夠推導(dǎo)出理論公式,但仍需要人親自來(lái)解釋這些公式,并得出它們與行星繞太陽(yáng)運(yùn)動(dòng)的關(guān)系,但是,哥倫比亞大學(xué)的機(jī)器人學(xué)家Hod Lipson仍認(rèn)為這項(xiàng)工作十分重要,因?yàn)樗軌虻贸雒枋鑫锢硐到y(tǒng)的關(guān)鍵參數(shù)。 他認(rèn)為,這些技術(shù)是我們理解并跟上物理學(xué)中其他更復(fù)雜現(xiàn)象的希望。

Renner的團(tuán)隊(duì)希望開(kāi)發(fā)機(jī)器學(xué)習(xí)技術(shù),以幫助物理學(xué)家解決目前存在的量子力學(xué)矛盾。Renner說(shuō):“在某種程度上,當(dāng)前的量子力學(xué)法可能只是歷史的仿制品。”他認(rèn)為,通過(guò)計(jì)算機(jī)可以提出不存在矛盾的公式。

為了實(shí)現(xiàn)該目標(biāo),Renner正在嘗試改良其神經(jīng)網(wǎng)絡(luò),該版本不僅可以從實(shí)驗(yàn)數(shù)據(jù)中學(xué)習(xí),還可以提出新的實(shí)驗(yàn)方法來(lái)檢驗(yàn)其假設(shè)。

人工智能推演“三體”難題

希望利用神經(jīng)網(wǎng)絡(luò)解決物理問(wèn)題的不止Renner一家。

前陣子,愛(ài)丁堡大學(xué)的Enter Philip Breen團(tuán)隊(duì)通過(guò)訓(xùn)練神經(jīng)網(wǎng)絡(luò)準(zhǔn)確的對(duì)三體運(yùn)動(dòng)進(jìn)行了預(yù)測(cè),且速度比最先進(jìn)的常規(guī)方法快了近1億倍。

為訓(xùn)練神經(jīng)網(wǎng)絡(luò),研究者首先將問(wèn)題進(jìn)行簡(jiǎn)化,假設(shè)三個(gè)黑洞為平面上的三個(gè)等質(zhì)量粒子,各粒子初始速度為0。隨機(jī)給定粒子的初始位置,使用最先進(jìn)的Brutus方法進(jìn)行求解,并將這一過(guò)程重復(fù)一萬(wàn)次。

Breen團(tuán)隊(duì)利用神經(jīng)網(wǎng)絡(luò)進(jìn)行的三體實(shí)驗(yàn)

其中9900個(gè)算例作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練庫(kù),剩余100個(gè)用于驗(yàn)證。最后,用5000個(gè)全新算例測(cè)試神經(jīng)網(wǎng)絡(luò),并將預(yù)測(cè)結(jié)果與利用Brutus方法得到的計(jì)算結(jié)果進(jìn)行比對(duì)。

結(jié)果十分有趣!神經(jīng)網(wǎng)絡(luò)準(zhǔn)確地預(yù)測(cè)了三體運(yùn)動(dòng),并正確模擬出相近軌跡間的散度,與Brutus方法的計(jì)算結(jié)果極其相近。Breen團(tuán)隊(duì)表示,“我們已經(jīng)證明深度人工神經(jīng)網(wǎng)絡(luò)可以在固定時(shí)間內(nèi)快速且準(zhǔn)確的解決三體問(wèn)題這一計(jì)算難題。”

更重要的是,團(tuán)隊(duì)將能量消耗情況引入了神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)能力的測(cè)試中。幾次調(diào)整后,神經(jīng)網(wǎng)絡(luò)符合節(jié)能條件,且誤差僅僅為10-5。

這一結(jié)果令人驚嘆。且具有極大的潛力。Breen團(tuán)隊(duì)特別指出神經(jīng)網(wǎng)絡(luò)甚至能夠解決Brutus方法無(wú)法計(jì)算的三體問(wèn)題。

因此他們希望構(gòu)建一個(gè)混合系統(tǒng),使用Brutus方法進(jìn)行所有繁重的計(jì)算,若計(jì)算負(fù)擔(dān)過(guò)大,則引入神經(jīng)網(wǎng)絡(luò),直到可運(yùn)用Brutus方法繼續(xù)計(jì)算。

這樣,神經(jīng)網(wǎng)絡(luò)應(yīng)該可以比以往更準(zhǔn)確地模擬星系核和球狀星團(tuán)內(nèi)部的黑體運(yùn)動(dòng)。

這僅僅是個(gè)開(kāi)始,Breen團(tuán)隊(duì)表示,“終有一天,我們?cè)O(shè)想神經(jīng)網(wǎng)絡(luò)可以被訓(xùn)練解決更多混沌問(wèn)題,例如四體或五體問(wèn)題,并進(jìn)一步減輕計(jì)算負(fù)擔(dān)。”

編輯:jq

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀(guān)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
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    神經(jīng)網(wǎng)絡(luò)三要素包括什么

    神經(jīng)網(wǎng)絡(luò)一種生物神經(jīng)網(wǎng)絡(luò)啟發(fā)而發(fā)展起來(lái)的數(shù)學(xué)模型,它在人工智能、機(jī)器
    的頭像 發(fā)表于 07-11 11:05 ?1248次閱讀

    簡(jiǎn)單認(rèn)識(shí)深度神經(jīng)網(wǎng)絡(luò)

    深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks, DNNs)作為機(jī)器學(xué)習(xí)領(lǐng)域中的一種重要技術(shù),特別是在深度學(xué)習(xí)領(lǐng)域,已經(jīng)取得了顯著的
    的頭像 發(fā)表于 07-10 18:23 ?1048次閱讀

    機(jī)器神經(jīng)網(wǎng)絡(luò)系統(tǒng)的特點(diǎn)包括

    機(jī)器神經(jīng)網(wǎng)絡(luò)系統(tǒng)一種模擬人類(lèi)大腦神經(jīng)網(wǎng)絡(luò)的計(jì)算模型,具有高度的復(fù)雜性和靈活性。在本文中,我們將詳細(xì)介紹機(jī)器
    的頭像 發(fā)表于 07-09 09:45 ?472次閱讀

    rnn是什么神經(jīng)網(wǎng)絡(luò)模型

    領(lǐng)域有著廣泛的應(yīng)用。 RNN的基本概念 1.1 神經(jīng)網(wǎng)絡(luò)的基本概念 神經(jīng)網(wǎng)絡(luò)一種生物神經(jīng)網(wǎng)絡(luò)啟發(fā)
    的頭像 發(fā)表于 07-05 09:50 ?623次閱讀

    人工神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練的基本原理

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡(jiǎn)稱(chēng)ANNs)是一種生物神經(jīng)網(wǎng)絡(luò)啟發(fā)而構(gòu)建的數(shù)學(xué)模型,用于模擬人腦處理
    的頭像 發(fā)表于 07-05 09:16 ?691次閱讀

    人工神經(jīng)網(wǎng)絡(luò)模型是一種什么模型

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡(jiǎn)稱(chēng)ANNs)是一種生物神經(jīng)網(wǎng)絡(luò)啟發(fā)而產(chǎn)生的數(shù)學(xué)模型,用于模擬人腦處理
    的頭像 發(fā)表于 07-04 16:57 ?968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

    。它們?cè)谔幚聿煌?lèi)型的數(shù)據(jù)和解決不同問(wèn)題時(shí)具有各自的優(yōu)勢(shì)和特點(diǎn)。本文將從多個(gè)方面比較循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別。 基本概念 循環(huán)神經(jīng)網(wǎng)絡(luò)一種具有循環(huán)連接的
    的頭像 發(fā)表于 07-04 14:24 ?1334次閱讀

    如何使用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模和預(yù)測(cè)

    神經(jīng)網(wǎng)絡(luò)一種強(qiáng)大的機(jī)器學(xué)習(xí)技術(shù),可以用于建模和預(yù)測(cè)變量之間的關(guān)系。 神經(jīng)網(wǎng)絡(luò)的基本概念 神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-03 10:23 ?775次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的原理、結(jié)構(gòu)及 訓(xùn)練方法

    神經(jīng)網(wǎng)絡(luò)一種受人類(lèi)大腦神經(jīng)結(jié)構(gòu)啟發(fā)的計(jì)算模型,由大量的神經(jīng)元(或稱(chēng)為節(jié)點(diǎn)、單元)通過(guò)權(quán)重連
    的頭像 發(fā)表于 07-03 10:08 ?653次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)和工作原理

    和工作原理。 1. 引言 在深度學(xué)習(xí)領(lǐng)域,卷積神經(jīng)網(wǎng)絡(luò)一種非常重要的模型。它通過(guò)模擬人類(lèi)視覺(jué)系統(tǒng),能夠自動(dòng)學(xué)習(xí)圖像中的特征,從而實(shí)現(xiàn)對(duì)圖像
    的頭像 發(fā)表于 07-03 09:38 ?671次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)及其功能

    。 引言 深度學(xué)習(xí)機(jī)器學(xué)習(xí)個(gè)分支,它通過(guò)模擬人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能,實(shí)現(xiàn)對(duì)數(shù)據(jù)的自動(dòng)
    的頭像 發(fā)表于 07-02 14:45 ?2308次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的原理是什么

    基本概念、結(jié)構(gòu)、訓(xùn)練過(guò)程以及應(yīng)用場(chǎng)景。 卷積神經(jīng)網(wǎng)絡(luò)的基本概念 1.1 神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)一種受人腦
    的頭像 發(fā)表于 07-02 14:44 ?672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

    不同的神經(jīng)網(wǎng)絡(luò)模型,它們?cè)?b class='flag-5'>結(jié)構(gòu)、原理、應(yīng)用等方面都存在定的差異。本文將從多個(gè)方面對(duì)這兩神經(jīng)網(wǎng)絡(luò)進(jìn)行詳細(xì)的比較和分析。 引言
    的頭像 發(fā)表于 07-02 14:24 ?4240次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的含義和用途是

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡(jiǎn)稱(chēng)ANNs)是一種生物神經(jīng)網(wǎng)絡(luò)啟發(fā)而構(gòu)建的數(shù)學(xué)模型,它通過(guò)模擬人腦
    的頭像 發(fā)表于 07-02 10:07 ?870次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用有哪些

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,ANNs)是一種生物神經(jīng)網(wǎng)絡(luò)啟發(fā)的計(jì)算模型,它通過(guò)模擬人腦
    的頭像 發(fā)表于 07-02 10:04 ?1084次閱讀
    主站蜘蛛池模板: xxxx欧美69免费| 久久午夜网| h在线网站| 在线观看黄色x视频| 大黄一级片| 免费看国产黄色片| 双性强迫开宫灌满h| 男女视频免费| 在线免费视频国产| 国产精品资源在线观看| 国产伦精品一区二区三区高清| av天天看| 亚洲高清不卡视频| 2018天天操天天干| 国产男靠女免费视频网站| 性久久久久久久| 永久免费精品视频| 天天摸天天做| 欧美成人生活片| 国产成人高清| 狠狠干伊人网| 在线免费看黄的网站| 日日操夜夜操天天操| 福利视频999| 天天综合网网欲色| 性xxxxbbbb免费播放视频| 人人做人人插| 成人欧美一区二区三区视频| 特黄一级| 最新黄色在线| 国产叼嘿视频网站在线观看| 色偷偷视频| 国产专区视频| 国模大尺度人体一区| 夜夜夜网| 97涩涩涩| 国产精品一久久香蕉产线看| 日韩精品一级a毛片| 丁香狠狠| 九九热在线免费观看| 亚洲a成人|