中国人工智能学会通讯——一张图看懂BP算法 1.2 神经网络模型

1.3 神经网络的 BP 算法 它描述了网络输出和目标输出之间的距离,刻画了网络性能的好坏.显然,J越小,网络性能越好.寻求J的极小点是BP算法的目标. 这一关系式表明只要能计算出敏感性,即可据此计算出梯度. 删除中间过程,有 通过计算网络最后一层神经元的敏感性,然后在网络中反向逐层计算其他层神经元敏感性,这就是所谓BP. 图4非常容易记忆和理解,这就是我们所谓的一张图看懂BP算法.

1.1 引言 神经网络是实现人工智能的重要途径之一.近年来,深度神经网络在语音识别.图像理解.自然语言处理.智能博弈.智能医疗等领域内的大数据问题上取得一系列重大突破,引起了人们对神经网络的极大兴趣,并引领人工智能蓬勃向前发展.反向传播(backpropagation,BP)算法是深度神经网络最基本的算法之一,对深度神经网络的发展起着十分重要的作用,已成为深度神经网络理论的一个无可厚非的基石. BP算法的关键是反向计算敏感性,通过巧妙利用数学分析中求偏导数的链式法则,将敏感性反向传播,在数学上是

1.4 致谢 本文内容和相关图示,来自我每年秋天为四川大学计算机学院本科生开设的 课 程"Understanding Deep Neural Networks".感谢我的博士研究生王建勇和郭泉同学整理了本文的初稿. Fellow of IEEE,四川大学计算机学院院长,教授,博士生导师,四川省 2011 大数据分析协同创新中心主任.发表 SCI 学术论文 200 余篇,其中 IEEE Transactions 系列论文 50 余篇,著有"Convergence Analysi

1.1 情感计算 : 了解观众的真实感受 舞台剧<战马>(见图1)以"一战"为背景,讲述了英国小男孩儿与马之间的故事,既有温暖细腻的情感场面,也有惊心动魄的战争场景.2007年首演于伦敦后,在全球已上演过4 000多场,观剧人次超过600万.2015年,由中国国家话剧院联合英国国家剧院制作的中文版<战马>问世.主创人员非常想了解这匹载誉全球的战马,是否能被中国观众认可.然而,如何了解到普通观众的真实体验? 人类参与艺术活动需要积极调动自身的感知与认知系统,&qu

11.14 三维人脸识别算法 三维人脸识别由于其类内差距大而类间差距小,且易受表情变化等非刚性形变影响等特点,一直是一个富有挑战的模式识别问题[5] .此外,三维人脸识别还易受头发遮挡,以及数据缺失等因素的影响.通过分析发现,虽然表情变化会改变人脸的三维形状,但人脸的局部形状信息依然能保持较好的稳定性.因此,采用局部特征匹配的方式可以有效地降低表情变化对人脸识别带来的负面影响.基于此,本文提出了一种基于 RoPS 局部特征的三维人脸识别算法[9] .该算法首先采用鼻尖检测获得人脸点云:接着对三维

人工智能面临的挑战或许不来自"智能"的部分,而来自"人".由于我们对自身感知万物.产生情感.理解世界的机制尚不完全清楚,要让机器完成不完整信息条件下复杂任务的规划和推理更是难上加难. 从上世纪60年代到当下的人工智能浪潮,研究最多.也最受关注的就是下棋.然而,不管是国际象棋还是围棋,都是抽象的表达,描述棋局的对弈状态与精确表征自然界相比过于简单:棋盘的位置是有限的,下棋的动作也是有限的,没有感知和动作执行的不确定性. 因此,在人工智能的赛道上,强大的计算与数据收集能

12.48 混合型数据聚类算法 混合型数据在本文是指分类型数据和数值型数据并存的一类数据,由于两类数据描述的差异性,使得混合型数据聚类算法中类个数的确定变得越来越困难.针对分类型数据,Chen et al [36] 利用熵的性质提出了一个针对分类型数据确定聚类个数的层次聚类方法.该方法根据增量熵的变化来指导凝聚层次聚类过程,根据每层对应划分的期望熵的二次导数随类个数的变化曲线来估计候选的最佳聚类个数.Yan et al [37] 提出了一个专门针对事务数据的聚类个数确定方法.该方法给出了基于事务

亚马逊Go推广视频:1分钟,颠覆你对线下实体购物的认知 几天前,就在亚马逊迎来可能是公司史上最大的 Holiday Season时,亚马逊发布了一段介绍旗下新的零售商店 Amazon Go 的视频,消费者可以直接走进商店,拿下货架上的货物,然后离开.整个过程不需要排队,也不用结账. <福布斯>的记者 Ryan Mac 说:"这看起来非常有趣,充满了未来感,但是,至少目前为止,这一切还都只是宣传." 每年从感恩节到圣诞节的长假中,亚马逊都会成为媒体上的最大赢家.2013年,B

7年前投下的一颗石子,7年后已经激荡成为一段壮阔的波浪. 2010年,与阿里云共同起步的,还有一场让中国互联网开始接触.了解云服务的大会--云栖大会. 云栖长卷一张图看懂云栖七年 ▼