原标题：人工神经网络算法范例
大脑中的信号以每秒约118.872米的速度从一个神经元跳到另一个神经元。 另一方面，光在1秒钟内传播的速度为3.010^8m/s。 想象一下，如果你认为信号在人脑中的传播速度也像光那么快，会发生什么不可思议的事情。
加州大学洛杉矶分校(UCLA )的研究人员周四公布了一个3D打印的光学神经网络，可以帮助计算机以光速解决复杂的数学计算问题。
有点夸张的意外是，该计算技术被认为能够将目前很多人工智能APP应用基础的机器学习算法的能力转化为新工具。
深度学习是人工智能研究与实现中增长最快的领域之一。 例如，计算机通过人体组织成像诊断癌症的方法、信用评分判断、就业人员在某个行业的声誉不佳，人工智能很可能会失去其工作。
人工神经网络在同一逻辑中运行，但“神经元”只是在数学方程中输入高度简化的数据并计算解决方案时输出。 人工神经网络包含成千上万的数学神经元，它们排列成好几层。 当一个神经元进行计算时，它会传递到下一层神经元，在该神经元上执行计算，然后依次传递。
研究人员通过为人工神经网络提供许多解决方案来训练人工神经网络，包括识别树木的照片。 用显示树神经网络图像的解决方案让算法“学习”什么是树。 随着时间的推移，算法会自动调整每个神经元的数学运算，直到输出与训练集的解决方案匹配。 当计算机识别物体时，它只是给出数学解，该解是数学概率。 也就是说，物体为树的概率为95%。
正文引用： https://www.ait 800.com/ai/500.html返回搜狐看更多
责任编辑：