色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

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(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

神經(jīng)網(wǎng)絡(luò)中的遺忘

倩倩 ? 來(lái)源:學(xué)習(xí)三分鐘 ? 2020-04-17 10:52 ? 次閱讀

神經(jīng)網(wǎng)絡(luò)中的遺忘

兩種遺忘方式的對(duì)比

查找記憶的刪除是一條一條的刪,而網(wǎng)絡(luò)記憶的刪除是斷開(kāi)連接。

學(xué)習(xí)中的遺忘

學(xué)習(xí)的過(guò)程是尋找符合所有情況的規(guī)律的過(guò)程

在這個(gè)過(guò)程中,有時(shí)候我們的大腦會(huì)斷開(kāi)連接,有時(shí)候又會(huì)重塑連接

假設(shè)猜想:如果我們的大腦不會(huì)斷開(kāi)連接,那么我們便會(huì),只知道解決學(xué)習(xí)時(shí)已見(jiàn)過(guò)的情況,而不會(huì)解決未見(jiàn)過(guò)的情況。這樣的“學(xué)習(xí)”只能是記憶,記憶所有信息,卻不能找到共同的規(guī)律。(網(wǎng)絡(luò)的過(guò)擬合)

案例驗(yàn)證:比如現(xiàn)實(shí)生活中的雨人,他看完了一本書(shū)記住了里面的所有內(nèi)容,但他日常生活能力低下,四歲才會(huì)走路,現(xiàn)在都還不會(huì)系扣子,智力測(cè)試也只有87分。

學(xué)習(xí)后的遺忘

為什么已經(jīng)被記住的內(nèi)容還是會(huì)遺忘?

生存困難:尋找到普遍性的規(guī)律的生物,有大概率能存活,而只尋找到局部規(guī)律的生物,存活的概率變便很小。

演化結(jié)果:所以,大腦演化出一種該規(guī)律多次出現(xiàn)就強(qiáng)化該連接,出現(xiàn)次數(shù)少便弱化該連接的機(jī)制。這并不是為了忘記痛苦的記憶,或者節(jié)省能量,而是為了抑制局部規(guī)律形成的過(guò)擬合。

“ 你忘記所有的招式,就練成太極拳了”

原文:“太極拳只重其義,不重其招。你忘記所有的招式,就練成太極拳了。”

解釋:“忘記”并非字面意思,而是意為不要僅記住個(gè)別招式,而失去了應(yīng)對(duì)無(wú)限情況的能力。這里的招式是“已知”,“情況”是指任何情況,包括已知,也包括未知。由于人腦的長(zhǎng)期記憶也不是查找記憶,并不會(huì)去記憶每個(gè)情況,所以練太極拳的過(guò)程并不是記憶的過(guò)程,而是學(xué)習(xí)的過(guò)程。讓大腦的神經(jīng)網(wǎng)絡(luò)從這些有限的招式中泛化出普遍規(guī)律,便可自動(dòng)應(yīng)對(duì)無(wú)限情況。

翻譯:”情況無(wú)限,招式有限,需泛化有限招式,來(lái)應(yīng)對(duì)無(wú)限情況。”

總結(jié)

學(xué)習(xí)中的遺忘:由于尋找規(guī)律(學(xué)習(xí))的過(guò)程中需要不斷的斷開(kāi)連接,重塑連接(不斷調(diào)整權(quán)重,構(gòu)建模型)

學(xué)習(xí)后的遺忘:為了提高泛化能力,防止模型的過(guò)擬合,根據(jù)連接的使用頻率,強(qiáng)化或弱化該連接的一種模型篩選機(jī)制。

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

    4773

    瀏覽量

    100877
  • 模型
    +關(guān)注

    關(guān)注

    1

    文章

    3255

    瀏覽量

    48905
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    LSTM神經(jīng)網(wǎng)絡(luò)在語(yǔ)音識(shí)別的應(yīng)用實(shí)例

    神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 LSTM是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),它能夠?qū)W習(xí)長(zhǎng)期依賴關(guān)系。在傳統(tǒng)的RNN,信息會(huì)隨著時(shí)間的流逝而逐漸消失,導(dǎo)致網(wǎng)絡(luò)難以捕捉長(zhǎng)距離的依賴關(guān)系。LSTM通過(guò)引入門(mén)
    的頭像 發(fā)表于 11-13 10:03 ?596次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測(cè)的應(yīng)用

    時(shí)間序列預(yù)測(cè)是數(shù)據(jù)分析的一個(gè)重要領(lǐng)域,它涉及到基于歷史數(shù)據(jù)預(yù)測(cè)未來(lái)值。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,長(zhǎng)短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)因其在處理序列數(shù)據(jù)方面的優(yōu)勢(shì)而受到廣泛關(guān)注。 LSTM神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
    的頭像 發(fā)表于 11-13 09:54 ?671次閱讀

    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 ?1601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)發(fā)展等多個(gè)方面,詳細(xì)闡述BP
    的頭像 發(fā)表于 07-10 15:20 ?1154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 ?590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 ?803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 ?1345次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)的區(qū)別

    循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡(jiǎn)稱RNN)和遞歸神經(jīng)網(wǎng)絡(luò)(Recursive Neural Network,簡(jiǎn)稱RvNN)是深度學(xué)習(xí)兩種重要的神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 14:19 ?946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 ?926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)
    的頭像 發(fā)表于 07-03 11:00 ?828次閱讀

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

    Network)有相似之處,但它們之間還是存在一些關(guān)鍵的區(qū)別。 一、引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)的計(jì)算模型,它由大量的神經(jīng)元(或稱為節(jié)點(diǎn))組成,這些神經(jīng)元通過(guò)權(quán)重連接在一起
    的頭像 發(fā)表于 07-03 10:14 ?869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 ?1233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 ?4282次閱讀

    神經(jīng)網(wǎng)絡(luò)在數(shù)學(xué)建模的應(yīng)用

    數(shù)學(xué)建模是一種利用數(shù)學(xué)方法和工具來(lái)描述和分析現(xiàn)實(shí)世界問(wèn)題的過(guò)程。神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)和功能的計(jì)算模型,可以用于解決各種復(fù)雜問(wèn)題。在數(shù)學(xué)建模神經(jīng)網(wǎng)絡(luò)可以作為一種有效的工具
    的頭像 發(fā)表于 07-02 11:29 ?978次閱讀

    神經(jīng)網(wǎng)絡(luò)的激活函數(shù)有哪些

    神經(jīng)網(wǎng)絡(luò),激活函數(shù)是一個(gè)至關(guān)重要的組成部分,它決定了神經(jīng)元對(duì)于輸入信號(hào)的反應(yīng)方式,為神經(jīng)網(wǎng)絡(luò)引入了非線性因素,使得網(wǎng)絡(luò)能夠?qū)W習(xí)和處理復(fù)雜
    的頭像 發(fā)表于 07-01 11:52 ?608次閱讀
    主站蜘蛛池模板: 色婷婷五月综合中文字幕| 久久久无码精品一区二区三区| 伊人久久青青| 亚洲精品无夜久久久久久久久| 天天摸夜添狠狠添高| 人人模人人干| 强上轮流内射高NP男男| 欧美区 bt| 暖暖免费观看日本在线视频| 老男人粗大猛| 久久在精品线影院精品国产| 久久精品日本免费线| 久久精品国产99欧美精品亚洲| 精品熟女少妇AV久久免费A片| 精品国产乱码久久久久久口爆| 黑人巨大两根一起挤进欧美| 后式大肥臀国产在线| 九热这里只有精品| 久久婷婷色香五月综合激情| 老汉老太bbbbbxxxxx| 妹妹我要色| 欧美性类s0x| 色综合a在线| 雪恋电影完整版免费观看| 亚洲看片网站| 中文字幕日本一区| 99视频精品在线| 吃春药后的女教师| 国产精品爽黄69天堂A片| 狠狠人妻久久久久久综合九色| 久久精品国产首叶| 男同志video最新猛男| 日本久久中文字幕| 午夜免费啪视频观看视频| 亚洲视频在线观看网站| 1V1各种PLAY女主被肉| 被窝伦理午夜电影网| 国产精品97久久AV色婷婷| 狠狠色色综合网站| 麻豆天美国产一区在线播放| 日本高清二区|