原文:Understanding LSTM Networks — colah’s blog 递归神经网络 人类不会总是都从零开始思考。在读这篇文章的时候,你根据之前看到词的理解来理解新的词,而不会忘记所有的,从头开始。你的思维是连贯的。 传统的神经网络做不到这一点,这也是其主要缺点之一。例如,假设你为电影里发生的事件分类,传统的神经网络没法使用电影中之前的时间来判断后面的事件。 递归神经网络能够解决这个问题:在网络之间构成循环来达到保存信息的目的。
Category: 理论
理论学习
一个很专业的自控人--“晨枫”写的深入浅出的文章,转过来大家分享一下。 (一) 小时候喜欢看杂书,没什么东西看,不正在文化大革命嘛?不过看进去了两个“化”:机械化和自动化。打小就没有弄明白,这机械化 和自动化到底有什么差别,机器不是自己就会动的吗?长大了,总算稍微明白了一点,这机械化是力气活,用机器代替人的体力劳动,但还是要人管着的,不然机器 是不知道该干什么不该干什么的;这自动化嘛,就是代替人的重复脑力劳动,是用来管机器的。也就是说,自动化是管着机械化的,或者说学自动化的是管着学机械 的……啊,不对,不对,哪是哪啊!
在日常生活中,人们用性格来给一个人定性分类,如犹豫、冲动、坚强、专一…… 在人工智能研究中,智能体被定义为能够通过传感器感知其环境,并借助于执行器作用于该环境的任何事物。从这个定义看人就是生活在现实环境中的智能体。而对于各种各样的智能体,研究者们也按“性格”进行了分类,窃以这些类型为正好反映了人本身的一些性格。综合起来看,可以帮助更好地理解智能体的分类,对反思自己的行为也有帮助。
当一个大型工厂、电站的选址、建设规划、资金预算都能够由具有人工智能的机器来独立完成的时候,我们有什么理由因为人工智能工具不具有喜怒哀乐而否认其智能性,难道只有一个经常发脾气、会罢工的机器才是智能的吗?人工智能必将在未来的社会进步中起到越来越重要的推动作用,时间将会证明谁是谁非…… 非常赞同文章中的这句。原文出自“北海禅院”,佩服大师的学术功底啊(抑或哪位专家出家了?)