人工智能新突破:计算机正在学习从更高维度观察世界( 五 )

\n

\n摆脱二维 \n

2015年 , 伦敦帝国理工学院计算机科学家Michael Bronstein创造了“几何深度学习”这个词来描述为摆脱二维并设计可学习非平面数据模式神经网络的新努力 。 这个术语及相关研究工作很快就火起来了 。

\n

Bronstein及其合作者知道 , 要想突破欧几里德平面 , 他们需要重新构思一种基本的计算方法 , 这方法先得让神经网络识别2D图像特别高效 。 这个方法叫做“卷积” , 它然神经网络的一层对输入数据的一小块执行数学运算 , 然后把结果传递给网络的下一层 。

\n

Bronstein解释说:“大体上 , 你可以把卷积看作是一个滑动窗口 。 ”卷积神经网络就像滤波器一样将很多这样的“窗口”滑动过数据 , 从而检测数据是否存在某种模式 。 对于猫照片 , 经过训练的CNN也许会利用滤波器来检测原始输入像素里面的低级特征 , 比方说边缘 。 而这些特征又会被传递到网络的其他层 , 去执行其他卷积并提取更高层特征 , 比方说眼睛、尾巴或三角形的耳朵 。 接受过识别猫训练的CNN最终会用这些分层卷积的结果为整幅图像分配标签(比方说“猫”或“不是猫”) 。

推荐阅读