16625份AI论文透露：26年来人工智能并没有出现新技术( 四 )

2019-01-29

为了构建识别成千上万图像的系统，该团队采用了卷积神经网络。为避免数据过度拟合，AlexNet采用的神经网络还使用了数据扩充（平移、翻转等），以及随机（概率为0.5）“删除”（dropout）一些神经元来减少工作量等。

Geoffrey Hinton教授当时强调，深度对最终的识别精度尤为重要。深度学习技术由此引起了广泛关注。它从图像识别领域逐渐扩展开来，神经网络概念也随之井喷。

图5/6

03

强化学习兴起

在深度学习推广数年后，人工智能发生了迄今为止的最后一次重要转变，即强化学习的兴起。

机器学习算法可以分为三种：有监督的学习，无监督的学习，以及强化学习。

有监督的学习给机器提供已经标记过的数据，机器学习的那些行为都是正确的行为。例如，标记过的花卉数据集告诉正在学习的机器模型，哪些照片分别是玫瑰、雏菊和水仙。而在给出一张测试图像时，机器应该把它和学习的数据进行对比，判断那是玫瑰、雏菊还是水仙。

推荐阅读

上一篇：印度空军将推出官方手游兼具在线征兵职能

下一篇：如何守住你的年终奖？