神经网络探索物理问题
基于神经网络的机器学习模型是许多现代技术进步的基础,并被越来越多地用于解决物理问题.
神经网络是一种计算工具,其运行方式模仿人类的大脑.神经网络一般由多层相互连接的人工神经元组成.神经元之间的连接是加权重的,权重数可以是几百万到几十亿,构成网络的可调参数.神经网络的奇妙之处在于它们不需要通过编程来解决任务,而是通过例子进行学习,调节参数,使得输出结果不断改进.为了训练一个神经网络识别一张人脸,将同一人的许多不同的照片输入该网络.网络将改变连接的权重识别这张脸,直到其"识别的质量"足够可靠.经过训练的神经网络便可与这同一人的脸相匹配,并不需要用户提供人脸的特征信息.
49
2020-04-27(万方平台首次上网日期,不代表论文的发表时间)
共1页
184