赞助展示位
立即入驻

诺贝尔物理学奖获得者因“利用物理学工具训练人工神经网络”而获奖

诺奖委员委员会表示,今年的两位诺贝尔物理学奖得主利用物理学工具开发出的方法,为当今强大的机器学习奠定了基础,并进一步阐述其获奖工作的细节。

约翰·霍普菲尔德发明了一种网络,它使用一种保存和重新创建模式的方法。霍普菲尔德网络利用物理学来描述材料由于原子自旋而产生的特性。整个网络的描述方式相当于物理学中自旋系统的能量,并通过寻找节点之间连接的值来进行训练,以便保存的图像具有较低的能量。当霍普菲尔德网络被输入扭曲或不完整的图像时,它会有条不紊地处理节点并更新它们的值,从而降低网络的能量。因此,网络逐步找到与输入的不完美图像最相似的保存图像。

杰弗里·辛顿以霍普菲尔德网络为基础,创建了一个采用不同方法的新网络:玻尔兹曼机,它可以学习识别给定类型数据中的特征元素。辛顿使用了统计物理学的工具,统计物理学是由许多相似组件构建的系统科学。通过输入机器运行时很可能出现的示例来训练机器。玻尔兹曼机可用于对图像进行分类或创建训练模式类型的新示例。辛顿在此基础上继续发展,帮助开启了机器学习的爆炸式发展。

 

来源:诺贝尔奖

© 版权声明

相关文章

暂无评论

您必须登录才能参与评论!
立即登录
none
暂无评论...