机构名称：
¥ 1.0
深度学习网络已被训练用于识别语音、为照片添加字幕以及在多种语言之间进行文本翻译，性能非常出色。尽管深度学习网络在解决实际问题中的应用已经无处不在，但我们对它们为何如此有效却缺乏了解。根据统计学和非凸优化理论中的样本复杂性，这些经验结果应该不可能实现。然而，人们正在研究深度学习网络训练和有效性中的悖论，并在高维空间的几何结构中发现新见解。深度学习的数学理论将阐明它们的运作方式，使我们能够评估不同网络架构的优缺点，并带来重大改进。深度学习为人类提供了与数字设备进行通信的自然方式，是构建通用人工智能的基础。深度学习的灵感来自大脑皮层的结构，对自主性和通用智能的洞察可能存在于对规划和生存至关重要的其他大脑区域中，但要实现这些目标，还需要取得重大突破。
深度学习在人工智能中的不合理有效性
主要关键词
相关文件推荐
