机构名称：
¥ 1.0
摘要 — 这是一篇理论论文。它首先提出了人工智能 (AI) 中一种很少报道但不道德的做法，称为使用测试集进行后选择 (PSUTS)。因此，深度学习中流行的误差反向传播方法缺乏可接受的泛化能力。所有 AI 方法都分为两大流派，联结主义和符号主义。PSUTS 实践有两种，机器 PSUTS 和人类 PSUTS。联结主义学派因其大量凌乱的参数和现在的机器 PSUTS 而受到批评，因其“凌乱”；但看似“干净”的符号学派似乎比已知的更脆弱，因为它使用了人类 PSUTS。本文正式定义了什么是 PSUTS，分析了为什么具有随机初始权重的误差反向传播方法会遭受严重的局部最小值，为什么 PSUTS 违反了公认的研究伦理，以及为什么每篇使用 PSUTS 的论文都应该至少透明地报告 PSUTS 数据。为了提高未来出版物的透明度，本文提出了一种新的人工智能计量标准，称为项目中训练的所有网络的开发误差，最幸运的网络的选择取决于三个条件：（1）系统限制，（2）训练经验和（3）计算资源。
关于 AI 中使用测试集 (PSUTS) 进行岗位选择
主要关键词
相关文件推荐
