详细内容或原文请订阅后点击阅览
机器学习和世界的简单性
机器学习有许多潜在的医学应用，例如阅读放射学图像。但是，尽管努力数十年，但机器学习发现医学中的应用比其他许多领域的应用更少。这要改变吗？机器学习正在改变许多技术应用程序，并吸引了亚马逊，苹果，Facebook，Google和Microsoft的大量投资。因此，我一直在尝试[…]后机器学习和世界的简单性首次出现在偶然的经济学家上。
来源:偶发经济学家机器学习有许多潜在的医学应用，例如阅读放射学图像。但是，尽管努力数十年，但机器学习发现医学中的应用比其他许多领域的应用更少。这要改变吗？ 机器学习正在改变许多技术应用程序，并吸引了亚马逊，苹果，Facebook，Google和Microsoft的大量投资。因此，我一直在尝试弄清楚什么是机器学习以及它的工作原理。那使我发了一张非凡的纸。
机器学习的许多潜在医疗应用 机器学习发现在医学中的应用比在许多其他领域的应用 许多技术应用 吸引大型投资 一张非凡的纸深度学习算法是一种机器学习技术，它使计算机可以通过从示例数据中学习来对图像进行分类。关键思想是输入数据（例如，构成左侧奥迪照片的像素的矩阵）是通过线性和非线性变换的分层链来处理的。每个转换（或层）被实现为神经网络。每层将上一层的输出作为输入，在其中找到结构，然后将结果作为输出传递到下一层。最终输出是原始图像的分类（“奥迪A7”）。 Google Tensor Flow项目记录了深度学习的最新进展：在过去四年中，基准任务的错误率下降了五倍。
张量流所讨论的论文是关于为什么深度学习有效的。亨利·林（Henry Lin）似乎是本科生的神童，而著名的理论物理学家（以下简称L＆T）Max Tegmark认为，深度学习的起作用不仅是因为它是一种强大的算法，而且还因为在高级抽象中看到的世界很简单，因此很简单，因此可以学习。
争论 简单 物理 d 麦克斯韦的