訓(xùn)練神經(jīng)網(wǎng)絡(luò)來(lái)解決算術(shù)、代數(shù)和微積分中的基本問(wèn)題
本周，來(lái)自谷歌的AI研究人員發(fā)表了一項(xiàng)研究，他們?cè)噲D訓(xùn)練神經(jīng)網(wǎng)絡(luò)來(lái)解決算術(shù)、代數(shù)和微積分中的基本問(wèn)題。 一個(gè)高中生通常會(huì)遇到的問(wèn)題。
但神經(jīng)網(wǎng)絡(luò)運(yùn)行得不太好。 除了錯(cuò)誤地猜測(cè)6作為上述問(wèn)題的答案外，神經(jīng)網(wǎng)絡(luò)在標(biāo)準(zhǔn)測(cè)試中只得到了40個(gè)問(wèn)題中的14個(gè)。
研究人員指出，這相當(dāng)于英國(guó)學(xué)校系統(tǒng)中16歲學(xué)生的E級(jí)成績(jī)。
基本上，在這一點(diǎn)上，AI正在經(jīng)歷一段艱苦的時(shí)間，真正學(xué)習(xí)任何基本的數(shù)學(xué)。
這篇題為“分析神經(jīng)模型的數(shù)學(xué)推理能力”的論文被創(chuàng)建為一個(gè)基準(zhǔn)測(cè)試集，其他人可以在此基礎(chǔ)上構(gòu)建，以便開(kāi)發(fā)用于數(shù)學(xué)學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，類似于Image Net是如何創(chuàng)建作為圖像識(shí)別基準(zhǔn)測(cè)試的。
這篇論文由大衛(wèi)·薩克斯頓、愛(ài)德華·格雷芬斯特特、費(fèi)利克斯·希爾和普什梅特·科利撰寫(xiě)，張貼在ARXiv預(yù)印服務(wù)器上。 （另見(jiàn)審查人員關(guān)于開(kāi)放審查的評(píng)論）
作者引用紐約大學(xué)神經(jīng)網(wǎng)絡(luò)評(píng)論家加里·馬庫(kù)斯（Gary Marcus）的話，提到了著名的神經(jīng)網(wǎng)絡(luò)的“脆性”，并主張研究為什么人類能夠更好地進(jìn)行“關(guān)于物體和實(shí)體的離散組合推理，這是“代數(shù)概括”。
聲明：本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
谷歌
+關(guān)注
關(guān)注
27文章
6255瀏覽量
111840 -
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4839瀏覽量
108047
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡(luò)引擎？
我想知道為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡(luò)引擎，請(qǐng)問(wèn)？您能否舉一些關(guān)于他們的用例的例子？
發(fā)表于 03-25 06:01
神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)
日常生活中的智能應(yīng)用都離不開(kāi)深度學(xué)習(xí)，而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu)，特別是大
NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹
NMSIS NN 軟件庫(kù)是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核，旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。
該庫(kù)分為多個(gè)功能，每個(gè)功能涵蓋特定類別
發(fā)表于 10-29 06:08
構(gòu)建CNN網(wǎng)絡(luò)模型并優(yōu)化的一般化建議
：Dropout層隨機(jī)跳過(guò)神經(jīng)網(wǎng)絡(luò)模型中某些神經(jīng)元之間的連接，通過(guò)隨機(jī)制造缺陷進(jìn)行訓(xùn)練提升整個(gè)神經(jīng)網(wǎng)絡(luò)的魯棒性。
6)指定合理的學(xué)習(xí)率策
發(fā)表于 10-28 08:02
如何將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型部署到蜂鳥(niǎo)e203開(kāi)發(fā)板上
本帖欲分享如何將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型部署到蜂鳥(niǎo)e203開(kāi)發(fā)板上。
1. 加載TFLite模型
std::unique_ptr interpreter(new tflite::Interpreter
發(fā)表于 10-22 08:04
在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)
本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開(kāi)發(fā)IDE，以TensorFlow2為訓(xùn)練框架，目標(biāo)是
發(fā)表于 10-22 07:03
CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作
在完成神經(jīng)網(wǎng)絡(luò)量化后，需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。
在仿真環(huán)境下，可將其存于一個(gè)文件，并在 Verilog 代碼中通過(guò) readmemh 函數(shù)
發(fā)表于 10-20 08:00
液態(tài)神經(jīng)網(wǎng)絡(luò)（LNN）：時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)
1.算法簡(jiǎn)介液態(tài)神經(jīng)網(wǎng)絡(luò)（LiquidNeuralNetworks，LNN）是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu)，其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng)，特別是秀麗隱桿線蟲(chóng)的神經(jīng)結(jié)構(gòu)，盡管這種微生物的
神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)
隨著人工智能技術(shù)的飛速發(fā)展，神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而，神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加，這使得傳統(tǒng)的串行計(jì)算方式面臨著巨大的挑戰(zhàn)，如計(jì)算速度慢、訓(xùn)練時(shí)間長(zhǎng)等
基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真模型解決方案
在基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真（DPD）模型中，使用不同的激活函數(shù)對(duì)整個(gè)系統(tǒng)性能和能效有何影響？
無(wú)刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究
摘要:論文通過(guò)對(duì)無(wú)刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來(lái)訓(xùn)練
發(fā)表于 06-25 13:06
神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用
的診斷誤差。仿真結(jié)果驗(yàn)證了該算法的有效性。
純分享帖，需要者可點(diǎn)擊附件免費(fèi)獲取完整資料~~~*附件：神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用.pdf【免責(zé)聲明】本文系網(wǎng)絡(luò)轉(zhuǎn)載，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版
發(fā)表于 06-16 22:09
神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究
眾多方法中，由于其結(jié)構(gòu)簡(jiǎn)單，穩(wěn)定性好廣泛受到人們的重視，且已被用于產(chǎn)品開(kāi)發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問(wèn)題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，使估計(jì)更為簡(jiǎn)單、快速
發(fā)表于 06-16 21:54
基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析
本文的目的是在一個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過(guò)python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出，然后通過(guò)python程序?qū)xt文件轉(zhuǎn)化為coe
NVIDIA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能
近日，NVIDIA 宣布了 NVIDIA RTX 神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能。NVIDIA 與微軟合作，將在 4 月的 Microsoft DirectX 預(yù)覽版中增加神經(jīng)網(wǎng)絡(luò)著色技術(shù)，讓開(kāi)
工商網(wǎng)監(jiān)
評(píng)論