百家乐游戏

重复训练可使神经回路更好地配置完成任务

作者:admin  来源:百家乐游戏|百家乐网页游戏|百家乐网址www.ql-zg.com中国化工仪器网  时间:2018-04-18

  你的大脑比一台计算机运算速度慢1000万倍。大脑的另一个显著特征,可表现在网球运动中接发球动作,是神经元之间的连接强度,可在响应活跃性和体验过程中进行修改,这一过程被神经系统科学家普遍认为是学习和记忆的基础。重复训练可使神经回路更好地配置完成任务,从而大幅提高速度和精确度。
 
  在过去几十年里,工程师从人类大脑结构中获得灵感来增强改进计算机设计。并行处理和连接强度的功能依赖性修改的原理,都被并入现代计算机应用中。例如:计算机增强并行性处理能力,在一台计算机上使用多个处理器,这是计算机设计的当前趋势。另一个例子是计算机“深度学习”能力,这是人工智能机器学习的一个重要能力,近年来计算机“深度学习”能力取得较大的成功,这得益于计算机和移动设备的目标和语音识别的快速发展,它受到哺乳类动物视觉系统的灵感启发。就像哺乳动物的视觉系统一样,深度学习能力使用多层次来代表日益增多的抽象特征(例如:视觉对象或者语言),同时,衡量不同层次之间的连接是通过学习而不是由工程师设计的。
 
       这种大规模并行策略是可能实现的,因为每个神经元收集输入信息,并向外发送信息至其它神经元,对于哺乳类动物神经元,输入和输出信息的神经元平均有1000个。相比之下,计算机每个晶体管仅有3个节点,用于数据输入和输出。来自单个神经元的信息可以传递至许多并行下游路径,与此同时,许多处理相同信息的神经元,可以将它们的输入信息集中到相同的下游神经元。下游神经元对于提高信息处理精确度非常有用,例如:由单个神经元所代表的信息可能是“嘈杂”的(精确度为百分之一),普通下游伴侣神经元能够更加精确地表达信息(精确度为千分之一)。
 
  同时,计算机和人类大脑在基本单位信号模式中存在共性和差异,晶体管使用数字信号,它使用离散值(0和1)来表示信息。神经元轴突的峰值也是一个数字信号,因为神经元在任何时间处于要么激活或不激活峰值状态,当神经元被激活时,所有峰值都差不多具有相同大小和外形,这一特性将有助于实现可靠远距离峰值传播。
 
  然而,神经元也利用模拟信号,它使用连续数值表示信息。一些神经元(像视网膜上的大多数神经元)是非峰值状态,它们的输出是通过分级电信号传输的,这不同于峰值信号,它们的大小可以不断变化,比峰值信号传输更多的信息。神经元的接收末端(通常发生在树突)也使用模拟信号整合数以千计的输入信息,使树突能够执行复杂的计算处理。