0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

神经网络运用领域

工程师 来源:未知 作者:姚远香 2018-11-24 09:28 次阅读

1.图像和物体识别

机器在图像和物体识别方面有很好的记录。GeoffHinton发明的胶囊网络几乎减少了以前的最佳错误率,这个测试挑战软件识别玩具。即使视图与之前分析的视图不同,在各种扫描中使用增加量的这些胶囊也允许系统更好地识别物体。

另一个例子来自一个最先进的网络,该网络经过标记图像数据库的训练,能够比相同任务训练100小时的博士更好地分类对象。

2.电子游戏

Google的DeepMind使用深度学习技术,被称为深度强化学习。研究人员用这种方法教计算机玩Atari游戏Breakout。电脑没有以任何特定的方式教授或编程玩游戏。相反,它在观看比分时被赋予了键盘的控制权,其目标是最大化得分。玩了两个小时后,电脑成了游戏的专家。

深度学习社区正在进行一场比赛,训练计算机在几乎所有你能想到的游戏中击败人类,包括太空侵略者,毁灭战士,乒乓球和魔兽世界。在大多数这些游戏中,深度学习网络已经胜过有经验的玩家。电脑没有编程玩游戏;他们只是通过玩耍学习。

3.语音生成和识别

Google发布了WaveNet,百度发布了DeepSpeech。两者都是自动生成语音的深度学习网络。系统学会自己模仿人类的声音,并随着时间的推移而改善。将他们的言论与真实的人物区别开来,这要比想像中难得多。

由牛津大学和GoogleDeepMind科学家LipNet创建的一个深度网络,在阅读人们的嘴唇方面达到了93%的成功,普通的人类嘴唇阅读器只有52%的成功率。华盛顿大学的一个小组使用唇形同步来创建一个系统,将合成音频设置为现有视频

4.艺术和风格的模仿

神经网络可以研究特定艺术品的笔画,颜色和阴影中的图案。在此基础上,可以将原作的风格转化为新的形象。

DeepArt.io就是一个例子,该公司创建的应用程序使用深度学习来学习数百种不同的风格,可以将其应用于照片。艺术家和程序员GeneKogan还根据从埃及象形文字中学到的算法样式,应用风格转换来修改蒙娜丽莎。

5.预测

斯坦福大学研究人员蒂姆尼特·格布鲁拿走了五千万张谷歌街景图片,探索一个深度学习网络可以做些什么。计算机学会了本地化和识别汽车。它检测到超过2200万辆汽车,包括他们的制造商,型号,车型和年份。这个系统应用的一个例子包括了选民路线开始和停止的迹象。根据分析,“如果在15分钟车程内遇到的轿车数量超过皮卡车数量,那么在下次总统选举期间,这个城市很可能会投票给民主党人(88%的概率)。

来自GoogleSunroof的机器的另一个例子比人类提供更准确的预测。该技术使用来自GoogleEarth的航空照片创建屋顶的3D模型,将其与周围的树木和阴影区分开来。然后使用太阳的轨迹来预测太阳能电池板根据位置规格可以从屋顶产生多少能量。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 神经网络
    +关注

    关注

    42

    文章

    4538

    浏览量

    98437
收藏 人收藏

    评论

    相关推荐

    卷积神经网络的优点

    卷积神经网络的优点  卷积神经网络(Convolutional Neural Network,CNN)是一种基于深度学习的神经网络模型,在图像识别、语音识别、自然语言处理等领域有着广泛
    的头像 发表于 12-07 15:37 2497次阅读

    人工神经网络和bp神经网络的区别

    人工神经网络和bp神经网络的区别  人工神经网络(Artificial Neural Network, ANN)是一种模仿人脑神经元网络结构和功能的计算模型,也被称为
    的头像 发表于 08-22 16:45 3070次阅读

    卷积神经网络模型搭建

    卷积神经网络模型搭建 卷积神经网络模型是一种深度学习算法。它已经成为了计算机视觉和自然语言处理等各种领域的主流算法,具有很大的应用前景。本篇文章将详细介绍卷积神经网络模型的搭建过程,为
    的头像 发表于 08-21 17:11 560次阅读

    cnn卷积神经网络模型 卷积神经网络预测模型 生成卷积神经网络模型

    cnn卷积神经网络模型 卷积神经网络预测模型 生成卷积神经网络模型  卷积神经网络(Convolutional Neural Network,CNN)是一种深度学习
    的头像 发表于 08-21 17:11 708次阅读

    卷积神经网络和深度神经网络的优缺点 卷积神经网络和深度神经网络的区别

    深度神经网络是一种基于神经网络的机器学习算法,其主要特点是由多层神经元构成,可以根据数据自动调整神经元之间的权重,从而实现对大规模数据进行预测和分类。卷积
    发表于 08-21 17:07 1959次阅读

    卷积神经网络的介绍 什么是卷积神经网络算法

    卷积神经网络的介绍 什么是卷积神经网络算法 卷积神经网络涉及的关键技术 卷积神经网络(Convolutional Neural Network,CNN)是一种用于图像分类、物体识别、语
    的头像 发表于 08-21 16:49 1290次阅读

    卷积神经网络的基本原理 卷积神经网络发展 卷积神经网络三大特点

    卷积神经网络的基本原理 卷积神经网络发展历程 卷积神经网络三大特点  卷积神经网络的基本原理 卷积神经网络(Convolutional Ne
    的头像 发表于 08-21 16:49 1269次阅读

    卷积神经网络应用领域

    卷积神经网络应用领域 卷积神经网络(CNN)是一种广泛应用于图像、视频和自然语言处理领域的深度学习算法。它最初是用于图像识别领域,但目前已经
    的头像 发表于 08-21 16:49 2168次阅读

    卷积神经网络模型原理 卷积神经网络模型结构

    数据的不同方面,从而获得预测和最终的表​​现。本文将提供有关卷积神经网络模型的工作原理和结构的详细信息,包括其在图像、语音和自然语言处理等不同领域的应用。 卷积神经网络的工作原理: 卷积神经网
    的头像 发表于 08-21 16:41 611次阅读

    卷积神经网络模型有哪些?卷积神经网络包括哪几层内容?

    卷积神经网络模型有哪些?卷积神经网络包括哪几层内容? 卷积神经网络(Convolutional Neural Networks,CNN)是深度学习领域中最广泛应用的模型之一,主要应用于
    的头像 发表于 08-21 16:41 1335次阅读

    卷积神经网络概述 卷积神经网络的特点 cnn卷积神经网络的优点

    卷积神经网络概述 卷积神经网络的特点 cnn卷积神经网络的优点  卷积神经网络(Convolutional neural network,CNN)是一种基于深度学习技术的
    的头像 发表于 08-21 16:41 1707次阅读

    卷积神经网络的应用 卷积神经网络通常用来处理什么

    卷积神经网络的应用 卷积神经网络通常用来处理什么 卷积神经网络(Convolutional Neural Network,简称CNN)是一种在神经网络
    的头像 发表于 08-21 16:41 3572次阅读

    卷积神经网络原理:卷积神经网络模型和卷积神经网络算法

    一。其主要应用领域在计算机视觉和自然语言处理中,最初是由Yann LeCun等人在20世纪80年代末和90年代初提出的。随着近年来计算机硬件性能的提升和深度学习技术的发展,CNN在很多领域取得了重大的进展和应用。 一、卷积神经网络
    的头像 发表于 08-17 16:30 838次阅读

    什么是神经网络?为什么说神经网络很重要?神经网络如何工作?

    神经网络是一个具有相连节点层的计算模型,其分层结构与大脑中的神经元网络结构相似。神经网络可通过数据进行学习,因此,可训练其识别模式、对数据分类和预测未来事件。
    的头像 发表于 07-26 18:28 1671次阅读
    什么是<b class='flag-5'>神经网络</b>?为什么说<b class='flag-5'>神经网络</b>很重要?<b class='flag-5'>神经网络</b>如何工作?

    三个最流行神经网络

    在本文中,我们将了解深度神经网络的基础知识和三个最流行神经网络:多层神经网络(MLP),卷积神经网络(CNN)和递归神经网络(RNN)。
    发表于 05-15 14:19 1105次阅读
    三个最流行<b class='flag-5'>神经网络</b>