笔趣屋

手机浏览器扫描二维码访问

第655章 神经网络深度学习(第1页)

一小时后,方鸿再次来到了量化资本总部。

陈宇的助理前来接待他,领着他向着招待室走去,并说道:“方先生,陈总正在技术部开会,您稍等,我去知会他一声。”

方鸿如是说道:“不用,直接带我去他的会议室,我去旁听一下。”

闻言,陈宇的助理拿出手机给他发了个信息,很快陈宇就回消息,这位助理转而看向方鸿微笑道:“方先生,您这边请。”

不一会儿,方鸿便来到了陈宇所在的会议室,在场有三十多号人,看到走进来一个陌生的青年,大家都颇为好奇的打量了一下。

他们发现方鸿跟自己老板陈宇的年龄差不多,但不同的是,他们从方鸿身上感受到了一种在这个年龄阶段所没有的上位者气场,这让大家意识到这个陌生青年不是一般人。

此刻,陈宇看到方鸿与之相视点头致意,后者微微一笑便在会议室里默默地找了个位置坐下旁听。

陈宇收回目光,转而环视一众与会者继续说道:“……对于人工智能的基本实现思路,机器学习的过程,简单的说就是电脑到底是如何自我学习的。”

“因为计算机的一切运算,其基础都是数学运算,所以任何机器学习的思路,归根结底就是把一个实际问题转化为数学问题。为了让计算机能够预测或者识别什么东西,就需要先构造一个数学函数,这个数学函数就叫预测函数。”

一般人可能很难想象,量化资本作为一家多元金融公司,在大多数股民眼里甚至就是一家非银金融投资公司,掌门人也是做投资交易的,却在公司里谈论这些内容。

不过方鸿是很淡定,这其实很正常,华尔街就是汇集了一群顶尖的数学家、物理学家。

此刻,陈宇转而看向会议屏幕道:“比如预测一个吃饱饭的函数,就可以描述成[吃饱=n碗饭],这个预测计算到底准不准?一个人吃几碗饭和吃饱之间的关系有是什么?是吃一碗还是三碗才能吃的饱?”

“这就需要实际去试一下,如果预测是两碗饭吃饱,但实际要吃三碗饭才饱,其中一碗的误差就是损失,描述这个损失的函数即[3-n=1],这就是损失函数。”

“机器学习就是通过不断尝试让这个误差达到最小的过程,寻找损失最小值的方法通常是梯度下降,一旦我们找到了最小误差,就会发现当[n=3]的时候误差最小,也就是机器学习找到了真实的规律,就成功解决问题了。”

陈宇再度看向众人道:“所以,机器学习就是在寻找数据的规律,大部分时候,它的本质就是把数据投射到坐标系里,然后用计算机通过数学方法画一条线区分或者模拟这些数据的过程。”

“不同的机器学习方法,就是在使用不同的数学模型来投射数据和画线,从上世纪到现在,不同的流派找到了不同的方法,擅长于解决不同的问题,影响比较巨大的有这么几种:线性回归和逻辑回归、k近邻、决策树、支持向量机、贝叶斯分类以及感知机等。”

方鸿坐在一边旁听默默不言,他也算是计算机科学领域的半个业内人士,更有前世记忆先知先觉的优势,此刻旁听也是毫无压力。

陈宇他们走的显然就是神经网络这个流派,不过也向前推进了一步,进入到了强化深度学习,而神经网络的前身就是感知机。

这三个名词本质上都是在玩同一个东西。

却说此刻,陈宇缓缓地说道:“深度学习最基本的思想就是模拟大脑神经元的活动方式来构造预测函数和损失函数,既然叫神经网络,必然和人的大脑神经元有一定的关系,单个感知机的算法机制其实就是在模拟大脑神经元的运行机制。”

屏幕上呈现一张大脑神经元的结构图。

“这是一个神经元,大家都知道它的结构,这是树突,这是轴突,其它神经元发过来的信号通过树突进入神经元,再通过轴突发射出去,这就是一个神经元的运行机制。”

“现在我们把神经元的树突变成输入值,把轴突变成一个输出值,于是这个神经元就变成了这样的一张图。把它转化为一个数学公式就更简单了,[x1+x2+x3=y],就是这个公式。”

万兽真君  大汉天子,我能开启群臣天赋  兽娘:开局契约SSS级反派妈妈  我是魔魔魔魔魔魔魔魔魔魔魔魔魔  念彼  末世:手握酒店,在座的各位平身  如星如月相皎洁  开局觉醒双灵窍的我,直接爽了!  家暴致死后小妖精绑定系统野炸了  四合院:何家大哥,开局虐傻柱  灵气复苏:开局入住神级养老院  九重仙图  苟王极度害羞,女帝老婆太会撩  沉浸快穿:天选打工人!  柏总,郝小姐给你名份了吗?  狐妖穿越  乡村野史  都市天才:开局已无敌  开局便宜师尊  全民突围:我枪械满级熟练度  

热门小说推荐
人家吃糠我吃肉,随军过上好日子

人家吃糠我吃肉,随军过上好日子

沈七七刚拿下百花影后奖就突遭意外穿到了一本年代文里。她家作为女主对照组,全家都是极品,满门都是炮灰。沈七七作为全家团宠,不知道该哭还是该笑。书里原主一路倒贴,男女主照单全收,却对她家赶尽杀绝。沈七七一个绝版陈世美加一朵盛世白莲花,渣男贱女赶紧滚!沈七七果断拦住义愤填膺杀去男主家里逼婚的哥哥们。这个狗男人我不要...

重生八零俏娇妻

重生八零俏娇妻

林晓晚重生在了十八岁的那个夏末秋初,这时候爹娘还没有死,所有的悲剧也还没有开始。重活一世,她发誓要有仇报仇,有怨报怨,带着家人过上好日子。还要把自由还给那个前世被自己耽误一生的好男人陆战北,让他去寻找属于他的幸福。某男啥,听说你要让我去寻找我的幸福?我的幸福不就是媳妇你么!晓晚额?我配不上你,你出生在军队大院里,是国内最年轻的地质专家,我太平凡了,我一定要还你自由。某男配不配上我说了算,地上凉,咱们床上说。如果您喜欢重生八零俏娇妻,别忘记分享给朋友...

特工狂妃:霸道王爷宠不停

特工狂妃:霸道王爷宠不停

特工狂妃霸道王爷宠不停简介emspemsp特工狂妃霸道王爷宠不停是明月最爱衣香的经典其他类型类作品,特工狂妃霸道王爷宠不停主要讲述了穿越了的特工差点被人给强了。脸毁人废的离殃指着自己的脸懵逼不明月最爱衣香最新鼎力大作,年度必看...

从斗罗开始打卡

从斗罗开始打卡

从斗罗开始打卡简介emspemsp他们毕业于史莱克学院,是被长辈老师喜爱的孩子。他们被世人称为史莱克七怪,是同辈甚至长辈羡慕的天才。他们一同升入神界,七人一同在神界生活千年。原本平凡无聊的日子被神王打破。他们终于回到了斗罗大陆。...

全民总动员:重生在人类灭亡前

全民总动员:重生在人类灭亡前

外星生物即将入侵。唯一的知情者萧山,带领十四亿九州国民,发挥基建狂魔的本色,在几个月内筑造数万钢铁防御堡垒组建亿万坚强铁军,与恐怖的外星生物展开一场绝境中的求生之战。九州国以一国之力,以炎黄子孙的民族大义,保存了人类文明的火种。一本荡气回肠热血澎湃的轻幻想重现实的科幻小说。简介无力,请看正文。如果您喜欢全民总动员重生在人类灭亡前,别忘记分享给朋友...

倾世毒妃惑天下:盛世谋妃

倾世毒妃惑天下:盛世谋妃

倾世毒妃惑天下盛世谋妃简介emspemsp她是护国公嫡女,风华绝代,举世无双,凤披霞冠之日却被人冠上贱妇之名!本以为苦尽甘来,等来的却是戳心之剑,蚀心之痛!重活一世,她强势归来,至于那个男人,他要权,她便夺了他的权!他要势,她便夺了他的势!他要天下,她夺了他的天下又如何!他,一代铁血王爷,嗜血阴冷,智谋无双,却唯独对她情有独钟。为了复仇她勾引他,步步为营,阴谋算计,冰冷缠绵,日日笙歌,真相大白之日,原来不过是各取所需,本以为再无交集,他却拥着她不放手!她心如刀绞望着他你要什么!暗夜如水,他霸道扯下她的衣衫若我说,要你呢!一代毒妃强势归来,用毒的最高境界不是下毒更不是制毒,而是毒心,可最终究竟是谁毒了谁的心更┆多┆就┇上woo18vipWoo18vip...

每日热搜小说推荐