可微编程如何主宰后深度学习时代?

  • 回答 (8)
  • 关注 (0)
  • 查看 (543)

前段时间在网上看到一个概念叫可微编程,称其可以打开深度学习的黑盒学习过程,并将主宰“后深度学习时代”,有人能大概讲一下这个概念和后深度学习时代的概念吗?这种说法是噱头还是确有其事?

济南庆典wtk济南庆典wtk提问于
草小灰邀请了LEOON来回答
月挽云岫回答于

现在的可微编程是对传统的继续学习方法的等价或者一种替代物。从问题的描述,再到问题的建模、求解,这是一个很复杂的过程。如果我们对传统的学习的方法,在一定的假设和前提下已经有建好的建模,完成等价的神经网络的建立,能走出最容易的一步。但是如果我们真的在未来要贯彻可微编程,就是把它当成一种语言。神经网络应该更进一步直接对问题进行建模,也就是对我们的物理现象进行抽象完成建模,并且传统的统计机器学习方法有一些先验知识,进而解决我们的一些实际问题。

爹说的都是真理幻想设计师回答于

深度学习三巨头之一Yann LeCun了解一下吧,可微分编程的说法来源于他,他同时也承认了“可微分编程”只不过是重新命名了现代深度学习技术体系,和当年给神经网络里有两个以上隐藏层的变体起名叫“深度学习”差不多,所以除了概念很新以外,也没有什么是很陌生的。后深度学习时代的网络通过从单网络到多网络的协同优化完成感知、决策与认知的有效结合;是数据规模及硬件加速平台的整体全面发展,但是深度学习本身还是具有黑盒智能、可解释性差等质疑,现在绝大多数可微编程的工作都是基于优化的过程展开,发现能得到新的长短期记忆,再从可微编程角度,找到与长短期记忆网络的连接,作为衔接传统算法与深度学习之间的桥梁为深度算法提供可解释性,其实是有可能成为打开深度学习黑盒子利器的。

第三蓝河亚热带生物CallLin回答于

可微编程简单来说,就是把神经网络当成一种语言,而不是一个简单的机器学习的方法,从而描述我们客观世界的概念以及概念之间的关系。目前最流行的方法是用深度学习提取特征,然后结合机器学习的一些方法来解决实际当中的一些问题,也可以反过来用深度神经网络拿来直接生成数据,也就是目前最火的生成式对抗网络。但是这样做可解释不强。可微编程把神经网络直接当成一种语言,直接用于替代问题的描述或者说抽象化问题。这样做的话易于优化。只需要一个SGD或者SGD的变种,而不需要发展出非常复杂的优化的算法。此外,还易于计算。并且也能做端到端的学习。所以说它是利器也是有道理的。

蓝蓝天上vzh怪兽工程师回答于

可微编程基于优化的过程展开可以连接传统算法与深度学习的话,具体实现的话是什么样的呢?

程序猿闯子回答于

把神经网络当成一种编程语言?这波操作也是很溜了。。。。。。

独善其身不思进取的码农回答于

可微分编程完成黑盒智能的解读的话,完全可以称霸深度学习领域

我是飞仔白马执行力回答于

感觉国内现在关于这个能查到的资料也不是很多,可以有相关研究的人介绍一下吗?

萌萌哒小昕玥一直积极治疗的神经病~回答于

这个厉害了,不过还是没人给出具体的应用实例的吧

扫码关注云+社区

领取腾讯云代金券