<<Neural Networks and Deep learning>>讀后感

? ? ? ? 對(duì)于我來說,讀這本書還是有很大的困難的。讀這本書我只是作為一個(gè)了解,但是還是有所感想。

? ? ? ? ? 我不知道未來會(huì)是怎樣的。在科技正在迅速發(fā)展的今天,我們正在一步步用機(jī)械代替人類做一些危險(xiǎn)的工作,還有人類日常生話中所能做的事。它不僅為我們提供了便利,而且推動(dòng)著時(shí)代的發(fā)展。我們?yōu)榱藵M足更高的需求,把它們向著智能化方面發(fā)展,它會(huì)變得更加的安全,更加的高效,更加的環(huán)保,更加的耐用,更加的精確。而我們又該怎么樣去實(shí)現(xiàn)呢?

? ? ? ? 我們可以去編輯程序使它能夠工作,但是有些卻不是那么的簡(jiǎn)單。我們?nèi)藗儽旧砭褪且粋€(gè)完美的機(jī)械。我們可以通過學(xué)習(xí)來增長(zhǎng)知識(shí),可以通過先天性的積累來認(rèn)知時(shí)界??墒菣C(jī)械還沒有如此高的境界。我們希望機(jī)械像我們一樣去擁有神經(jīng)網(wǎng)絡(luò)。開始我們讓它能夠識(shí)別手寫字體,讓它進(jìn)行卷積運(yùn)算、正規(guī)化運(yùn)算、尺化運(yùn)算來識(shí)別。并且能夠反向傳播。但是這都不是輕而易舉能夠?qū)崿F(xiàn)的,它們可能會(huì)出現(xiàn)一此誤差,而我們就要對(duì)其的神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)。我們利用交叉熵代價(jià)函數(shù)、規(guī)范化訓(xùn)練來增加識(shí)別的精確度。而在其中的規(guī)范化訓(xùn)練讓我想起了肌肉記憶,通過大量的訓(xùn)練來增加熟練度,讓所重復(fù)的事越來越更加正確。此外便是權(quán)重初始化來減少誤差。

? ? ? ? 我們?yōu)榱诉_(dá)到更好的效果,我們使它更加地去深度學(xué)習(xí),讓它擁有經(jīng)驗(yàn),慢慢地去積累,讓其最后達(dá)到最好的狀態(tài)。但對(duì)于我們現(xiàn)在來說,仍然困難重重,所以對(duì)于我們來說任重而道遠(yuǎn)。時(shí)代在召換青春,青春創(chuàng)造未來。

? ? ? ? 更多的專業(yè)技術(shù)需要我們?nèi)ステ?。我們需要前輩的故事來不斷地激?lì)我們和啟發(fā)我們?nèi)?chuàng)新、去探索。同時(shí)我們也應(yīng)該嚴(yán)格的深刻的調(diào)查來發(fā)展真理,并讓這種習(xí)慣成為一種常態(tài),它是一種態(tài)度。有人說,人工智能以后會(huì)超越人類,這是一個(gè)未知的。人類也在不斷地進(jìn)步。

? ? ? ? 未來是未知,但是有發(fā)展的趨勢(shì),我們需要把握時(shí)機(jī),將自己所學(xué)的專業(yè)知識(shí)與之相結(jié)合,跟著時(shí)代的步代,創(chuàng)造屬于自己的一片天空。有機(jī)遇便會(huì)有挑戰(zhàn),而機(jī)遇只留給有準(zhǔn)備的人,而我們的準(zhǔn)備便是扎實(shí)的理論知識(shí)和基本功。

? ? ? ?

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容