包阅导读总结
1. 关键词：神经网络、深度学习、反向传播、监督学习、无监督学习
2. 总结：文本介绍了神经网络的起源、研究者称呼、训练方式、主要类型，包括 CNN、RNN 及其变体，还提到深度学习对神经网络的作用及神经网络在监督和无监督学习中的应用。
3. 主要内容：
– 神经网络
– 起源于 20 世纪 50 年代，构想了“感知器”
– 研究者被称为“联结主义者”，模拟人脑功能
– 训练方式
– 通常通过反向传播算法应用梯度下降训练
– 类型
– 前馈神经网络：卷积神经网络（CNN）、循环神经网络（RNN）
– RNN 包含长短期记忆（LSTM）、门控循环单元（GRU）等
– 相关技术
– 深度学习帮助神经网络取得更好结果
– 学习应用
– 主要用于监督学习，也有用于无监督学习的变体，如自动编码器和生成对抗网络（GAN）
思维导图：
文章地址：https://www.jiqizhixin.com/articles/2024-07-30-9
文章来源：jiqizhixin.com
作者：机器之心
发布时间：2024/7/30 9:04
语言：中文
总字数：14120字
预计阅读时间：57分钟
评分：85分
标签：大模型,生成式AI,开源策略,智能眼镜,AI助手
以下为原文内容
本内容来源于用户推荐转载，旨在分享知识与观点，如有侵权请联系删除 联系邮箱 media@ilingban.com
（人工）神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型，那时候研究者构想了「感知器（perceptron）」的想法。这一领域的研究者通常被称为「联结主义者（Connectionist）」，因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型，它们都是前馈神经网络：卷积神经网络（CNN）和循环神经网络（RNN），其中 RNN 又包含长短期记忆（LSTM）、门控循环单元（GRU）等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习，但也有一些为无监督学习设计的变体，比如自动编码器和生成对抗网络（GAN）。
