关灯
请选择 进入手机版 | 继续访问电脑版

[智能算法及通信] 更简单、更智能化的全新深度学习模型诞生

[复制链接]
yexuqing 发表于 2020-11-13 11:32:28 | 显示全部楼层 |阅读模式 打印 上一主题 下一主题
 
更简单、更智能化的全新深度学习模型诞生
  近日,由奥地利维也纳技术大学、奥地利科技学院和美国麻省理工学院组成的国际研究团队宣布开发出一种基于线虫等微小动物大脑的全新人工智能系统。该系统只使用少量人造神经元即可控制车辆。该团队表示,与之前的深度学习模型相比,此系统具有决定性的优势:能够更好地应对有噪输入,且结构简单,其运行模式可详细解释。它并非复杂的“黑箱”,能够被人类所了解。相关研究成果发表于《自然-机器智能》。
  研究团队选择了一个重要性极高的任务来检验其创意:让自动驾驶汽车在自己的车道上行驶。神经网络将路况的摄像机图像作为输入信息加以接收,进而自动决定左右转向。
  如今参数数量数以百万计的深度学习模型经常用于学习自动驾驶等复杂任务。然而该团队开发的系统只需使用75000个可训练参数。新系统包含两大部分:摄像机输入首先经过所谓的卷积神经网络处理,该过程只通过感知视觉数据从输入像素中提取结构特征,由上述神经网络决定摄像机图像的哪些部分较为重要;随后将信号传输至网络的关键部位——可使车辆转向的“控制系统”。
  系统的控制部分(即神经控制策略系统)仅含有19个神经元,可将感知模块的数据转译为驾驶控制指令。与之前可实现相同功能的模型控制系统相比,神经控制策略系统要小3个数量级。
  研究团队用一辆真正的自动驾驶汽车对该深度学习模型进行了测试。该模型使得他们得以调查神经网络在驾驶时所关注的内容。他们发现网络将注意力集中在摄像机图像中的特殊部位——路边和地平线上。此行为相当可取,且为该人工智能系统所独具。此外,他们可以观测到系统发出操控指令时每个细胞所起到的作用,进而了解单个细胞的功能与行为。大型深度学习模型绝无达到此程度可解释性的可能。
  为了测试神经控制策略系统相对于之前深度学习系统稳健性的高低,研究人员对输入图像进行了干扰,同时对抗噪能力进行了评估。人为输入干扰是其他深度学习神经网络无法克服的难题,神经控制策略系统却对其有很强的抵抗性。这一属性是采用全新神经模型和架构的直接结果。






回复 送花

使用道具 举报

 
您需要登录后才可以回帖 登录 | 立即注册 微信登录

本版积分规则


-1257威望

45120盟币

3734关注

7457粉丝

51994帖子

排行榜
作者专栏
关闭

站长推荐上一条 /1 下一条

登录后可将在线时长兑换成盟币 ,连续在线 [1] 小时后,每小时 [0.5] 盟币.
×

你已累计兑换次数 0

你已累计兑换积分 0盟币

关注我们:微信订阅号

官方微信

APP下载

全国服务热线:

4000-000-000

公司地址:

运营中心:

邮编:

Copyright   ©2005-2020  科学网Powered by©Kxue.net    ( 粤ICP备14074656号-1 )|网站地图