知识卡片
架构决定能力
模型结构要适配问题的输入关系和输出目标:卷积处理局部网格特征,循环结构连接序列状态,图网络处理节点关系;复杂系统还可组合多种模块。语音识别把频谱特征、时间关系和输出对齐分开处理,体现这种职责划分。系统效果由架构、训练方式、数据和资源共同决定,增加层数不自动带来更好结果。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 人工智能的新时代 按任务组合架构并进入医学影像 · 查看原书依据
通过改变网络的深度与宽度,组合不同模块(例如卷积神经网络和循环神经网络),寻找对给定任务显著有效的特定学习和搜索算法组合,我们可以实现无数种网络结构与更复杂的系统。为提升图像分类任务效果,AlexNet卷积神经网络包含5个串联的卷积层与下游
参考来源
- 位置:《人工智能与计算生物的未来 (【美】布赖恩·希尔布什)》人工智能的新时代,按任务组合架构并进入医学影像(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section03.xhtml)
- 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;历史案例不等于当前临床有效性或监管认可。已经核验的边界与书中陈述分开。
- 原始内容:通过改变网络的深度与宽度,组合不同模块(例如卷积神经网络和循环神经网络),寻找对给定任务显著有效的特定学习和搜索算法组合,我们可以实现无数种网络结构与更复杂的系统。为提升图像分类任务效果,AlexNet卷积神经网络包含5个串联的卷积层与下游