知识卡片

普通读书笔记卡 · 3788.q.2.d · 生成模型:未记录

表达限制不同于训练困难

理解等级:中级

评价学习模型要分开问两件事:其函数结构能否表示目标关系,以及学习过程能否从数据中找到合适参数。单层感知机不能表达某些非线性划分,并不证明多层网络也不能表达;而多层结构具有表达能力,也不保证优化必然到达全局最优。把特定模型的限制扩大为整个路线无效,会误读数学结论。

这张卡片看不懂?

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 视觉启发与模型能力边界 · 查看原书依据

      明斯基和佩珀特还提出,任何规模的前馈神经网络(即多层神经网络)都不能保证自己可以找到问题的最优解。这一领域的许多人(从过去到现在)都因此认为神经网络没有价值。但这并不是他们通过数学得到的结论。明斯基多年来都试图指出这一点,却几乎于事无补。

    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,视觉启发与模型能力边界(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:明斯基和佩珀特还提出,任何规模的前馈神经网络(即多层神经网络)都不能保证自己可以找到问题的最优解。这一领域的许多人(从过去到现在)都因此认为神经网络没有价值。但这并不是他们通过数学得到的结论。明斯基多年来都试图指出这一点,却几乎于事无补。