您好、欢迎来到现金彩票网!
当前位置:刘伯温论坛 > 图像几何学 >

大脑如何处理如此多的数据

发布时间:2019-06-16 13:21 来源:未知 编辑:admin

  人类学会很快识别复杂的物体和它们的变化。例如,无论字体,纹理或背景如何,或者即使她戴上帽子或改变她的发型,同事也要认出“A”。当只有一部分可见时,我们也可以识别物体,例如床的角落或门的铰链。但是怎么样?是否存在人类在各种任务中使用的简单技术?这些技术可以通过计算复制来改善计算机视觉,机器学习或机器人性能吗?

  佐治亚理工学院的研究人员发现,人类可以使用不到1%的原始信息对数据进行分类,并验证了一种解释人类学习的算法 - 这种方法也可用于机器学习,数据分析和计算机视觉。

  “我们如何理解这么多的数据,包括如此多的不同类型,如此快速而强大?” 佐治亚理工学院计算机科学杰出教授,该项目的四位研究人员之一Santosh Vempala说。“从根本上讲,人类如何开始这样做?这是一个计算问题。”

  佐治亚理工学院计算机学院的研究人员Rosa Arriaga,Maya Cakmak,David Rutter和Vempala在“随机投影”测试中研究了人类表现,以了解人类学习物体的情况。他们向测试对象展示了原始的抽象图像,然后询问他们是否能够在随机显示相同图像时正确识别相同的图像。

  “我们假设随机投影可能是人类学习的一种方式,”高级研究科学家和发展心理学家Arriaga解释道。“短篇小说是,预测是正确的。只有0.15%的数据足以满足人类的需求。”

  接下来,研究人员测试了一种计算算法,允许机器(非常简单的神经网络)完成相同的测试。机器和人类一样,可以提供对人类学习方式的全新理解。“我们发现了证据,事实上,人类和神经网络的表现非常相似,”Arriaga说。

  研究人员想要对典型和非典型刺激的外观进行数学定义,并从中预测哪些数据对人类和机器最难学习。人类和机器的表现同样如此,这表明人们确实可以预测哪些数据会随着时间的推移而难以学习。

  结果最近发表在“ 神经计算”(MIT press)杂志上。它被认为是第一项关于“随机投影”的研究,这是研究人员理论的核心组成部分,与人类受试者有关。

  为了测试他们的理论,研究人员创建了三个150 x 150像素的抽象图像系列,然后是这些图像的非常小的“随机草图”。测试对象显示整个图像10秒,然后随机显示每个16个草图。抽象图像确保了人类和机器都没有任何关于物体的先验知识。

  “我们对极其简单的神经网络和人类之间的表现有多接近感到惊讶,”Vempala说。“神经网络的设计灵感来自我们认为人类学习的方式,但它是一种微弱的灵感。发现它与人类的表现相匹配是一个非常令人惊讶的事情。”

  加州大学圣地亚哥分校计算机科学与工程教授,机器学习专家Sanjoy Dasgupta表示:“这篇引人入胜的论文引入了一种局部随机投影,可以压缩图像,同时仍然可以让人类和机器区分大类。”和随机投影。“这是几何学,神经计算和机器学习的见解的创造性组合。”

  作者总结说,虽然研究人员无法明确宣称人脑实际上是在进行随机投射,但结果却支持随机投射是一种似是而非的解释的观点。此外,它提出了一种非常有用的机器学习技术:大数据是当今的一项艰巨挑战,随机投影是一种在不丢失基本内容的情况下使数据易于管理的方法,至少对于分类和决策等基本任务而言。

  基于随机投影的学习算法理论已被引用超过300次,并已成为机器学习中处理各种类型大数据的常用技术。

http://airgomusic.com/tuxiangjihexue/341.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有