
在人工智能的發(fā)展歷史中,,第三次神經(jīng)網(wǎng)絡興起的標志性事件包括()
A.Hinton提出深度信仰網(wǎng)絡/波茲曼機
B.Hinton小組在ImageNet競賽中奪冠
C.AlphaGo戰(zhàn)勝李世石
D.Hinton等人提出反向傳播算法
在人工智能的發(fā)展歷史中,,第三次神經(jīng)網(wǎng)絡興起的標志性事件包括()
A.Hinton提出深度信仰網(wǎng)絡/波茲曼機
B.Hinton小組在ImageNet競賽中奪冠
C.AlphaGo戰(zhàn)勝李世石
D.Hinton等人提出反向傳播算法
ABC
1943年,,心理學家W·Mcculloch和數(shù)理邏輯學家W·Pitts在分析、總結(jié)神經(jīng)元基本特性的基礎上首先提出神經(jīng)元的數(shù)學模型,。此模型沿用至今,,并且直接影響著這一領(lǐng)域研究的進展,。因而,他們兩人可稱為人工神經(jīng)網(wǎng)絡研究的先驅(qū),。
1945年馮·諾依曼領(lǐng)導的設計小組試制成功存儲程序式電子計算機,,標志著電子計算機時代的開始。1948年,,他在研究工作中比較了人腦結(jié)構(gòu)與存儲程序式計算機的根本區(qū)別,,提出了以簡單神經(jīng)元構(gòu)成的再生自動機網(wǎng)絡結(jié)構(gòu)。但是,,由于指令存儲式計算機技術(shù)的發(fā)展非常迅速,,迫使他放棄了神經(jīng)網(wǎng)絡研究的新途徑,繼續(xù)投身于指令存儲式計算機技術(shù)的研究,,并在此領(lǐng)域作出了巨大貢獻,。雖然,馮·諾依曼的名字是與普通計算機聯(lián)系在一起的,,但他也是人工神經(jīng)網(wǎng)絡研究的先驅(qū)之一,。
50年代末,F(xiàn)·Rosenblatt設計制作了“感知機”,,它是一種多層的神經(jīng)網(wǎng)絡,。這項工作首次把人工神經(jīng)網(wǎng)絡的研究從理論探討付諸工程實踐。當時,,世界上許多實驗室仿效制作感知機,,分別應用于文字識別、聲音識別,、聲納信號識別以及學習記憶問題的研究,。然而,這次人工神經(jīng)網(wǎng)絡的研究高潮未能持續(xù)很久,,許多人陸續(xù)放棄了這方面的研究工作,,這是因為當時數(shù)字計算機的發(fā)展處于全盛時期,許多人誤以為數(shù)字計算機可以解決人工智能,、模式識別,、專家系統(tǒng)等方面的一切問題,使感知機的工作得不到重視,;其次,,當時的電子技術(shù)工藝水平比較落后,主要的元件是電子管或晶體管,,利用它們制作的神經(jīng)網(wǎng)絡體積龐大,,價格昂貴,要制作在規(guī)模上與真實的神經(jīng)網(wǎng)絡相似是完全不可能的,;另外,,在1968年一本名為《感知機》的著作中指出線性感知機功能是有限的,,它不能解決如異或這樣的基本問題,而且多層網(wǎng)絡還不能找到有效的計算方法,,這些論點促使大批研究人員對于人工神經(jīng)網(wǎng)絡的前景失去信心,。60年代末期,人工神經(jīng)網(wǎng)絡的研究進入了低潮,。
另外,,在60年代初期,Widrow提出了自適應線性元件網(wǎng)絡,,這是一種連續(xù)取值的線性加權(quán)求和閾值網(wǎng)絡,。后來,,在此基礎上發(fā)展了非線性多層自適應網(wǎng)絡,。當時,這些工作雖未標出神經(jīng)網(wǎng)絡的名稱,,而實際上就是一種人工神經(jīng)網(wǎng)絡模型,。
隨著人們對感知機興趣的衰退,神經(jīng)網(wǎng)絡的研究沉寂了相當長的時間,。80年代初期,,模擬與數(shù)字混合的超大規(guī)模集成電路制作技術(shù)提高到新的水平,完全付諸實用化,,此外,,數(shù)字計算機的發(fā)展在若干應用領(lǐng)域遇到困難。這一背景預示,,向人工神經(jīng)網(wǎng)絡尋求出路的時機已經(jīng)成熟,。美國的物理學家Hopfield于1982年和1984年在美國科學院院刊上發(fā)表了兩篇關(guān)于人工神經(jīng)網(wǎng)絡研究的論文,引起了巨大的反響,。人們重新認識到神經(jīng)網(wǎng)絡的威力以及付諸應用的現(xiàn)實性,。隨即,一大批學者和研究人員圍繞著 Hopfield提出的方法展開了進一步的工作,,形成了80年代中期以來人工神經(jīng)網(wǎng)絡的研究熱潮,。
查看答案
單次付費有效 3.99 元
用于查看答案,,單次有效 19.99元
包月VIP 9.99 元
用于查看答案,包月VIP無限次 49.99元