当前位置:首页 > 天道酬勤 > 正文内容

神经网络和人工智能原理(神经网络输入神经元个数)

张世龙2021年12月21日 18:52天道酬勤620

智东西(公众号) zhidxcom )篇|勤奋的长颈鹿

据智东西4月15日消息,4月14日,非营利人工智能研究组织Open AI发布神经元可视化库Microscope,有助于提高AI研究者对神经网络的了解。

现代神经网络由成千上万的神经元构成,神经活动是神经元之间的相互合作过程。 解释神经元之间的相互作用是AI研究者的一大目标。

Microscope神经元可视化库基于8个常见或重要的视觉神经网络,收集各自的重要级别和神经元,便于分析神经网络的内部特征。

为了在实验室中用显微镜更清晰地观察细节,AI研究者将更好地理解成千上万神经元的神经网络的结构和行为。

一、连接8大神经网络,可视化呈现神经元

8的8个神经网络分别为Alexnet(2012年ImageNet挑战赛冠军)、Alex net (Alex NES )、Inception v1 ) )谷歌网、2014年IMM Inception v1 ) )的各神经网络中有很多图像,在创作共享许可条款下,可以在OpenAI lucid库中重复使用。

在Microscope模型中,将神经网络层视为“节点”,“节点”通过“边缘”相互连接。 每个op包含数百个“单元”,几乎与神经元相似。 通过特征可视化、深梦、数据集示例、合成调整曲线等技术实现可视化效果。

研究人员表示,随着时间的推移,图像可能会更多。 但他指出,所使用的大多数技术只能在特定情况下使用。 例如,特征的可视化只指向“单元”,但不能指向“父节点”。

神经元的可视化

二、快速反馈,易于理解,能倒推出神经活动

研究者在现有神经网络的基础上,连接了所有神经网络层和神经元,构建了Microscope。

这个方法有几个很大的优点。

首先,Microscope将搜索神经元的反馈时间从分级缩短到秒级。 在发现一些未知特性时,这种高速反馈电路是不可缺少的,例如有助于研究者发现神经活动中的高低频检测器。

其次,通过建立可连接的模型和神经元,研究者可以马上进行调查,也可以进行更长期的研究。 研究者在不同组织工作时,也不会将模型和神经元混淆。

此外,Microscope具有可访问性。 与其他模型相比,所需的访问计算量较少。 但是,Microscope仍然需要数百GPU时间,研究者们表示希望保持其高度的可理解性。

根据OpenAI 14日发表的博文,Microscope通过了解神经元之间的联系,可以逆转神经元之间的合作。

OpenAI认为,Microscope对有兴趣探索神经网络机制的人很方便,但其更重要的价值是为促进这些模型的长期研究提供长期、共享的神经元可视化库

“我们也希望神经科学等相近学科的研究者能够受益,更容易地理解这些视觉模型的内部工作。 ”据研究者称。

结语:神经网络可视化是热点,未来或有更多进步

除了Microscope以外,近年来还有致力于将机器学习模式的活动可视化的研究。

例如,去年秋天Facebook发售了Captum,通过可视化手段可以理解机器学习模型做出的决策。 2019年3月,OpenAI和谷歌发布了可视化机器学习算法决策的开源技术。 随后,谷歌于2019年10月发布了TensorBoard.dev,使机器学习模式的培训过程可视化。

通过各公司的不断钻研,神经网络的可视化技术将来也会继续进步吧。 我想擦亮眼睛等待。

文章来源: VentureBeat,OpenAI

谢谢您的阅读。 关注船,带你到科学技术的最前线~

扫描二维码推送至手机访问。

版权声明:本文由花开半夏のブログ发布,如需转载请注明出处。

本文链接:https://www.zhangshilong.cn/work/26512.html

分享给朋友:

发表评论

访客

看不清,换一张

◎欢迎参与讨论,请在这里发表您的看法和观点。