热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

hinton深度学习nature_【深度学习】卷积神经网络之父LeCun:关于深度学习必须知道的传奇人物...

使机器能够通过数据了解世界是如何运转的,而不仅仅是学习如何解决一个特定的问题,将是未来十年AI研究的一大重点。——YannLeCun本文主要讲述卷积神经
3a3557be71eb00350ca41ce3ae15bfb6.png

使机器能够通过数据了解世界是如何运转的,而不仅仅是学习如何解决一个特定的问题,将是未来十年AI研究的一大重点。

——Yann LeCun

本文主要讲述卷积神经网络之父Yann LeCun的故事。

1961年,LeCun出生在浪漫之都巴黎 。

1983 年,22岁的他在ESIEE大学获得电子工程学位,四年后在 Université P&M Curie 获得计算机科学博士学位。

完成了多伦多大学的博士后研究之后,LeCun加入了 AT&T 贝尔实验室。在此期间他接触到了运行飞快的电脑和一个庞大的USPS数据集——拥有5000个训练样本,这在当时算是数一数二的了。

在USPS数据集的帮助下,LeCun第二年便打造并训练了第一个版本的LeNet 1,在字母识别上取得了有史以来最高的准确率。

8da6a9469b3256935edc702948f4dcc4.png

一直以来,LeCun都坚信一定有方法可以让电脑拥有视觉,理解图像中的东西,甚至可以让机器学习许多任务,包括感知,这也就是现在大家熟知的人工神经网络反向传播算法的模型。

由于LeCun在论述其网络结构时首次使用了“卷积”一词,“卷积神经网络”也因此得名。

1993年,LeCun在电脑上展示识别手写数字,将CNN与BP反向传播结合阅读“手写”数字,结果优于以往任何模型,很快便应用到ATM识别读取支票上的数字。

但由于数值计算能力有限、学习样本不足,加上同一时期以支持向量机为代表的核心学习方法的兴起,这一时期为各类图像处理问题设计的卷积神经网络停留在了研究阶段,应用端的推广较少。

后来该理论一度被认为过时,主要原因一是缺乏软件,二是没有足够的数据。就像是火箭发射,装备和火药都不完全具备,发射的功能就无法实现。

1f8cc21411f14bf1a2bc6ca84ba278e8.png

虽然在当时受到很多批评,但是LeCun从未放弃,他的导师Hinton曾评价说:“LeCun高举着火炬,冲过了最黑暗的时代。”

2003年,LeCun加入了纽约大学的教师队伍,并与Hinton和Bengio一起,以非正式联盟的形式重新恢复了神经网络。

三年后,Hinton在神经网络的深度学习领域取得突破,这是一次标志性的技术进步,人类又一次看到机器赶超人类的希望

Facebook创始人扎克伯格曾表示,坚信AI技术对Facebook未来的发展至关重要,想要建立一个全球人工智能中心,多次邀请Lecun加入公司。

2013年,53岁的 Lecun 加盟 Facebook 组建FAIR并任职第一任主任,开始了他横跨工业界和学术界双重联盟的模式。

6b64f11b8d69705d6d9ea40f6157531d.png

几年时间,LeCun将FAIR逐步打造成一个全球最大的跨文化、多模态、结构化、有组织的人们互动的数据库,高度开源并发表所有的技术以供行业使用。

为了表彰Lecun等人在深度神经网络方面的卓越贡献,2019年3月27日,国际计算机学会宣布,Yann LeCun、Yoshua Bengio和Geoffrey Hinton 共同获得2018年图灵奖。

图灵奖是专门奖励那些对计算机事业作出重要贡献的个人,由于图灵奖对获奖条件要求极高,评奖程序又是极严,一般每年只奖励一名计算机科学家,因此它是计算机界最负盛名、最崇高的一个奖项,有“计算机界的诺贝尔奖”之称。 

虽然人工神经网络作为一种帮助计算机识别模式和模拟人类智能的工具在20世纪80年代被引入,但直到21世纪初,只有LeCun、Bengio和Hinton等一小群人仍然坚持使用这种方法。

尽管他们的努力也曾遭到怀疑,但他们的想法最终点燃了人工智能社区对神经网络的兴趣,带来了一些重大技术进步。他们的方法现在是该领域的主导范式。

fa151c90a99dcf53da95882ceaef9d8c.png

被誉为“卷积神经网络之父”,Yann LeCun实至名归。

如今,卷积神经网络已经成为计算机视觉、语音识别、语音合成、图像合成和自然语言处理领域的行业标准,被广泛应用于自动驾驶、医学图像分析、声控助手和信息过滤等重要领域。

为了帮助行业人才更快地掌握人工智能深度学习技术,中公优就业联合中科院自动化研究所专家,开设人工智能《深度学习》课程,通过深度剖析人工智能领域深度学习技术,培养人工智能核心人才。

95771fc8523ec02da866141bad103de7.gif

在为期5周的课程学习中,你将全面了解AI深度学习的相关知识,掌握人工神经网络及卷积神经网络原理、循环神经网络原理、生成式对抗网络原理和深度学习的分布式处理,并应用于企业级项目实战。同时,赠送课程中企业级项目的源码,帮你无缝对接课程重点,分分钟掌握大厂人才必备技能。
课程由中科院自动化研究所专家亲自传授,结合行业发展情况,带你逐一攻破大厂级项目难题。课程期间贴心答疑,加强巩固训练,全方位保证学习效果。
最近,我们还对课程模式进行了再升级,现在报名,即可获得免费赠送的价值2999元的Python网课,为无Python编程基础学员提供学习资料。
如果您对深度学习感兴趣,欢迎加入优就业深度学习交流群1044223982,免费领取学习资料,暗号CNN。

点击右侧蓝色字体,了解课程详情:平均年薪50万,大厂急需

● ● ●两句叨叨:最近因为公众号改版,时间线被打乱了,优妹儿发布的文章你们有可能错过啦~所以要拜托你们动动手指:
  • 1、给优就业标星:这样你能更方便地找到公众号,进去获取最新推送。

  • 2、给优就业“在看”:你将能更及时地接收到推送+优惠活动。

其他小文(戳蓝字阅读):超值好课 | 0基础如何月入10万?这份涨粉+变现指南请收好弯道超车 | UI设计师必备9大软件技能(内附教程)成长态度 | 28岁程序员狂赚上亿后宣布退休:格局越大,人生越宽职场精进 | 我985毕业,面对“史上最惨求职季”,偷偷加入了一个群…识别二维码添加小助手免费领取更多职场精进课程(加好友备注:领资料)

c28f6685781f0f14db0cabe1097a9fbc.png

e7866234c51f2dd7e645fd71448c7539.gif

点击“阅读全文”学习更多课程



推荐阅读
  • 本文档旨在帮助开发者回顾游戏开发中的人工智能技术,涵盖移动算法、群聚行为、路径规划、脚本AI、有限状态机、模糊逻辑、规则式AI、概率论与贝叶斯技术、神经网络及遗传算法等内容。 ... [详细]
  • 2017年人工智能领域的十大里程碑事件回顾
    随着2018年的临近,我们一同回顾过去一年中人工智能领域的重要进展。这一年,无论是政策层面的支持,还是技术上的突破,都显示了人工智能发展的迅猛势头。以下是精选的2017年人工智能领域最具影响力的事件。 ... [详细]
  • QUIC协议:快速UDP互联网连接
    QUIC(Quick UDP Internet Connections)是谷歌开发的一种旨在提高网络性能和安全性的传输层协议。它基于UDP,并结合了TLS级别的安全性,提供了更高效、更可靠的互联网通信方式。 ... [详细]
  • 本文详细介绍如何使用Python进行配置文件的读写操作,涵盖常见的配置文件格式(如INI、JSON、TOML和YAML),并提供具体的代码示例。 ... [详细]
  • 本文介绍如何使用阿里云的fastjson库解析包含时间戳、IP地址和参数等信息的JSON格式文本,并进行数据处理和保存。 ... [详细]
  • 本文详细介绍了 com.facebook.drawee.view.SimpleDraweeView 中的 setScaleType 方法,提供了多个实际代码示例,并解释了其在不同场景下的应用。 ... [详细]
  • 本文探讨了MariaDB在当前数据库市场中的地位和挑战,分析其可能面临的困境,并提出了对未来发展的几点看法。 ... [详细]
  • 深入解析 Apache Shiro 安全框架架构
    本文详细介绍了 Apache Shiro,一个强大且灵活的开源安全框架。Shiro 专注于简化身份验证、授权、会话管理和加密等复杂的安全操作,使开发者能够更轻松地保护应用程序。其核心目标是提供易于使用和理解的API,同时确保高度的安全性和灵活性。 ... [详细]
  • 信用评分卡的Python实现与评估
    本文介绍如何使用Python构建和评估信用评分卡模型,涵盖数据预处理、模型训练及验证指标选择。附带详细代码示例和视频教程链接。 ... [详细]
  • 探索电路与系统的起源与发展
    本文回顾了电路与系统的发展历程,从电的早期发现到现代电子器件的应用。文章不仅涵盖了基础理论和关键发明,还探讨了这一学科对计算机、人工智能及物联网等领域的深远影响。 ... [详细]
  • 方法:1 配置数据库basediros.path.abspath(os.path.dirname(__file__))  #获取当前文件的绝对路径appFlask(__name__ ... [详细]
  • 利用决策树预测NBA比赛胜负的Python数据挖掘实践
    本文通过使用2013-14赛季NBA赛程与结果数据集以及2013年NBA排名数据,结合《Python数据挖掘入门与实践》一书中的方法,展示如何应用决策树算法进行比赛胜负预测。我们将详细讲解数据预处理、特征工程及模型评估等关键步骤。 ... [详细]
  • Coursera ML 机器学习
    2019独角兽企业重金招聘Python工程师标准线性回归算法计算过程CostFunction梯度下降算法多变量回归![选择特征](https:static.oschina.n ... [详细]
  • 深入浅出TensorFlow数据读写机制
    本文详细介绍TensorFlow中的数据读写操作,包括TFRecord文件的创建与读取,以及数据集(dataset)的相关概念和使用方法。 ... [详细]
  • 本文深入探讨了 Java 中的 Serializable 接口,解释了其实现机制、用途及注意事项,帮助开发者更好地理解和使用序列化功能。 ... [详细]
author-avatar
cc
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有