连接组、深度学习以及未来五年的 AI

作者/分享人:王晓明
向 Ta 提问
现担任华生基因北京生物技术研究院高级AI算法工程师职位,主要负责大数据平台的架构和研发工作。擅长NLP、数据挖掘、深度学习、时间序列分析及EduAI(人工智能+教育)领域的产品研发。曾负责网利宝支付平台和用户画像系统的架构及研发工作;参加2016年上海BOT大数据大赛并获得聊天机器人组的优秀奖。

连接组学主要是通过分析神经元之间的连接和组织方式来达到分析大脑的运行机制这一终极目的的一门学科。深度学习是机器学习的一个分支,是受人类大脑神经元结构启发的学习算法。未来五年内的 AI 能达到什么程度?我们应该从什么方向进行探索? 本文没什么干货,就是想和广大人工智能爱好者异想天开的畅想一下人工智能的未来。

已有423人预订
预订达标
文章出炉
交流日期
     
17.12.26
01月09日
01月16日 20:30
查看文章评论/提问
曹某某
深度学习在根据历史传感器数据做故障预警领域有什么比较好的模型么?目前深度学习在图像、语音和自然语言处理方面运用颇为广泛。比如cnn和rnn,以及lstm等。而对于非文字序列的分析,有论文提到使用rbm,请问这是目前的主流么?谢谢老师。
王晓明: 深度学习的故障诊断是运用大量数据建立输入输出的非线性映射从而对系统进行状态估计的一种故障诊断方法。我没有具体做过自动故障诊断的项目,但我认为其实本质上故障诊断是一个二分类任务。分为有故障和无故障两大类。机器学习首先看的是数据,就是要尽可能让传感器获取尽可能多的机器状态,并且要有专家标注出那些状态有故障,那些正常运转。所以各种分类的模型都可以使用,我知道有人使用深度置信网络取得了不错的效果。 一般认为在视觉、语言的序列中时间是连续的,而股票、天气、销量等序列中的时间是离散的,时间序列问题有很多传统的机器学习模型比如如自回归模型和线性动力系统(LDS),和著名的隐马尔可夫模型(HMM)。RBM 是序列建模是一种方法,此外 RNN,包括 LSTM 用在离散的时间序列分析中也是可以的。
rm -rf
在基因领域,深度学习现有哪些应用呢?
Q.IAN
文章好像更多的 是在谈论生物神经网络与AI人工神经网络之间的纠葛,想听你更多的列举一些例子,关于你在实战中总结的个人见解,谢谢。
武器大师一个挑俩
想了解一下深度信念网络,玻尔兹曼机与我经常听说的cnn,rnn模型的关系,以及应用领域和发展
海的女儿
您好!老师,看了您的文章,与独到见解,想邀请您写关于这方面的书籍,方便加我微信zhou_newstart,如有打扰,请见谅。
你可能还喜欢
初探 Metasploit 漏洞框架
肖志华
使用 Mpvue 开发微信小程序的最佳实践
美团点评技术团队
Java 优化方案:设计模式
Array老师
普通程序员如何快速提升自己
王俊生
使用 Python 全栈打造淘宝客微信机器人
州的先生
大厂面试官亲述:0~3年移动研发工程师必备技能
richardcao
微信扫描登录