模型的构建和训练仍需要技术诀窍(法)
相关报告
- 中国工业机器人应用系统行业市场深度调查研究及投资咨询报告(2018-08-09)
- 2014-2018年中国机器人行业市场深度剖析及投资前景趋势研究报告(2014-01-13)
- 2015-2020年中国智能机器人行业市场主要领域调查分析报告(2015-09-16)
- 2015-2020年中国工业机器人行业市场重点层面调查研究报告(2015-08-28)
- 2015-2019年中国智能机器人企业拟IPO上市细分市场研究报告(2014-11-18)
- 中国机器人行业市场深度调查研究及投资咨询报告(2018-08-09)
- 2016-2022年中国工业机器人应用系统区域行业市场调查研究及发展分析报告(2015-11-05)
- 2016-2022年中国机器人行业市场深度调查研究及投资咨询报告(2016-04-15)
- 2014-2018年中国机器人行业市场深度调查研究及投资咨询研究报告(2014-01-13)
- 2016-2022年中国工业机器人行业市场深度调查研究及投资咨询报告(2015-12-02)
人工智能应用得以实现最核心的是赋予机器以“智能”的算法,以当前最为热门的基于神经网络的
深度学习方法为例,在模型构建和训练中就依然存在很多难以标准化的技术诀窍。下图是一个包含5个隐层的深度神经网络(关于神经网络的训练方法可参见我们的系列报告第一篇),这里主要从训练过程的一些需要人为设定的技术诀窍来表明人工智能应用并不仅仅是有了算法就可以实现。
深度学习模型构建与训练过程存在大量难以标准化的技术诀窍

正如上图所标注的○1-○7分别代表从算法到模型实现的过程中训练数据选取、训练批次大小、输入属性选择、神经网络深度/宽度、激活函数选择以及优化目标设定等方面依然存在着的无法给出标准化规则的技术诀窍所在,详细情况如下表所示:
深度学习模型构建与训练过程存在大量难以标准化的技术诀窍

对上表所示的七个待设定技术诀窍而言,往往都属于太多不好、太低又不行的状态。例如神经网络
的深度和宽度,虽说两者的增加会提高模型的拟合能力,但在实际表现中即使不考虑模型复杂度带
来计算能力的负荷增加以及训练效率降低的问题,训练效果也并不是就绝对变好,甚至会变差。优
化目标的设定同样如此,当错误率下降到一定程度以后,继续提升效果的边际成本可能会超出想象,尤其是放到现实应用和商业环境来考虑时,有些场合下对准确率的要求本就没有那么高,过高的准确率反而是一种资源的浪费。
从算法到实现的训练过程中,以上总结的技术诀窍也只是其中一部分,而且几乎都没有统一的公式
或规则来明确界定,在很大程度上还需要依赖人根据不同情形下的经验和不断试错来找到最佳组合。
本文地址:http://www.zwzyzx.com/show-269-232202-1.html
相关资讯
- V2X的主要概况(2016-08-24)
- 中国车载导航行业发展情况(2016-01-21)
- 惯性稳控产品系统概念及原理(2014-06-08)
- 中国物流网行业市场投资标的情况(2016-12-17)
- 国内导热导电合成材料行业竞争格局(2015-01-16)
- 法拉电子:薄膜电容龙头拥抱汽车电子(2016-04-07)
- 盈利模式分析:依托实体产业链是中小第三方支付企业可持续发展重要战略(2016-06-22)
- 公安交管部门对驾考规则的持续动态调整对行业发展起到促进作用(2014-12-19)
合作媒体
最新报告
定制出版
热门报告
免责声明
中为咨询所引述的资料是用于行业市场研究以及讨论和交流,并注明出处,部分内容是由相关机构提供。若有异议请及时联系本公司,我们将立即依据相关法律对文章进行删除或作相应处理。查看详细》》



