- 主题:关于勾股定理的谣言
不论是计算机科学,还是人工智能算法,都是以数学为基础建立起来的。
【 在 ericzeng 的大作中提到: 】
: 对呀,但算法特别是计算机的算法,不是什么内在规律,是利用计算机的能力来解决实际问题的方法。所以说算法不等于数学的。研究算法本身的一般规律的,才可以归为数学。
: 什么阿法狗这种算法,依靠的不是数学,依靠的是智能科学和计算机科学
:
--
FROM 223.104.220.*
神经网络算法本来就是通过训练+演绎来模拟现实模型,只要网络容量足够大,训练样本足够多,就可以模拟一切自然逻辑过程。
【 在 ericzeng 的大作中提到: 】
: “以数学为基础建立起来”,和“是数学”这是两个概念好不好。物理不是以数学为基础建立起来得么?
: 何况人工智能算法最被人诟病的就是,现在最好的深度学习,没有靠谱的数学理论支撑
:
--
FROM 223.104.220.*
这恰恰就是数学神秘的魅力所在,只有用对了算法,她才能帮你干正确的事情。卷积模型的参数阵列浓缩了现实自然模型里的内在规律。
而深化算法所做的主要工作,就是通过设计调整参数阵列的算法来发现自然模型的规律。
【 在 ericzeng 的大作中提到: 】
: 再模拟也是对训练数据的模拟,凭什么就能对测试数据效果好?网络结构各种各样,凭什么用卷积就能效果好?请问这些问题有什么数学理论支撑?
: 算法也好,智能算法也好,都是用计算机来解决问题的计算机科学,并不是数学。
:
--
FROM 223.104.220.*
卷积,就是对数据进行滤波的过程。多重卷积,就是多重滤波。通过一层一层地滤波,把自然事物的规律特征提取放大出来。
【 在 ericzeng 的大作中提到: 】
: 看来你既不太懂数学,也不太多人工智能。
: 数学是精密严谨的,根本不存在神秘。
: 为什么用卷积模型在图像上能取得好的效果,根本就没靠谱理论,都是实验出来的。
: ...................
--
FROM 223.104.220.*
卷积就是离散滤波,卷积参数和训练数据的卷积,转换到频域,就是相乘的关系。这个原理和连续域滤波是一样的。
通过滤波,针对特定的事物,滤除不关心的内容,把需要提取的特征放大提取出来。
【 在 ericzeng 的大作中提到: 】
: 卷积和滤波是两个概念。要滤波不一定非得卷积。
: 为什么滤波就能把自然事物的规律特征提取放大出来?要扯数学你得先从数学上定义什么是“自然事物的规律特征”,什么叫“放大出来”。
: 我只能认为你既不太懂数学,也不太理解智能科学。
: ...................
--
FROM 223.104.220.*
九章算术用的就是3。对于当时来说,求密率是一项科学研究工作,日常计算仍然用的是3。
【 在 fupip 的大作中提到: 】
: 他爹就是算圆周率的,也用3?
--
FROM 42.245.236.*