7,129
个编辑
更改
跳到导航
跳到搜索
第3行：
第3行： − − 该词条由 Cynthia 翻译编辑，由 Leo 审校，【张江】总审校，翻译自Wikipedia词条[https://en.wikipedia.org/wiki/Artificial_neural_network Artificial neural networks] 第636行：
第634行： + + 第677行：
第677行： − + + + + − 基于人脑连接组的人工神经网络，会是更好的AI吗？https://swarma.org/?p=28142 − 重磅Science论文：用人工神经网络解决量子多体问题https://swarma.org/?p=3792+ + + + + − + + + + + + + +
无编辑摘要
|description=人工神经网络,机器学习,深度学习
|description=人工神经网络,机器学习,深度学习
}}
}}
[[File:Colored_neural_network.svg.png|thumb|300px|人工神经网络是一组互相连接的节点，与[https://en.wikipedia.org/wiki/Brain 大脑]中的大量[https://en.wikipedia.org/wiki/Neuron 神经元]类似。这里，每个圆形节点代表一个[https://en.wikipedia.org/wiki/Artificial_neuron 人工神经元] ，一个箭头表示从一个人工神经元的输出连接到另一个的输入。]]
[[File:Colored_neural_network.svg.png|thumb|300px|人工神经网络是一组互相连接的节点，与[https://en.wikipedia.org/wiki/Brain 大脑]中的大量[https://en.wikipedia.org/wiki/Neuron 神经元]类似。这里，每个圆形节点代表一个[https://en.wikipedia.org/wiki/Artificial_neuron 人工神经元] ，一个箭头表示从一个人工神经元的输出连接到另一个的输入。]]
* [https://en.wikipedia.org/wiki/Tensor_product_network 张量积网络]
* [https://en.wikipedia.org/wiki/Tensor_product_network 张量积网络]
* [https://en.wikipedia.org/wiki/Time_delay_neural_network 时延神经网络] (TDNN)
* [https://en.wikipedia.org/wiki/Time_delay_neural_network 时延神经网络] (TDNN)
==引用==
==引用==
<references/>
<references/>
==参考书目==
==参考书目==
==编者推荐==
==编者推荐==
突触修饰的自反向传播提高了脉冲和人工神经网络的效率 | 复杂性科学顶刊精选6篇https://swarma.org/?p=29861
===集智文章===
* [https://swarma.org/?p=29861 突触修饰的自反向传播提高了脉冲和人工神经网络的效率 ]
* [https://swarma.org/?p=28142 基于人脑连接组的人工神经网络，会是更好的AI吗 ]
* [https://swarma.org/?p=3792 重磅Science论文：用人工神经网络解决量子多体问题]
===集智课程===
====[https://campus.swarma.org/course/1153 人工智能 2020]====
该课程为北京师范大学系统科学学院张江教授开设的研究生课程《人工智能》课程回放。课程偏重理论，辅以编程实践，将粗粒度的梳理人工智能重要的理念、算法、模型。前面会包含一些人工智能之前的理论计算机模型，图灵机等，后面系统从两方面讲解，一是符号派的人工智能，包括搜索、推理、表示等；二是连接派的人工智能，机器学习，强调理论机器学习基础。
====[https://campus.swarma.org/course/186 迎接AI时代]====
从人工智能的历史到AI时代的未来，再到AI在各个行业的落地应用。该系列课程带你全面走进AI时代。人脸识别教父李子青、联想研究院副总裁徐飞玉、前华院数据首席科学家尹相志、集智俱乐部创始人张江等大咖将亲自上阵为你解读AI的最新进展。
[[Category:人工智能]]
====[https://campus.swarma.org/course/1775 面向复杂系统的人工智能读书会]====
该读书会的目的是通过闭门分享讨论的形式，将为大家提供更加沉浸，深度，自由的交流环境。帮助大家了解面向复杂系统的人工智能研究和前沿进展，了解深度学习，因果推断等方法论如何与复杂系统研究相互影响。为大家在自己的研究领域引入何种人工智能方法提供灵感。
<br>
----
本中文词条由Cynthia翻译，Leo、[[张江]]审校，[[用户:薄荷|薄荷]]编辑，如有问题，欢迎在讨论页面留言。
本词条内容翻译自 en.wikipedia.org，遵守 CC3.0协议
本词条内容翻译自 en.wikipedia.org，遵守 CC3.0协议
[[Category:人工智能]]