更改
跳到导航
跳到搜索
第366行：
第366行： − + − + − +
→对批评的实际反例
===对批评的实际反例===
===对批评的实际反例===
反驳 Dewdney观点的争论是神经网络成功地用于解决许多复杂且多变的任务，范围从自动飞行飞机到检测信用卡诈骗到掌握【Go】游戏。
反驳 Dewdney观点的争论是神经网络成功地用于解决许多复杂且多变的任务，范围从自动飞行飞机<ref>[http://www.nasa.gov/centers/dryden/news/NewsReleases/2003/03-49.html NASA – Dryden Flight Research Center – News Room: News Releases: NASA NEURAL NETWORK PROJECT PASSES MILESTONE]. Nasa.gov. Retrieved on 2013-11-20.</ref>到检测信用卡诈骗到掌握【Go】游戏。
科技作者Roger Bridgman评论道：
科技作者Roger Bridgman评论道：
<blockquote>神经网络，举个例子，成为众矢之的不仅因为它们被炒作到了天上， (什么没有?) 但也因为你可以创造一个成功的网络而不需要理解它如何工作: 捕获了它行为的一串数字可能完全是 "一个透明的,难以理解的表格...作为科技资源毫无价值"。
<blockquote>神经网络，举个例子，成为众矢之的不仅因为它们被炒作到了天上， (什么没有?) 但也因为你可以创造一个成功的网络而不需要理解它如何工作: 捕获了它行为的一串数字可能完全是 "一个透明的,难以理解的表格...作为科技资源毫无价值"。
尽管他着重声明科学不是技术， Dewdney看起来【pillory？】神经网络作为坏的科学，当多数发明它们的人只是尽力成为好的工程师。一个有用的机器可以阅读的难以理解的表格可能仍然值得拥有。
尽管他着重声明科学不是技术， Dewdney看起来【pillory？】神经网络作为坏的科学，当多数发明它们的人只是尽力成为好的工程师。一个有用的机器可以阅读的难以理解的表格可能仍然值得拥有。<ref>[http://members.fortunecity.com/templarseries/popper.html Roger Bridgman's defence of neural networks]</ref>
</blockquote>
</blockquote>
尽管分析一个人工神经网络学到了什么很困难，这样做比分析一个生物的神经网络容易的多。此外，参与探索神经网络学习算法的研究者正渐渐找出使学习机器成功的通用准则。例如局部还是非局部学习，浅还是深度结构。
尽管分析一个人工神经网络学到了什么很困难，这样做比分析一个生物的神经网络容易的多。此外，参与探索神经网络学习算法的研究者正渐渐找出使学习机器成功的通用准则。例如局部还是非局部学习，浅还是深度结构。<ref>{{cite web|url=http://www.iro.umontreal.ca/~lisa/publications2/index.php/publications/show/4|title=Scaling Learning Algorithms towards {AI} – LISA – Publications – Aigaion 2.0|publisher=}}</ref>
===混合方法（Hybrid approaches）===
===混合方法（Hybrid approaches）===