神经可塑性
神经可塑性（，neural plasticity）又称神经功能重塑，是脑内神经网络具有藉生长和重组（reorganization）而改变结构和功能的能力；当脑部以某种方式重新连接起来，会与先前不同的方式运作。 神经可塑性是近期的发现，由Richard J. Davidson 在 1992 年提出，其研究显示重複性的经验可以改變大脑的結構。过去的科学家往往认为在婴儿关键期后，大脑结构不再发生变化；但近代发现，通过加强或削弱脑细胞（由神经元…
标签：#神經網路
共 5 篇文章
霍普菲尔德神经网络
霍普菲爾德神经网络(Hopfield neural network)是一种循环神经网络，由约翰·霍普菲尔德在1982年发明。Hopfield网络是一种结合存储系统和二元系统的神经网络。它保证了向局部极小的收敛，但收敛到错误的局部极小值（local minimum），而非全局极小（global minimum）的情况也可能发生。霍普菲尔德网络也提供了模拟人类记忆的模型。 构造 霍普菲尔德网络的单元是二元的（binary），即这些单元只能接…
NNUE
高效可更新神经网络（Efficiently updatable neural network，NNUE，源于日本“Nue”的谐音，有时被写作ƎUИИ）是一种基于神经网络的评估函数，其输入是棋子-方格表（Piece-Square Table），或其变体如王棋子-方格表。 NNUE 主要用于Alpha-Beta树的叶节点。 NNUE 评估函数虽然比手工评估函数慢，但能比手工评估看得更深。 NNUE 由日本的那須悠发明，并于 2018 年引入…
极限学习机
极限学习机（英文：Extreme Learning Machines，縮寫ELM），又名超限学习机，為人工智能機器學習領域中的一種人工神經網路模型，是一种求解单隐层前馈神经网路的学习演算法。极限学习机是用于分类、回归、聚类、稀疏逼近、压缩和特征学习的前馈神经网络，具有单层或多层隐层节点，其中隐层节点的参数（不仅仅是将输入连接到隐层节点的权重）不需要被调整。这些隐层节点可以随机分配并且不必再更新（即它们是随机投影但具有非线性变换），或者可…
Google神經機器翻譯系統
Google神經機器翻譯系統（，简写：GNMT），是Google開發的神經機器翻譯（NMT）系統，於2016年11月推出，它使用人工神经网络來提高Google翻譯的流暢度和準確性。Google神經機器翻譯系統通過應用（EBMT）機器翻譯方法來改進翻譯品質，系統會從數百萬個示例中學習。 历史 谷歌大脑項目於2011年由Google研究員傑夫·迪恩，格雷戈·科拉多和斯坦福大學計算機科學教授吴恩达在Google X秘密實驗室成立。吴恩达的工作…