神经网络通过分析大量的训练数据来学习并执行计算任务，是构成当前人工智能（AI）系统的关键，应用领域覆盖语音识别系统到自动翻译系统，以及自动驾驶汽车。
然而，神经网络却如同黑盒一般，一旦受过训练，即使是他们的设计师也很少能知道它们正在处理或如何处理哪些数据元素，以及它们究竟在做什么。而麻省理工学院(MIT)最近揭示的一项研究成果表明了可通过新技术理解训练视觉数据的神经网络的内在运作。
两年前，麻省理工学院(MIT)计算器科学和人工智能实验室（CSAIL）的计算器视觉研究团队描述了一种用于训练识别视觉场景神经网络的黑盒方法。该方法提供了一些有趣的见解，但它仍需要人工判断。
【版权声明】凡本站未注明来源为"中国科学网"的所有作品，均转载、编译或摘编自其它媒体，转载、编译或摘编的目的在于传递更多信息，并不代表本站及其子站赞同其观点和对其真实性负责。其他媒体、网站或个人转载使用时必须保留本站注明的文章来源，并自负法律责任。 中国科学网对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。
【特别提醒】如您不希望作品出现在本站，可联系我们要求撤下您的作品。邮箱 biz@minimouse.com.cn
关于我们 | 网站地图 | 网站留言 | 广告服务 | 联系我们 biz@minimouse.com.cn
版权所有 中国科学网www.minimouse.com.cn