连接学派通过算法模拟神经元,并把这样一个单元叫做感知机,将多个感知机组成一层网络,多层这样的网络互相连接最终得到神经网络。 这一学派认为人工智能源于仿生学,特别是人脑模型的研究。联结主义学派从神经生理学和认知科学的研究成果出发,把人的智能归结为人脑的高层活动的结果,强调智能活动是由大量简单的单元通过复杂的相互连接后并行运行的结果。我们可以根据要解决的实际问题来构建神经网络,进而用数据不断训练这一网络,调整连接权重来模拟智能。20世纪60~70年代,连接主义,尤其是对以感知机(perceptron)为代表的脑模型的研究出现过热潮,由于受到当时的理论模型、生物原型和技术条件的限制,脑模型研究在20世纪70年代后期至80年代初期落入低潮。直到Hopfield教授在1982年和1984年发表两篇重要论文,提出用硬件模拟神经网络以后,连接主义才又重新抬头。1986年,鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播算法(BP)算法。进入21世纪后,连接主义卷土重来,提出了“深度学习”的概念。
周末读书 | AI圣经《深度学习》中文版上市
德先生
2+阅读 · 2017年8月13日
【人工智能】什么是人工智能?
产业智能官
1+阅读 · 2020年2月11日
三问 Christopher Manning:超越模型存在的语言之美
人机融合智能的现状与展望
走向智能论坛
9+阅读 · 2019年2月17日
深度研报:六大视角解读人工智能,AI岂止于技术
机器人大讲堂
0+阅读 · 2018年7月5日
Gary Marcus:在人工智能上取得成功的「叛逆者」
参考链接
微信扫码咨询专知VIP会员