算法是最近全球技术进步的基础,特别是,它们是一个领域的技术进步迅速应用到另一个领域的基石。我们认为,算法与深度学习方法有着本质上的不同,这强烈表明,如果深度学习方法能够更好地模仿算法,那么算法所看到的那种泛化将在深度学习中成为可能——这是当前机器学习方法所无法达到的。此外,通过在学习算法的连续空间中表示元素,神经网络能够使已知算法更接近于现实世界的问题,可能发现比人类计算机科学家提出的更有效和实用的解决方案。

https://www.cell.com/patterns/pdf/S2666-3899(21)00099-4.pdf

成为VIP会员查看完整内容
28

相关内容

专知会员服务
41+阅读 · 2021年4月2日
【机器推理可解释性】Machine Reasoning Explainability
专知会员服务
34+阅读 · 2020年9月3日
【CIKM2020】神经逻辑推理,Neural Logic Reasoning
专知会员服务
50+阅读 · 2020年8月25日
论文浅尝 | GMNN: Graph Markov Neural Networks
开放知识图谱
20+阅读 · 2020年2月14日
图神经网络(Graph Neural Networks,GNN)综述
极市平台
104+阅读 · 2019年11月27日
Graph Neural Networks 综述
计算机视觉life
29+阅读 · 2019年8月13日
论文浅尝 | Know-Evolve: Deep Temporal Reasoning for Dynamic KG
开放知识图谱
36+阅读 · 2018年3月30日
Arxiv
13+阅读 · 2021年5月3日
Arxiv
27+阅读 · 2020年6月19日
Neural Module Networks for Reasoning over Text
Arxiv
9+阅读 · 2019年12月10日
Arxiv
7+阅读 · 2019年6月20日
Relational recurrent neural networks
Arxiv
8+阅读 · 2018年6月28日
Arxiv
8+阅读 · 2018年3月17日
VIP会员
相关资讯
论文浅尝 | GMNN: Graph Markov Neural Networks
开放知识图谱
20+阅读 · 2020年2月14日
图神经网络(Graph Neural Networks,GNN)综述
极市平台
104+阅读 · 2019年11月27日
Graph Neural Networks 综述
计算机视觉life
29+阅读 · 2019年8月13日
论文浅尝 | Know-Evolve: Deep Temporal Reasoning for Dynamic KG
开放知识图谱
36+阅读 · 2018年3月30日
相关论文
Arxiv
13+阅读 · 2021年5月3日
Arxiv
27+阅读 · 2020年6月19日
Neural Module Networks for Reasoning over Text
Arxiv
9+阅读 · 2019年12月10日
Arxiv
7+阅读 · 2019年6月20日
Relational recurrent neural networks
Arxiv
8+阅读 · 2018年6月28日
Arxiv
8+阅读 · 2018年3月17日
微信扫码咨询专知VIP会员