原理:机器认识世界的方式是通过模型,需要通过复杂的算法和数据来构建模型,从而使机器获得很简单的感知和判断的能力。
AI算法将大量数据与超强的运算处理能力和智能算法三者相结合起来,建立一个解决特定问题的模型,使程序能够自动地从数据中学习潜在的模式或特征,从而实现接近人类的思考方式
ai训练模型的原理是在模型的训练环节中,只有一个目的,就是找到模型中各个参数应该被赋予的最合适的值。
基于这个目的,人们研究了有很多方法,有遗传算法、算法、动态路由、常微分方程等等。其中最为主流的应该数反向链式求导。
在刚开始没有得到合适的权重时,正向传播生成的结果与实际的标签是有误差,反向传播就是要把这个误差传递给权重,让权重做适当的调整来达到一个合适的输出。
最终的目的,是要让正向传播的输出结果与标签间的误差最小化。