院况简介
北京前沿科学技术研究院（简称“北前科学院”）成立于2016年9月，北前科学院，是由北京中科光析科学技术研究所，北检（北检）检测技术研究院，标检（北京）质量检测中心等科研单位，组建成立的独立科学科研机构，致力于前沿科学领域的研究与创新人才培养，科学技术转移孵化等，世界前沿新科学普及传播。 更多简介 +
院领导集体
前沿信息
基础科学
工程科技
在图像识别软件的背景下，这些软件可以识别我们的朋友、社交媒体和网络中的野花，通过我们的大脑处理数据，可以获得一种人工智能当神经网络打印数据时，它们的架构使人们很难追踪人类可见的错误的起源——比如将Converse high top与Nankleboot混淆——限制了它们在医疗保健图像分析或搜索等重要工作中的使用普渡大学开发的一个工具将这些问题简单地归结为坐在罗马飞机的山顶上
“从某种意义上说，如果神经网络能够达到峰值，我们会向你展示它将要发生的事情，”科学学院计算机科学的Purdue教授DavidGleich说，他开发了该工具，这是发表在NatureMachineIntelligence上的论文的特点“我们开发的工具有助于您在网络构建过程中找到位置，‘嘿，我需要更多信息来了解您所询问的内容。’我们建议您在一个高度自动化的网络决策场景或图像预测任务中使用该工具。”
GitHub上提供的列表代码，以及重复的演示Gleich与TamalK合作进行了这项研究Dey，也是一位计算机科学的博士教授，和MengLiu，是一位在计算机科学领域获得博士学位的博士研究生
整合他们的方法，Gleich's团队通过在从胸部X光和基因序列到服装的所有东西的数据库中标记图像的身份，建立了神经网络例如，非整条网络重复错误地标记了来自Imageneted数据库磁带播放器的汽车图像为什么？这些图片是从在线列表中绘制的，其中包括摄影师立体设备的标签
神经网络图像识别系统是一种重要的算法，它以模拟分析和识别神经元加权成像模式的方式处理数据系统通过图像的“训练集”来管理数据，例如识别动物、动物或动物，这些图像包括每个像素的数据、标记和其他信息，并且图像的实体被分类在一个特定的类别中使用培训集，专家学习或“提取”所需的信息，以便将输入值与类别相匹配这些信息跨越了一个嵌入的矢量的数字范围，用于计算图像属于可能类别的可能性一般来说，图像的正确性属于概率最高的类别
但这些建议和可能性与人类无法认知的决策过程无关输入100000个数字表示已知数据，然后网络生成128个数字的嵌入矢量，这些数字与物理特征不对应，尽管它们使网络工作能够对图像进行分类换言之，你不能打开一个在线系统的所有算法并遵循在输入值和图像的预测标识之间是众所周知的“黑盒”，它是多层不可识别的数字
“神经网络的问题是，我们看不到机器内部，无法理解它是如何做出决定的，那么我们如何知道神经网络是否是一个典型的错误呢？”Gleich在试图通过网络跟踪制作图像中的病理风扇的决定之前，Gleich的方法使计算机可以可视化关系，即计算机可以在元件数据库中看到相同的所有图像考虑到所有这些都是由网络组织起来的
这些图像之间的关系（类似于网络对数据库中图像的实体分类的预测）是基于嵌入的数据和两者产生的可能性为了找到网络无法区分两种不同分类的查看和查找位置的解决方案，Gleich's团队首先开发了一种筛选和重叠分类的方法，以确定图像在再次分类时具有更高的扩展可能性
然后团队将关系映射到Reebgraph，或者从拓扑数据分析领域获取在图中，网络思维的每一组图像后来都由一个点表示点被循环分类距离越近，考虑到这一群体的树脂相似性，而图的大部分显示了单色点的集群但是，两个不同的彩色图像点将显示一组图像，这些图像具有更高的延长或重新分类的可能性有了腿矛，两个标记无法区分的区域就会出现一组第一种颜色的圆点，同时出现一组第二种颜色的重叠圆点放大重叠点会显示一个融合的区域，就像猫的照片在卡拉和卡带播放器上都被标记了一样
Gleich说：“我们正在做的是，将这些复杂的金融信息保存到网络中，并让人们‘看’到网络，这是宏观层面的数据。”“Reebmar代表了重要的事情、重要的群体以及它们之间的关系，这使得错误成为可能。” 《复杂预测的拓扑结构》是在国家科学基金会和美国的支持下产生的s能源部
来源:
Materials provided by
Purdue University. Original written by Mary Martialay.
注明: Content may be edited for style and length.
参考:
2024-01-20
2024-01-20
2024-01-20
2024-01-20
2024-01-20
