作者 | 煎饼果子不要果子 编辑 | 汽车人
原文链接:https://zhuanlan.zhihu.com/p/636179209
点击下方卡片,关注“自动驾驶之心”公众号
ADAS巨卷干货,即可获取
点击进入→自动驾驶之心【全栈算法】技术交流群
掉在大数据的坑里我们怎么爬出来?
我们有深度!
深度学习七十年
BP 解决非线性异或问题
致敬 1974 Werbos
再发现:Hinton 三巨头提出使用 BP 算法进行表征学习
卷积神经网络雏形 1980 年
再次致敬
思考:深度学习从哪来?又要到哪里去?
神经网络用极多个神经元连接,模拟小脑计算运作的过程
完全是靠学习和训练吗?纯数据驱动
那先验知识在其中有什么用呢?
创新的道路在哪里?
黑盒越来越大,怎么解释呢?解释问题、过程还是结果?
有哪些深度学习网络体现了这些功能呢
再有大数据你就是小样本,嘿,不要被淹死
人脑是智慧 高度非线性,局部 BP 是需要的,但全局更不能少
sigmoid 毫无这些特性,表征就不好怎么能学好呢
剪枝 & NAS 三个性质怎么解释
找到正确的优化的解
只有感知够吗,认知起了什么作用?推理、决策
三大过程
Universal Approximation
输入未知,非线性怎么逼近
表征都没出来怎么去学习特征呢
表征理论不是单纯累加模型层数
表征是开始,所以很重要
模型得匹配对
捷径和收敛速度分不开,100 张 V100 能放在火箭上吗
每个变量都是有物理意义的,要作为物理过程计算,brain-inspiring,而不是一个单纯的计算机过程
能量、熵、功率能解释通吗
传统方程探究的时候会研究它们的量纲是否一致,但现在计算机模型做到了吗
该页被特别推荐!
脑科学领域 20 年最新成果,Nature Science,有多少在深度学习模型上体现了
工作1:物理机制结合,Wishart 分布
工作2:对方向奇异性表征探究
工作3: Contourl Net 及其复数域
机器学习和物理学的关联 Physical-Informed / Physical-Inspired
从此开始,拍照已经赶不上翻页的速度:
哈密顿量、拉格朗日量、牛顿莱布尼茨公式
物理信息神经网络
电磁学启发
电路启发:基于霍夫定律
光学神经网络:光电神经网络、全光神经网络
热力学影响
熵原理:求解最优解启示(退火算法)
量子力学:结合了不确定性
进化角度:群体思想、自然免疫、进化计算
体会:NAS 在免疫和进化有很好的潜力,非常有用
超参数优化问题
元学习问题
多思考!
中国人任重道远
(一)视频课程来了!
自动驾驶之心为大家汇集了毫米波雷达视觉融合、高精地图、BEV感知、多传感器标定、传感器部署、自动驾驶协同感知、语义分割、自动驾驶仿真、L4感知、决策规划、轨迹预测等多个方向学习视频,欢迎大家自取(扫码进入学习)
(扫码学习最新视频)
视频官网:www.zdjszx.com
(二)国内首个自动驾驶学习社区
近1000人的交流社区,和20+自动驾驶技术栈学习路线,想要了解更多自动驾驶感知(分类、检测、分割、关键点、车道线、3D目标检测、Occpuancy、多传感器融合、目标跟踪、光流估计、轨迹预测)、自动驾驶定位建图(SLAM、高精地图)、自动驾驶规划控制、领域技术方案、AI模型部署落地实战、行业动态、岗位发布,欢迎扫描下方二维码,加入自动驾驶之心知识星球,这是一个真正有干货的地方,与领域大佬交流入门、学习、工作、跳槽上的各类难题,日常分享论文+代码+视频,期待交流!
(三)【自动驾驶之心】全栈技术交流群
自动驾驶之心是首个自动驾驶开发者社区,聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多传感器融合、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流等方向;
添加汽车人助理微信邀请入群
备注:学校/公司+方向+昵称