|
霍普菲尔德和辛顿的研究始于20世纪80年代,他们利用物理学的工具开发了当今强大机器学习的基础方法。霍普菲尔德提出了一种能够保存和重新创建模式的网络,这种网络后来被称为Hopfield网络,为循环神经网络(RNN)以及长短记忆网络(LSTM)和Transformer的发展奠定了基础。而辛顿则更为人熟知,他被誉为“人工智能教父”,在神经网络方面的开创性工作塑造了为当今许多产品提供动力的人工智能系统。
辛顿的贡献包括提出了受限玻尔兹曼机(rbm)以及反向传播算法,这些技术至今仍在使用,并在深度学习领域发挥了关键作用。 |
|