{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title":"智慧的疆界 从图灵机到人工智能","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787111778004","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","uuid":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title":"智慧的疆界 从图灵机到人工智能","normalized_title":"智慧的疆界从图灵机到人工智能","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787111778004","isbns":["9787111778004","9787111695714"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":456,"navigation_url":"https://workshop.closeclaw.top/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title_url":"https://workshop.closeclaw.top/ai/title/%E6%99%BA%E6%85%A7%E7%9A%84%E7%96%86%E7%95%8C%20%E4%BB%8E%E5%9B%BE%E7%81%B5%E6%9C%BA%E5%88%B0%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","page_url":"https://workshop.closeclaw.top/api/ai/books/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page","search_url":"https://workshop.closeclaw.top/api/ai/books/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/search"},"page":{"printed_page":124,"pdf_page":139,"physical_index":139,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"4df57aabd220a60ed3755d94223272c6e98de0d1c68a5a237d4dfc0158c15540"},"chapter":"内容简介","content":"因为模型中的权重值是根据训练集中的大量样本学习得出的，所以理想情  \n况下，其他不在训练样本集中的图片，只要它依然是人类可辨认的阿拉伯数字  \n图片的话，就应当同样适合这个模型，加权求和再经过阈值比较之后，网络中  \n应该激活且只激活一个与其数字对应的 M-P 神经元，这个神经元代表的数字就  \n是图片识别的结果。像麦 权重 八米\n\n从这个例子里可以提炼出一个更通俗的神经网络机器学习解释，神经网络学习方法的基本原理就是从训练集中提取出分类特征，这些特征应能同样适应独立同分布的其他未知数据，所以经已知数据学习训练后的神经网络应该对同类的未知数据有效。再回到这个数字识别的例子中，整个神经网络模型如图 4-11 所示。\n\n不过，以上仅是能处理“理想情况”的模型，在实际使用过程中，往往会发现网络中出现了不止一个 M-P 神经元被激活的情况，原因并不难理解，毕竟许多手写体的数图 4-11 识别数字的神经网络模型\n\n字会存在“模棱两可”的特征，有些特征非常模糊，甚至人类都可能识别错误。如图 4-12 所示，这些图片就来源于测试集中导致模型出现了两个（或以上）神经元同时被激活的数据，这类模糊的数据会使得识别出现歧义而导致识别失败。\n\n124\n\n第二部分 学派争鸣","previous_page":123,"next_page":125}