173 机器人

图谱：人工智能深度学习人物关系

哪些行业的人发展了神经网络？

在神经网络发展史上，生物学的，心理学的，神经科学的，计算机的，电子电路的，物理的，数学的，逻辑的，你方唱罢我登场，一路不通换一路，终于发展到今天。

搞控制、计算机的人架了骨：

搞控制的人搞了， MP神经元模型骨子里就是一个支架，不会自我学习。但是后来发展成立神经元。

搞计算机的人搞了Content-Addressable Memories，也是一个骨架，没有太多自我学习。但是后来发展出了霍普菲尔德网络。

搞心理学，生物学，神经科学，脑科学的人造了血：

赫布从行为学发展了Hebb Learning Rule，也启发了Delta Learning Rule，为感知机和ADALINE的诞生，赋予了学习机制：学习目标和手段。

威泽尔和胡贝尔研究的视觉神经，让cross-correlation和脑相关性研究，能量函数，有了学习的目标。

搞数学的人赋予了髓和搞认知的人赋予了神：

李雅普诺夫的收敛性证明，塔克的KKT条件，芬切尔的凸优化理论，从此有架构（骨），有目标（血），有算法（髓）。再加上搞认知的人赋予了新的分布式表达和网络的神！开启了从人工智能到深度学习的大爆发

哪些牛人在早期神经网络的应用：图像识别（人脸，手写体），语音识别，文本分析？

福岛邦彦使用了Neocognitron做手写体识别。

科荷伦使用了Self-Organising Map做人脸识别。

Schmidhuber使用了RNN做语言识别。

本吉奥使用了NNLM做机器翻译。

所有这些细节，都可以从下面这个超级庞大的关系图谱中找到！

从上面这个更大的错综复杂的网络里面，你也可以挖掘出来新的内容，希望你也能进行按你的知识去理解一下，哪些是你喜欢的部分，哪些还有缺失的部分，哪些可以反馈改进。

火眼财经转自： AI2ML人工智能to机器学习

火眼财经：中国领先的财经科技服务提供商，在这里让赚钱变得更简单

最后更新：2017-10-09 17:18:21