人工神经网络应用举例 目前对神经网络有哪些理论研究？
目前对神经网络有哪些理论研究？
特拉维夫团队由研究人员ori bar el、ori Licht和Netanel yosephian组成，他们使用一个名为stackgan V2的生成对抗网络（GAN）的修改版本和来自巨大recipe1m数据集的52K图像/配方组合创建了人工智能。
该团队开发了一种人工智能，可以通过列出任何配方和说明来计算成品食品的外观。
这一切都是从一位研究人员问她的祖母她传统的番茄酱炸鱼排食谱开始的。因为她年纪大了，记不清确切的食谱，所以食品科学家建立了一个系统，可以给食物图像，方便食谱的输出。从食物中提取盐、胡椒粉、黄油、面粉等“隐藏”成分，很难得到准确的配方，因此，基于食谱生成食物图像是一种有效的方法。这项任务对人类来说非常具有挑战性，尤其是对计算机而言。
由于大多数当前的人工智能系统都在试图取代人类专家完成人类易于完成的任务，因此解决一项甚至超出人类能力的任务将是一件有趣的事情。
值得一提的是，recipe1m数据集的图像质量低于cub和Oxford 102数据集。这反映在图像模糊多、光照条件差、“粥状图像”和图像不方正（这使得训练模型困难）。这一事实或许可以解释，这两种模型成功地生成了“粥状”食物图像（如面食、米饭、汤、沙拉），但难以生成形状独特的食物图像（如汉堡包、鸡肉、饮料）。
如果有足够的配方，特拉维夫团队的人工智能现在可以把它变成一个看起来足够好的图像。根据这篇研究论文，在盲测试中，人类有时更喜欢计算机生成的图像而不是真实的照片。
该团队打算继续开发该系统，希望扩展到食品以外的领域。包括提高现有数据集的质量，还可以考虑建立一个包含儿童读物文本和相应图像的数据集，使计算机能够看到文章并绘制插图。
神经网络研究与应用这块用python好还是用matlab好？
如果对神经网络的研究比较浅，推荐使用Matlab；如果研究比较深，推荐使用Python。
Python的优点是胶接语言，语法简单，使用方便，可以直接使用各种第三方库和开源代码，并支持跨平台。Matlab仍然偏向于工程算法的开发。
另外，对于神经网络的学习，虽然MATLAB有一个神经网络工具箱，但是当你自己构建一个更深层次的网络时，会很麻烦。一些著名的神经网络架构，如tensorflow和cafe，都有Python接口，可以站在巨人的肩膀上。
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
