大脑、神经网络和机器学习

也许最有趣的自然现象在本质上是大脑的功能。你从本质上是一个什么群神经元和最后一个思考的事物。我们将努力了解这怎么可能通过检查简单模型基于计算类似物的物理学习的神经元。

模板解决方案:https://docs.google.com/document/d/14-3JKGK7AHgH68CTd0TJkSYQnlGBapsy9xLeYhiU00I/edit?usp=sharing

被称为神经元的计算模型人工神经网络,或者有时只是神经网络。时大脑的神经网络是非常简化的模型,他们已经成为有用的工具在计算机科学、工程和科学来解决各种有趣和具有挑战性的问题。在这个单元中,我们将着眼于三个人工神经网络在我们的学习的调查。

• 1。Hopfield网络(50%的成绩)
  • Hopfield网络是一个简单的人工神经网络设计的物理学家约翰·Hopfield模型神经元如何记住信息。我们将探讨Hopfield网络记忆简单图像的能力。
• 2。前馈神经网络(50%的成绩)
  • 前馈神经网络是一种广泛流行的神经网络用于监督学习深度学习社区。例如,这样可以训练神经网络识别面孔图像。我们将这个机器学习工具来研究物理问题:确定伊辛模型的相变。

额外学分:25%

• 限制了玻耳兹曼机
  • 限制玻耳兹曼机(元)是一个统计physics-inspired神经网络能够学习复杂的概率分布。我们将演示如何使用这个physics-inspired工具在工程环境中通过训练学习手写数字的遏制。