本文中，小編將對(duì)機(jī)器學(xué)習(xí)予以介紹，如果你想對(duì)它的詳細(xì)情況有所認(rèn)識(shí)，或者想要增進(jìn)對(duì)機(jī)器學(xué)習(xí)的了解程度，不妨請(qǐng)看以下內(nèi)容哦。

一、機(jī)器學(xué)習(xí)取得新突破

據(jù)鴻?？萍技瘓F(tuán)消息，鴻海研究院量子計(jì)算研究所謝明修所長(zhǎng)和澳洲雪梨大學(xué)團(tuán)隊(duì)，共同提出「Escaping from the Barren Plateau via Gaussian Initializations in Deep Variational Quantum Circuits」研究報(bào)告，針對(duì)該領(lǐng)域長(zhǎng)久以來(lái)所面對(duì)的貧瘠高原現(xiàn)象(Barren Plateaus)提出解決方案，借由適當(dāng)?shù)慕o定可調(diào)變參數(shù)初始值進(jìn)行改善。

該研究成果已獲世界頂級(jí)機(jī)器學(xué)習(xí)，以及計(jì)算神經(jīng)科學(xué)領(lǐng)域的學(xué)術(shù)會(huì)議：「神經(jīng)信息處理系統(tǒng)大會(huì)(NeurIPS 2022)」所接受，在全球超過(guò)一萬(wàn)件的投稿中脫穎而出，于 11 月底進(jìn)行發(fā)表。

小編了解到，貧瘠高原是指當(dāng)量子計(jì)算機(jī)的比特?cái)?shù)目較大時(shí)，當(dāng)前量子神經(jīng)網(wǎng)絡(luò)的框架很容易變得無(wú)法有效進(jìn)行訓(xùn)練，其目標(biāo)函數(shù)會(huì)變得很平，導(dǎo)致訓(xùn)練過(guò)久或訓(xùn)練失敗。

針對(duì)該研究成果，謝明修所長(zhǎng)表示，提出貧瘠高原現(xiàn)象的解決方案，讓量子學(xué)習(xí)機(jī)器展現(xiàn)出的超越傳統(tǒng)機(jī)器的真正優(yōu)勢(shì)。結(jié)合該方案，量子計(jì)算研究所在今年鴻?？萍既?HHTD22)展示量子模擬在電池開發(fā)上的研究成果，大大縮減了所需的量子資源。

談及貧瘠高原現(xiàn)象，謝明修所長(zhǎng)進(jìn)一步指出，一般來(lái)說(shuō)，在量子機(jī)器學(xué)習(xí)的過(guò)程中，我們透過(guò)控制邏輯閘的可調(diào)變參數(shù)學(xué)習(xí)，來(lái)得到符合期望的量子電路模型，但是在學(xué)習(xí)的過(guò)程中，常因?yàn)檫壿嬮l過(guò)多且結(jié)構(gòu)過(guò)深，使得參數(shù)更新困難。

謝明修所長(zhǎng)表示，我們借由適當(dāng)?shù)慕o定可調(diào)變參數(shù)初始值，改善了貧瘠高原現(xiàn)象解決了長(zhǎng)久以來(lái)一直困擾著量子機(jī)器學(xué)習(xí)領(lǐng)域所面臨的問(wèn)題，在該領(lǐng)域的研究得到了突破性進(jìn)展。

二、機(jī)器學(xué)習(xí)應(yīng)用領(lǐng)域

1.數(shù)據(jù)挖掘

數(shù)據(jù)挖掘=機(jī)器學(xué)習(xí)+數(shù)據(jù)庫(kù)。這幾年數(shù)據(jù)挖掘的概念實(shí)在是太耳熟能詳。幾乎等同于炒作。但凡說(shuō)數(shù)據(jù)挖掘都會(huì)吹噓數(shù)據(jù)挖掘如何如何，例如從數(shù)據(jù)中挖出金子，以及將廢棄的數(shù)據(jù)轉(zhuǎn)化為價(jià)值等等。但是，我盡管可能會(huì)挖出金子，但我也可能挖的是“石頭”啊。這個(gè)說(shuō)法的意思是，數(shù)據(jù)挖掘僅僅是一種思考方式，告訴我們應(yīng)該嘗試從數(shù)據(jù)中挖掘出知識(shí)，但不是每個(gè)數(shù)據(jù)都能挖掘出金子的，所以不要神話它。一個(gè)系統(tǒng)絕對(duì)不會(huì)因?yàn)樯狭艘粋€(gè)數(shù)據(jù)挖掘模塊就變得無(wú)所不能(這是IBM最喜歡吹噓的)，恰恰相反，一個(gè)擁有數(shù)據(jù)挖掘思維的人員才是關(guān)鍵，而且他還必須對(duì)數(shù)據(jù)有深刻的認(rèn)識(shí)，這樣才可能從數(shù)據(jù)中導(dǎo)出模式指引業(yè)務(wù)的改善。大部分數(shù)據(jù)挖掘中的算法是機(jī)器學(xué)習(xí)的算法在數(shù)據(jù)庫(kù)中的優(yōu)化。

2.統(tǒng)計(jì)學(xué)習(xí)

統(tǒng)計(jì)學(xué)習(xí)近似等于機(jī)器學(xué)習(xí)。統(tǒng)計(jì)學(xué)習(xí)是個(gè)與機(jī)器學(xué)習(xí)高度重疊的學(xué)科。因?yàn)闄C(jī)器學(xué)習(xí)中的大多數(shù)方法來(lái)自統(tǒng)計(jì)學(xué)，甚至可以認(rèn)為，統(tǒng)計(jì)學(xué)的發(fā)展促進(jìn)機(jī)器學(xué)習(xí)的繁榮昌盛。例如著名的支持向量機(jī)算法，就是源自統(tǒng)計(jì)學(xué)科。但是在某種程度上兩者是有分別的，這個(gè)分別在于：統(tǒng)計(jì)學(xué)習(xí)者重點(diǎn)關(guān)注的是統(tǒng)計(jì)模型的發(fā)展與優(yōu)化，偏數(shù)學(xué)，而機(jī)器學(xué)習(xí)者更關(guān)注的是能夠解決問(wèn)題，偏實(shí)踐，因此機(jī)器學(xué)習(xí)研究者會(huì)重點(diǎn)研究學(xué)習(xí)算法在計(jì)算機(jī)上執(zhí)行的效率與準(zhǔn)確性的提升。

3.計(jì)算機(jī)視覺

計(jì)算機(jī)視覺=圖像處理+機(jī)器學(xué)習(xí)。圖像處理技術(shù)用于將圖像處理為適合進(jìn)入機(jī)器學(xué)習(xí)模型中的輸入，機(jī)器學(xué)習(xí)則負(fù)責(zé)從圖像中識(shí)別出相關(guān)的模式。計(jì)算機(jī)視覺相關(guān)的應(yīng)用非常的多，例如百度識(shí)圖、手寫字符識(shí)別、車牌識(shí)別等等應(yīng)用。這個(gè)領(lǐng)域是應(yīng)用前景非?；馃岬模瑫r(shí)也是研究的熱門方向。隨著機(jī)器學(xué)習(xí)的新領(lǐng)域深度學(xué)習(xí)的發(fā)展，大大促進(jìn)了計(jì)算機(jī)圖像識(shí)別的效果，因此未來(lái)計(jì)算機(jī)視覺界的發(fā)展前景不可估量。

上述所有信息便是小編這次為大家推薦的有關(guān)機(jī)器學(xué)習(xí)的內(nèi)容，希望大家能夠喜歡，想了解更多有關(guān)機(jī)器學(xué)習(xí)的信息或者其它內(nèi)容，請(qǐng)關(guān)注我們網(wǎng)站哦。