廣告
首頁 > 汽車行業(yè)資訊 > 正文
CNN與RNN有什么不同？
2018-09-21 19:51:31· 來源：英偉達NVIDIA企業(yè)解決方案
1982年由David Hasselhoff主演的熱播美劇《霹靂游俠》可謂有先見之明，劇中有一輛充滿未來感的龐蒂亞克火鳥汽車。這輛會說話的自動駕駛汽車也以好萊塢的方式生動
1982年由David Hasselhoff主演的熱播美劇《霹靂游俠》可謂有先見之明，劇中有一輛充滿未來感的“龐蒂亞克火鳥”汽車。這輛會說話的自動駕駛汽車也以好萊塢的方式生動地為我們上了一節(jié)關于圖像和語言識別的課。
如果是今天重寫劇本，Hasselhoff的AI汽車KITT將會具有從卷積神經網絡（CNN）和遞歸神經網絡（RNN）進行深度學習的功能，方便觀察、聆聽和對話。
這是因為CNN如同眼睛一樣，正是目前機器用來識別對象的圖像處理器。相應地，RNN則是用于解析語言模式的數學引擎，就像耳朵和嘴巴。
從上世紀 80 年代，CNN迎來快速發(fā)展，已成為當今自動駕駛汽車、石油勘探和聚變能研究領域的“眼睛”。在醫(yī)學成像方面，它們可以幫助更快地發(fā)現疾病并挽救生命。
如今，數十億人也在不知不覺中享受著CNN帶來的便利：在Facebook上發(fā)布朋友的照片，使用自動標記姓名的功能，同時也讓自己的社交活動變得更加順暢。
如果將CNN從火鳥汽車上去掉，“火鳥”便不再擁有自主駕駛的電腦眼，那么它就會淪落為另一個毫無二致的動作道具。
另一方面，如果將RNN從自動駕駛“火鳥”座駕上剝離，就會失去智能電腦聲音，以及KITT的法語和西班牙語命令。
毫無疑問，RNN正在加速基于語音的計算革命。它們是自然語言處理大腦，可為Amazon Alexa、Google Assistant和Apple Siri提供聽力和語音。它們?yōu)镚oogle的自動完成功能提供預見性，可以自行填寫搜索查詢中的行。
回到未來
如今CNN和RNN使得這種自動駕駛汽車已不再只是好萊塢式的幻想。汽車制造商正在快馬加鞭開發(fā)未來的KITT型汽車。
當今的自動駕駛汽車甚至可以在上路之前進行模擬測試。這樣，開發(fā)人員即可測試并驗證車輛的眼睛能否以“超人”的感知力來洞悉世界。
得益于CNN和RNN，各種AI驅動的機器都具備了像我們眼睛和耳朵一樣的能力。經過在深度神經網絡領域數十年的發(fā)展，以及在處理海量數據的GPU高性能計算方面的長足進步，大部分AI應用都已成為可能。
CNN簡史
早在自動駕駛汽車出現之前，人類大腦神經元之間的生物聯系就啟迪著研究一般性人工神經網絡的研究員。CNN的研究員遵循了同樣的思路。
1998年，CNN迎來了一個開創(chuàng)性的時刻。那一年，Yann LeCun及LéonBottou、Yoshua Bengio和Patrick Haffner 共同發(fā)表了一篇具有影響力的論文《基于梯度的學習技術應用于文檔識別》(Gradient-based Learning Applied to document Recognition)。
文中描述了學習算法如何幫助用最少的預處理對手寫字母中的模式進行分類。其研究在讀取銀行支票的精度方面打破了歷史記錄，而且這項技術現在已得到了廣泛的商業(yè)應用。
它為AI的未來點燃了希望。作為該論文的首席研究員，LeCun于2003年成為紐約大學的教授，并于2018年以首席AI科學家的身份加入Facebook。
下一個突破性的時刻是2012年，多倫多大學的研究員Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton發(fā)表了一篇開創(chuàng)性的論文《深度卷積神經網絡的 ImageNet 分類》(ImageNet Classification with Deep Convolutional Neural Networks)。
這項研究推動了對象識別技術的發(fā)展。該三人小組訓練了一個深度卷積神經網絡，對來自“ImageNet 大規(guī)模視覺識別挑戰(zhàn)賽”的120萬張圖像進行分類，其錯誤率得到了空前降低。
這也引發(fā)了今天的 AI 熱潮。
如果是今天重寫劇本，Hasselhoff的AI汽車KITT將會具有從卷積神經網絡（CNN）和遞歸神經網絡（RNN）進行深度學習的功能，方便觀察、聆聽和對話。
這是因為CNN如同眼睛一樣，正是目前機器用來識別對象的圖像處理器。相應地，RNN則是用于解析語言模式的數學引擎，就像耳朵和嘴巴。
從上世紀 80 年代，CNN迎來快速發(fā)展，已成為當今自動駕駛汽車、石油勘探和聚變能研究領域的“眼睛”。在醫(yī)學成像方面，它們可以幫助更快地發(fā)現疾病并挽救生命。
如今，數十億人也在不知不覺中享受著CNN帶來的便利：在Facebook上發(fā)布朋友的照片，使用自動標記姓名的功能，同時也讓自己的社交活動變得更加順暢。
如果將CNN從火鳥汽車上去掉，“火鳥”便不再擁有自主駕駛的電腦眼，那么它就會淪落為另一個毫無二致的動作道具。
另一方面，如果將RNN從自動駕駛“火鳥”座駕上剝離，就會失去智能電腦聲音，以及KITT的法語和西班牙語命令。
毫無疑問，RNN正在加速基于語音的計算革命。它們是自然語言處理大腦，可為Amazon Alexa、Google Assistant和Apple Siri提供聽力和語音。它們?yōu)镚oogle的自動完成功能提供預見性，可以自行填寫搜索查詢中的行。
回到未來
如今CNN和RNN使得這種自動駕駛汽車已不再只是好萊塢式的幻想。汽車制造商正在快馬加鞭開發(fā)未來的KITT型汽車。
當今的自動駕駛汽車甚至可以在上路之前進行模擬測試。這樣，開發(fā)人員即可測試并驗證車輛的眼睛能否以“超人”的感知力來洞悉世界。
得益于CNN和RNN，各種AI驅動的機器都具備了像我們眼睛和耳朵一樣的能力。經過在深度神經網絡領域數十年的發(fā)展，以及在處理海量數據的GPU高性能計算方面的長足進步，大部分AI應用都已成為可能。
CNN簡史
早在自動駕駛汽車出現之前，人類大腦神經元之間的生物聯系就啟迪著研究一般性人工神經網絡的研究員。CNN的研究員遵循了同樣的思路。
1998年，CNN迎來了一個開創(chuàng)性的時刻。那一年，Yann LeCun及LéonBottou、Yoshua Bengio和Patrick Haffner 共同發(fā)表了一篇具有影響力的論文《基于梯度的學習技術應用于文檔識別》(Gradient-based Learning Applied to document Recognition)。
文中描述了學習算法如何幫助用最少的預處理對手寫字母中的模式進行分類。其研究在讀取銀行支票的精度方面打破了歷史記錄，而且這項技術現在已得到了廣泛的商業(yè)應用。
它為AI的未來點燃了希望。作為該論文的首席研究員，LeCun于2003年成為紐約大學的教授，并于2018年以首席AI科學家的身份加入Facebook。
下一個突破性的時刻是2012年，多倫多大學的研究員Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton發(fā)表了一篇開創(chuàng)性的論文《深度卷積神經網絡的 ImageNet 分類》(ImageNet Classification with Deep Convolutional Neural Networks)。
這項研究推動了對象識別技術的發(fā)展。該三人小組訓練了一個深度卷積神經網絡，對來自“ImageNet 大規(guī)模視覺識別挑戰(zhàn)賽”的120萬張圖像進行分類，其錯誤率得到了空前降低。
這也引發(fā)了今天的 AI 熱潮。
廣告 編輯推薦
最新資訊
-
“汽車爬坡試驗方法”將有國家標準
2026-03-03 12:44
-
十年耐久監(jiān)管時代：電池系統(tǒng)開發(fā)策略將如何
2026-03-03 12:44
-
聯合國法規(guī)R59對機動車備用消聲系統(tǒng)的工程
2026-03-03 12:08
-
聯合國法規(guī)R58對后下部防護裝置的工程化約
2026-03-03 12:07
-
聯合國法規(guī)R57對摩托車前照燈配光性能的工
2026-03-03 12:07
