科学技术日报，北京，4月26日（记者张曼甘兰），麻省理工学院团队对“湿桌子”创建了独特的机械研究，显示了20多种经典机器学习算法之间的联系。该框架表明，科学家以不同的方法包括技术，将改善现有的AI模型或建议完整的新模型，并进一步促进人工知识技术（AI）的开发和应用。化学元素的元素表是从小型到巨大的原子元素核电指控构建的清单。元素的时期表可以准确预测每个元素及其关系的特征，因此它被广泛用于化学和其他科学领域，并且是化学行为分析的非常好的概述。目前创建的AI框架基于一个基本思想：所有这些算法都学习数据点之间的特定关系，尽管每种算法都可以实现它不同的是，其背后的基本数学原则是相同的。基于此，研究人员发现了一个单一方程式，该方程是许多经典AI算法的基础。使用此方程，他们根据所学到的数据点之间的关系类型重新设计并组织了一些流行的方法来对每个过程进行分类。 例如，通过结合两种不同算法的关键要素，该团队开发了一种新的图像分类算法，该算法比现有的最新技术的差异为8％。这表明对机器“元素元素表”的研究不仅有助于了解现有算法之间的连接，而且还提供了创建更好算法的实用指南。正如最初留下的化学元素表周期表等待着未来的科学家一样，也有一些空白的领域学习“大量元素”，这表明算法tha thaT在理论上应该存在，但尚未发现。这些差距可以预测算法的潜在新位置，从而为人们提供了一种工具包，从而消除了反复探索以前方法中涵盖的概念的需求，从而使其更好地设计了新算法。 [总编辑圈]科学家在机器研究世界中创建了一个神奇的“季节性元素表”。该表不仅是经典机器学习算法的简单列表，它就像一张地图，显示了这些算法之间隐藏的关系。地图上的每种算法都像一个独特的星星。尽管它照亮了不同的灯光，但它遵循了这两个宇宙法律，尤其是学习数据点之间的关系。这一成功为科学家提供了一个工具包，不需要重复旧的道路，也是对未来的邀请：它鼓励世界各地的AI开发人员知道更未知的秘密。小编：科学技术日报，北京，4月26日（记者张曼甘兰），麻省理工学院团队创建了一个独特的机器研究“观看桌子”
当前网址：https://www.newmotet.com//linggan/webdesign/503.html
