理工酷
资源下载
0
1.人工神经网络实施一个大大简化了的1960年代的神经功能模型，该模型并未反映大脑的实际工作方式（该模型有六个子要点，在此不再赘述）。
2.人工神经网络假设神经元是统一的分层矩阵，完全忽略了真实大脑的特殊结构，功能和结构。
3.人工神经网络依靠反向传播算法来学习工作，该算法在真正的大脑中没有真正的对应物。
4.人工神经网络很少或根本没有使用抑制作用，而这是大脑至关重要的功能。
5.人工神经网络忽略了神经调节剂的大规模作用，神经调节剂是大脑用来响应当前需求（包括多巴胺在触发学习过程中的作用）来改变其功能的皮质广播系统。
6.人工神经网络几乎完全依赖于识别过程，这是大脑最基本的功能之一，不需要语言和认知所需要的多步骤处理。
7.人工神经网络采用了各种各样的优化算法来指导学习，而算法的选择可能会对结果产生深远的影响，而目前尚不清楚。
8.人工神经网络的实现需要大量的资源。
这些限制中的许多反映仍处于起步阶段的一代ANN（人工神经网络），随着该领域的成熟，许多将被克服。当前出现的专用神经网络硬件可以模拟数百万个并行运行的神经元，这提供了超越这些限制的机会。但尽管人工神经网络能够做到令人惊奇的事情，但距离创建真正的人工智能的目标还有很长的路要走。
收藏
