正文

神經(jīng)網(wǎng)絡(luò)寫論文難嗎（神經(jīng)網(wǎng)絡(luò)論文題目）

發(fā)布時間：2023-04-08 07:40:53 稿源：創(chuàng)意嶺閱讀： 73

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于神經(jīng)網(wǎng)絡(luò)寫論文難嗎的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解相關(guān)業(yè)務(wù)請撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、高中生發(fā)圖神經(jīng)網(wǎng)絡(luò)論文，看到他的履歷我沉默了
2、關(guān)于BP神經(jīng)網(wǎng)絡(luò)的一個問題
3、神經(jīng)網(wǎng)絡(luò)分類問題
4、關(guān)于人工智能于神經(jīng)網(wǎng)絡(luò)學(xué)的論文

神經(jīng)網(wǎng)絡(luò)寫論文難嗎（神經(jīng)網(wǎng)絡(luò)論文題目）

一、高中生發(fā)圖神經(jīng)網(wǎng)絡(luò)論文，看到他的履歷我沉默了

白行?。ㄓ遥┐饲矮@COO金牌第一名

高中生開始研究圖神經(jīng)網(wǎng)絡(luò)

白行健的論文為《基于自適應(yīng)性圖卷積神經(jīng)網(wǎng)絡(luò)的暴力用戶檢測》，目前已經(jīng)成功入圍總決賽。

文章提出了⼀種新的⾃適應(yīng)圖卷積神經(jīng)⽹絡(luò)模型（Adaptive Graph Convolutional Neural Networks，簡稱AdaGCN），在傳統(tǒng)的GCN模型的基礎(chǔ)上進(jìn)⾏了改進(jìn)和創(chuàng)新。為了解決參數(shù)增加帶來的模型難以訓(xùn)練和過擬合情況，文章引入了標(biāo)簽平滑假設(shè)，對邊權(quán)的訓(xùn)練施加了額外的監(jiān)督，從⽽實(shí)現(xiàn)了和GCN模型的⾃然結(jié)合。

白行健的數(shù)據(jù)集包含了10萬余名Twitter⽤戶和200余萬條社交關(guān)系，其中⼤約5千名⽤戶被標(biāo)記是否為暴⼒⽤戶。實(shí)驗(yàn)結(jié)果表明，AdaGCN的AUC得分為0.80，F(xiàn)1得分為0.47，得分⾼于所有對⽐⽅法，包括傳統(tǒng)的GCN模型，圖注意⼒⽹絡(luò) (GAT)，標(biāo)簽傳播算法（LPA），⽀持向量機(jī)（SVM）等等。此外， AdaGCN模型的結(jié)果具有最低的標(biāo)準(zhǔn)差，這表明AdaGCN模型具有很強(qiáng)的穩(wěn)定性。 在線社交平臺可以利⽤本⽂提出的⽅法來更好地評估、檢測暴⼒⽤戶，防⽌暴⼒⽤戶傷害他⼈并傳播仇恨⾔論。 同時，⾃適應(yīng)圖卷積神經(jīng)⽹絡(luò)模型也可以⽤來評估不同類型的暴⼒⾔論造成的社會影響。

開掛的學(xué)霸少年

此次入圍丘成桐獎之前，白行健從2018年開始多次參加相關(guān)競賽獲得好成績：

白行健（右）

在生活方面，白行健也有很多其他嘗試，他目前就讀北京師范⼤學(xué)附屬實(shí)驗(yàn)中學(xué)國際部⾼三，對數(shù)學(xué)和計(jì)算機(jī)科學(xué)非常感興趣，擔(dān)任學(xué)校計(jì)算機(jī)社社長和⼈⽂社社長。

圖 | 微博

而今年的丘成桐中學(xué)科學(xué)獎中，白行健選擇用圖神經(jīng)網(wǎng)絡(luò)為切入點(diǎn)，對網(wǎng)絡(luò)暴力用戶進(jìn)行檢測。很大一部分原因也是身邊有好友經(jīng)歷過網(wǎng)絡(luò)暴力：

“2018年2⽉10⽇，⼀個名叫Ted Senior的22歲男孩在林地上吊⾃殺，原因是⼀些⼈在社交媒體上惡意地分享和評判他與⼀名⼥孩的聊天內(nèi)容。在我身邊，我的同學(xué)好友在學(xué)校論壇發(fā)表觀點(diǎn)，但是遭受匿名的辱罵和攻擊，這種羞辱讓他感到⾮常痛苦。我深深地被這些可恨的⾏為和可怕的后果所觸動。計(jì)算機(jī)科學(xué)帶來了信息時代，社交⽹絡(luò)改變了我們的⽣活，我們期望技術(shù)會讓世界更美好。但沒有什么是盡善盡美的。⽹絡(luò)暴⼒是信息技術(shù)⽆意中帶來的⼀個問題，我渴望找到⼀種⽅法來發(fā)現(xiàn)和控制它們?！?/p>

而目前對于網(wǎng)絡(luò)暴力，目前已經(jīng)有不少基于深度學(xué)習(xí)的網(wǎng)絡(luò)欺凌模型。比如Instagram去年推出 「增強(qiáng)版的評論過濾器」 ，通過對照片、文字的檢測分析，對其中的惡意行為采取過濾等措施。、

Facebook和Twitter也推出了類似的舉措來限制其平臺上的欺凌行為。Twitter在去年十月制定了一個時間表，以便從其平臺中刪除裸露和仇恨圖像等內(nèi)容。去年Facebook添加了一些工具，允許用戶一次隱藏或刪除多條評論，并允許用戶代表朋友或家人報(bào)告欺凌或騷擾。

科技的發(fā)展真實(shí)的改變著我們的生活，我們享受其便利、承受其弊端。而像白行健這樣的年輕人將越來越早的進(jìn)入改變世界的行列，用技術(shù)影響著我們。

看來未來不僅僅是「同輩壓力」了，「后輩壓力」也追著我們跑來了。畢竟當(dāng)你還在拼命打排位的時候，高中生已經(jīng)論文已經(jīng)發(fā)起來了......

二、關(guān)于BP神經(jīng)網(wǎng)絡(luò)的一個問題

不知你是不是用matlab的神經(jīng)網(wǎng)絡(luò)工具箱，因?yàn)橐话闵窠?jīng)網(wǎng)絡(luò)都是成批處理的，每一次調(diào)整都會綜合所有樣本的誤差進(jìn)行調(diào)整，而不是一類一類圖片的去調(diào)整，所以不會出現(xiàn)你說的現(xiàn)象。目前我看過的很多C++或者其它語言自己寫的神經(jīng)網(wǎng)絡(luò)，都會有這樣或那樣的理解錯誤，建議先使用現(xiàn)成的matlab的神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行訓(xùn)練。

另外是輸入的問題，圖象一般會先提取特征，再將特征作為輸入。你在貼吧也提問了吧，這個我在貼吧里也回答了。

輸出的問題，一般模式識別會用 0 1向量來代表，例如你有三類，目標(biāo)輸出應(yīng)該是[ 0 1 0]這樣，來代表它是第2類，訓(xùn)練的時候用 0 1 0，當(dāng)然，預(yù)測到的可能是[ 0.1 0.9 0.1]這樣。

三、神經(jīng)網(wǎng)絡(luò)分類問題

神經(jīng)網(wǎng)絡(luò)是新技術(shù)領(lǐng)域中的一個時尚詞匯。很多人聽過這個詞，但很少人真正明白它是什么。本文的目的是介紹所有關(guān)于神經(jīng)網(wǎng)絡(luò)的基本包括它的功能、一般結(jié)構(gòu)、相關(guān)術(shù)語、類型及其應(yīng)用。

“神經(jīng)網(wǎng)絡(luò)”這個詞實(shí)際是來自于生物學(xué)，而我們所指的神經(jīng)網(wǎng)絡(luò)正確的名稱應(yīng)該是“人工神經(jīng)網(wǎng)絡(luò)（ANNs）”。在本文，我會同時使用這兩個互換的術(shù)語。

一個真正的神經(jīng)網(wǎng)絡(luò)是由數(shù)個至數(shù)十億個被稱為神經(jīng)元的細(xì)胞（組成我們大腦的微小細(xì)胞）所組成，它們以不同方式連接而型成網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)就是嘗試模擬這種生物學(xué)上的體系結(jié)構(gòu)及其操作。在這里有一個難題：我們對生物學(xué)上的神經(jīng)網(wǎng)絡(luò)知道的不多！因此，不同類型之間的神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)有很大的不同，我們所知道的只是神經(jīng)元基本的結(jié)構(gòu)。

The neuron

--------------------------------------------------------------------------------

雖然已經(jīng)確認(rèn)在我們的大腦中有大約50至500種不同的神經(jīng)元，但它們大部份都是基于基本神經(jīng)元的特別細(xì)胞。基本神經(jīng)元包含有synapses、soma、axon及dendrites。Synapses負(fù)責(zé)神經(jīng)元之間的連接，它們不是直接物理上連接的，而是它們之間有一個很小的空隙允許電子訊號從一個神經(jīng)元跳到另一個神經(jīng)元。然后這些電子訊號會交給soma處理及以其內(nèi)部電子訊號將處理結(jié)果傳遞給axon。而axon會將這些訊號分發(fā)給dendrites。最后，dendrites帶著這些訊號再交給其它的synapses，再繼續(xù)下一個循環(huán)。

如同生物學(xué)上的基本神經(jīng)元，人工的神經(jīng)網(wǎng)絡(luò)也有基本的神經(jīng)元。每個神經(jīng)元有特定數(shù)量的輸入，也會為每個神經(jīng)元設(shè)定權(quán)重（weight）。權(quán)重是對所輸入的資料的重要性的一個指標(biāo)。然后，神經(jīng)元會計(jì)算出權(quán)重合計(jì)值（net value），而權(quán)重合計(jì)值就是將所有輸入乘以它們的權(quán)重的合計(jì)。每個神經(jīng)元都有它們各自的臨界值（threshold），而當(dāng)權(quán)重合計(jì)值大于臨界值時，神經(jīng)元會輸出1。相反，則輸出0。最后，輸出會被傳送給與該神經(jīng)元連接的其它神經(jīng)元繼續(xù)剩余的計(jì)算。

Learning

--------------------------------------------------------------------------------

正如上述所寫，問題的核心是權(quán)重及臨界值是該如何設(shè)定的呢？世界上有很多不同的訓(xùn)練方式，就如網(wǎng)絡(luò)類型一樣多。但有些比較出名的包括back-propagation, delta rule及Kohonen訓(xùn)練模式。

由于結(jié)構(gòu)體系的不同，訓(xùn)練的規(guī)則也不相同，但大部份的規(guī)則可以被分為二大類別 - 監(jiān)管的及非監(jiān)管的。監(jiān)管方式的訓(xùn)練規(guī)則需要“教師”告訴他們特定的輸入應(yīng)該作出怎樣的輸出。然后訓(xùn)練規(guī)則會調(diào)整所有需要的權(quán)重值（這是網(wǎng)絡(luò)中是非常復(fù)雜的），而整個過程會重頭開始直至數(shù)據(jù)可以被網(wǎng)絡(luò)正確的分析出來。監(jiān)管方式的訓(xùn)練模式包括有back-propagation及delta rule。非監(jiān)管方式的規(guī)則無需教師，因?yàn)樗麄兯a(chǎn)生的輸出會被進(jìn)一步評估。

Architecture

--------------------------------------------------------------------------------

在神經(jīng)網(wǎng)絡(luò)中，遵守明確的規(guī)則一詞是最“模糊不清”的。因?yàn)橛刑嗖煌N類的網(wǎng)絡(luò)，由簡單的布爾網(wǎng)絡(luò)（Perceptrons），至復(fù)雜的自我調(diào)整網(wǎng)絡(luò)（Kohonen），至熱動態(tài)性網(wǎng)絡(luò)模型（Boltzmann machines）！而這些，都遵守一個網(wǎng)絡(luò)體系結(jié)構(gòu)的標(biāo)準(zhǔn)。

一個網(wǎng)絡(luò)包括有多個神經(jīng)元“層”，輸入層、隱蔽層及輸出層。輸入層負(fù)責(zé)接收輸入及分發(fā)到隱蔽層（因?yàn)橛脩艨床灰娺@些層，所以見做隱蔽層）。這些隱蔽層負(fù)責(zé)所需的計(jì)算及輸出結(jié)果給輸出層，而用戶則可以看到最終結(jié)果?，F(xiàn)在，為免混淆，不會在這里更深入的探討體系結(jié)構(gòu)這一話題。對于不同神經(jīng)網(wǎng)絡(luò)的更多詳細(xì)資料可以看Generation5 essays

盡管我們討論過神經(jīng)元、訓(xùn)練及體系結(jié)構(gòu)，但我們還不清楚神經(jīng)網(wǎng)絡(luò)實(shí)際做些什么。

The Function of ANNs

--------------------------------------------------------------------------------

神經(jīng)網(wǎng)絡(luò)被設(shè)計(jì)為與圖案一起工作 - 它們可以被分為分類式或聯(lián)想式。分類式網(wǎng)絡(luò)可以接受一組數(shù)，然后將其分類。例如ONR程序接受一個數(shù)字的影象而輸出這個數(shù)字?；蛘逷PDA32程序接受一個坐標(biāo)而將它分類成A類或B類（類別是由所提供的訓(xùn)練決定的）。更多實(shí)際用途可以看Applications in the Military中的軍事雷達(dá)，該雷達(dá)可以分別出車輛或樹。

聯(lián)想模式接受一組數(shù)而輸出另一組。例如HIR程序接受一個‘臟’圖像而輸出一個它所學(xué)過而最接近的一個圖像。聯(lián)想模式更可應(yīng)用于復(fù)雜的應(yīng)用程序，如簽名、面部、指紋識別等。

The Ups and Downs of Neural Networks

--------------------------------------------------------------------------------

神經(jīng)網(wǎng)絡(luò)在這個領(lǐng)域中有很多優(yōu)點(diǎn)，使得它越來越流行。它在類型分類/識別方面非常出色。神經(jīng)網(wǎng)絡(luò)可以處理例外及不正常的輸入數(shù)據(jù)，這對于很多系統(tǒng)都很重要（例如雷達(dá)及聲波定位系統(tǒng)）。很多神經(jīng)網(wǎng)絡(luò)都是模仿生物神經(jīng)網(wǎng)絡(luò)的，即是他們仿照大腦的運(yùn)作方式工作。神經(jīng)網(wǎng)絡(luò)也得助于神經(jīng)系統(tǒng)科學(xué)的發(fā)展，使它可以像人類一樣準(zhǔn)確地辨別物件而有電腦的速度！前途是光明的，但現(xiàn)在...

是的，神經(jīng)網(wǎng)絡(luò)也有些不好的地方。這通常都是因?yàn)槿狈ψ銐驈?qiáng)大的硬件。神經(jīng)網(wǎng)絡(luò)的力量源自于以并行方式處理資訊，即是同時處理多項(xiàng)數(shù)據(jù)。因此，要一個串行的機(jī)器模擬并行處理是非常耗時的。

神經(jīng)網(wǎng)絡(luò)的另一個問題是對某一個問題構(gòu)建網(wǎng)絡(luò)所定義的條件不足 - 有太多因素需要考慮：訓(xùn)練的算法、體系結(jié)構(gòu)、每層的神經(jīng)元個數(shù)、有多少層、數(shù)據(jù)的表現(xiàn)等，還有其它更多因素。因此，隨著時間越來越重要，大部份公司不可能負(fù)擔(dān)重復(fù)的開發(fā)神經(jīng)網(wǎng)絡(luò)去有效地解決問題。

Conclusion

--------------------------------------------------------------------------------

希望您可以通過本文對神經(jīng)網(wǎng)絡(luò)有基本的認(rèn)識。Generation5現(xiàn)在有很多關(guān)于神經(jīng)網(wǎng)絡(luò)的資料可以查閱，包括文章及程序。我們有Hopfield、perceptrons（2個）網(wǎng)絡(luò)的例子，及一些back-propagation個案研究。

Glossary

--------------------------------------------------------------------------------

NN 神經(jīng)網(wǎng)絡(luò)，Neural Network

ANNs 人工神經(jīng)網(wǎng)絡(luò)，Artificial Neural Networks

neurons 神經(jīng)元

synapses 神經(jīng)鍵

self-organizing networks 自我調(diào)整網(wǎng)絡(luò)

networks modelling thermodynamic properties 熱動態(tài)性網(wǎng)絡(luò)模型

四、關(guān)于人工智能于神經(jīng)網(wǎng)絡(luò)學(xué)的論文

一背景、發(fā)展歷程介紹；

二各種神經(jīng)網(wǎng)絡(luò)分類別介紹，怎樣實(shí)現(xiàn)，應(yīng)用舉例；

eg：BP網(wǎng)絡(luò)，用MATLAB實(shí)現(xiàn)，用于故障診斷。