趨勢分析之神經網路
AMiner全新功能技術趨勢分析Trend analysis(http://trend.aminer.cn)基於AMiner 2億篇論文資料進行深入挖掘,包括對技術來源、熱度、發展趨勢進行研究,進而預測未來的技術前景。技術趨勢分析描述了技術的出現、變遷和消亡的全過程,可以幫助研究人員理解領域的研究歷史和現狀,快速識別研究的前沿熱點問題。
我們目前已釋出了10期分析內容,具體如下:
神經網路(Neural Network)起源於 WarrenMcCulloch 和 Walter Pitts 於 1943 年首次建立的神經網路模型,他們在分析、總結神經元基本特性的基礎上首先提出神經元的數學模型。此模型沿用至今,並且直接影響著這一領域研究的進展。神經網路可以指向兩種,一種是生物神經網路,一種是人工神經網路。
下面我們將用Trend analysis分析神經網路領域內的研究熱點。
下圖是當前該領域的熱點技術趨勢分析,通過Trend analysis分析挖掘可以發現當前該領域的熱點研究話題Top10有:
-
neural network
-
recurrent neural network
-
control systems
-
lyapunov function
-
quadratic programming
-
neural nets
-
artificial neural networks
-
linear matrix inequality
-
mathematical model
-
adaptive control
根據Trend analysis的分析我們可以發現,recurrent neural network是該領域內的熱門話題之一。迴圈神經網路是一類以序列資料為輸入,在序列的演進方向進行遞迴且所有節點(迴圈單元)按鏈式連線形成閉合迴路的遞迴神經網路。對迴圈神經網路的研究始於二十世紀80-90年代,並在二十一世紀初發展為重要的深度學習演算法。
Geoffrey Hinton是神經網路領域的代表學者。Geoffrey Hinton,被稱為“神經網路之父”、“深度學習鼻祖”,他曾獲得愛丁堡大學人工智慧的博士學位,並且為多倫多大學的特聘教授。
在2012年,Hinton還獲得了加拿大基廉獎(Killam Prizes,有“加拿大諾貝爾獎”之稱的國家最高科學獎)。
2013年,Hinton 加入谷歌並帶領一個AI團隊,他將神經網路帶入到研究與應用的熱潮,將“深度學習”從邊緣課題變成了谷歌等網際網路巨頭仰賴的核心技術,並將HintonBack Propagation(反向傳播)演算法應用到神經網路與深度學習。
在Hinton高中時,就有一個朋友告訴他,人腦的工作原理就像全息圖一樣。建立一個3D全息圖,需要大量的記錄入射光被物體多次反射的結果,然後將這些資訊儲存進一個龐大的資料庫中。大腦儲存資訊的方式居然與全息圖如此類似,大腦並非將記憶儲存在一個特定的地方,而是在整個神經網路裡傳播。
Hinton為此深深的著迷。對Hinton來說,這是他人生的關鍵,也是他成功的起點。
目前神經網路已經被廣泛應用到醫療、金融等領域,具體包括:疾病識別、人臉識別、股票和有價證券的預測分析、風險管理、信用評估等。