开发者Chris Harris尝试着用神经网络来消除路边汽车

近日，国外一位开发小哥在推特上发布了一段小视频，视频中显示他试图通过神经网络使路上的行驶的汽车和路边停着的车辆消失（当然并不是真的消失），只是他本人看不见了而已。

人工神经网络（ANN）或连接系统是受构成动物大脑的生物神经网络模糊启发的计算系统。神经网络本身并不是一种算法，而是许多不同机器学习算法共同工作和处理复杂数据输入的框架。这类系统“学习”通过考虑例子来执行任务，通常不需要编写任何特定于任务的规则。例如，在图像识别中，他们可能通过分析手动标记为“车”或“没有车”的示例图像，并使用结果来识别其他图像中的车，从而学会识别包含车的图像。他们这样做没有任何事先了解车，例如，他们有轮胎，车灯和车门。相反，它们会自动从所处理的学习材料中产生识别特征。

人工神经网络中，神经元处理单元可表示不同的对象，例如特征、字母、概念，或者一些有意义的抽象模式。网络中处理单元的类型分为三类：输入单元、输出单元和隐单元。输入单元接受外部世界的信号与数据；输出单元实现系统处理结果的输出；隐单元是处在输入和输出单元之间，不能由系统外部观察的单元。神经元间的连接权值反映了单元间的连接强度，信息的表示和处理体现在网络处理单元的连接关系中。人工神经网络是一种非程序化、适应性、大脑风格的信息处理 ，其本质是通过网络的变换和动力学行为得到一种并行分布式的信息处理功能，并在不同程度和层次上模仿人脑神经系统的信息处理功能。它是涉及神经科学、思维科学、人工智能、计算机科学等多个领域的交叉学科。

人工神经网络是并行分布式系统，采用了与传统人工智能和信息处理技术完全不同的机理，克服了传统的基于逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷，具有自适应、自组织和实时学习的特点。

新浪声明：新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。