在这个数据集的帮助下,次年LeCun便打造并训练了第一个版本的LeNet 1,在字母识别上取得了有史以来最高的准确率! 1993年,LeCun在电脑上展示识别手写字,将CNN与BP反向传播结合阅读“手写”数字,结果优于以往任何模型,很快便应用到ATM识别读取支票上的数字,小有成就的是,上世纪90年代末期已经处理了美国10%-20%支票...
我先再补充介绍一下Yann LeCun,他的中文名字叫做杨立昆,是一名法国计算机科学家,在机器学习、计算机视觉、移动机器人和计算神经科学等领域都有很多贡献,被誉为“卷积神经网络之父”。 LeCun 现任Meta首席AI科学家,并担任纽约大学教授。他在1980年代率先提出了卷积神经网络(CNN),这项技术成为现代计算机视觉的基础。LeC...
在这个数据集的帮助下,次年LeCun便打造并训练了第一个版本的LeNet 1,在字母识别上取得了有史以来最高的准确率! 1993年,LeCun在电脑上展示识别手写字,将CNN与BP反向传播结合阅读“手写”数字,结果优于以往任何模型,很快便应用到ATM识别读取支票上的数字,小有成就的是,上世纪90年代末期已经处理了美国10%-20%支票...
Yann LeCun:是的,我是其中的一份子,我很早就意识到了关于学习机器的探讨在上世纪六十年代停止的原因,人们在寻找多层网络的构建准则,而他们最终徒劳而归,但我当时在某种意义上算是找到了这么一个“准则”在现在以“Target Prop”的名字被熟知,主要是说为每个运算节点逆流虚拟运算目标(Virtual Target)。由此,我们便...
在2025冬季达沃斯“技术辩论”现场,Meta首席AI科学家、图灵奖得主杨立昆(Yann LeCun)抛出一个震撼观点: “当前的大语言模型(LLM)范式将在3-5年内被淘汰。” 这位深度学习先驱的论断,不仅直指ChatGPT等明星产品的技术天花板,更揭示了下一代AI进化的核心路径——构建理解物理世界的“世界模型”(World Model)。
卷积神经网络在最近这些年的深度学习领域可谓锋芒毕露,成为计算机视觉、语音识别等众多人工智能应用底层的基石,图灵奖得主杨立昆(Yann LeCun)便是它的重要奠基者之一。 卷积神经网络(Convolutional Neural Networks,简称 CNN)在最近这些年的深度学习领域可谓锋芒毕露,成为计算机视觉、语音识别等众多人工智能应用底层的基石,...
Yann LeCun 还 Cue 了纽约大学助理教授谢赛宁,后者参与的工作 ConvNext 证明了如果方法得当,CNN 也能和 ViT 一样好。 他接下来表示,在坚持自注意力循环之前,你至少需要几个具有池化和步幅的卷积层。 如果自注意力等同于排列(permutation),则完全...
深扒Yann LeCun清华演讲中提到的深度学习与人工智能技术(PPT+视频) Lecun为Facebook AI研究院院长,他同时也是纽约大学的终身教授。他因著名的卷积神经网络(CNN)相关的工作而被人称为CNN之父。在演讲中,Lecun回顾了其早期利用神经网络用于机器人的研究做了一...
近日,Meta 首席人工智能科学家杨立昆(Yann LeCun)在接受 ZDNet 的一次采访中,提出了一个重要观点。他表示:“今天的人工智能方法永远不会带来真正的智能。所有人工智能都面临某些基本问题,特别是如何衡量信息。” 图| 杨立昆(来源:ZDNet) 关于AI的发展走向,学术界和业界都需要进行深刻反思 ...
LeCun 表示,1993 年的文字识别系统已经用上了卷积神经网络(CNN),自己在这套系统中编写了一种网络数据结构的编译器,并生成了可编译的 C 语言代码,在源代码中以权重和网表(netlist)代表文字。 这段视频的惊艳之处还在于,它比经典手写数字数据集 MNIST 的问世还要早 6 年。