图像分类是深度学习架构成功执行的一项复杂任务。这些深层架构通常由许多层组成，每一层都由许多滤波器组成
通常的理解是，随着图像在层中的进展，图像的更多增强特征和特征的特征会被揭示。然而，这些特征和特征的特征是不可量化的，因此，机器学习是如何工作的仍然是一个谜
在最近发表在《科学报告》上的一篇文章中，巴宜兰大学的研究人员揭示了成功的机器学习的机制，使其能够以巨大的成功执行分类任务
领导这项研究的Bar-Ilan物理系和Gonda（Goldschmied）多学科大脑研究中心的Ido Kanter教授说：“每个滤波器基本上都能识别一小群图像，随着层次的发展，识别能力会增强。我们找到了一种定量测量单个滤波器性能的方法。”
“这一发现可以为更好地理解人工智能是如何工作的铺平道路，”这项工作的关键贡献者之一、博士生尤瓦尔·梅尔说。“这可以在不降低整体准确性的情况下改善架构的延迟、内存使用和复杂性。”
虽然人工智能一直处于最近技术进步的前沿，了解这些机器的实际工作方式可以为更先进的人工智能开辟道路
想要了解更多关于脑机接口技术的内容，请关注脑机网，我们将定期发布最新的研究成果和应用案例，让您第一时间了解脑机接口技术的最新进展。
