简介:以216名大学生为被试,使用关系复杂性变化的三种虚拟外星生物实验材料,创设个人功能预测的关系类别的间接性学习条件和参照性交流功能预测的关系类别的间接性学习条件,探讨关系复杂性对关系类别间接性学习的影响。结果发现:关系类别的功能预测间接性学习过程中,关系复杂性和学习条件的交互作用极其显著,具体来讲,关系复杂性对关系类别间接性学习的影响仅显著地表现在参照性交流关系类别间接性学习过程中;当学习材料为4特征复杂关系时,参照条件下被试功能预测成绩极其显著高于个人条件,当学习材料为6特征复杂关系加二阶同功能简单关系时,两种学习条件间不存在显著差异,当学习材料为6特征复杂关系加二阶异功能简单关系时,个人条件极其显著高于参照条件。
简介:摘要当前的深度学习方法使用在基于大型图形处理单元(GPU)的计算机上训练的卷积神经网络(CNN)非常成功。该方法的三个局限性是1)基于简单的分层网络拓扑结构;2)网络采用人工配置以达到最优效;3)神经元模型的实现在成本和功耗上都比较昂贵。在本文中,评估了使用三种不同的计算架构来解决这些问题的深度学习模型量子计算来训练复杂的拓扑结构,高性能计算(HPC)来自动确定网络拓扑结构,以及低功耗硬件的神经形态计算。由于目前量子计算机的输入尺寸限制,实验中使用MNIST数据集。结果显示了将这三种架构结合使用来解决上述深度学习限制的能力。结果表明,量子计算机可以在网络复杂度增加的情况下,在可控制的时间内找到高质量的层内连接权值;高性能计算机可以找到最优的基于层的拓扑结构;在低功耗记忆硬件中,神经形态计算机可以表示其他结构的复杂拓扑结构和权值。
简介:摘要当前的深度学习方法使用在基于大型图形处理单元(GPU)的计算机上训练的卷积神经网络(CNN)非常成功。该方法的三个局限性是1)基于简单的分层网络拓扑结构;2)网络采用人工配置以达到最优效;3)神经元模型的实现在成本和功耗上都比较昂贵。在本文中,评估了使用三种不同的计算架构来解决这些问题的深度学习模型量子计算来训练复杂的拓扑结构,高性能计算(HPC)来自动确定网络拓扑结构,以及低功耗硬件的神经形态计算。由于目前量子计算机的输入尺寸限制,实验中使用MNIST数据集。结果显示了将这三种架构结合使用来解决上述深度学习限制的能力。结果表明,量子计算机可以在网络复杂度增加的情况下,在可控制的时间内找到高质量的层内连接权值;高性能计算机可以找到最优的基于层的拓扑结构;在低功耗记忆硬件中,神经形态计算机可以表示其他结构的复杂拓扑结构和权值。
简介:摘要:在面向超高维、多工况的复杂装备优化问题时,现有优化算法求解效率低,本文提出了增强学习驱动的精确制导武器总体方案智能生成技术,主要设计工作由“高维耦合设计变量的协调”转变为“总体方案综合性能的评价”;设计人员的视角由“参数空间”转向“环境空间”,实现导弹方案与环境交互自学习生成,形成增强学习驱动的精确制导武器总体方案智能生成模型构建技术和理论方法,为拦截弹等复杂武器装备的核心性能和设计能力提升提供新手段和工具。