迈向成功深度学习的通用机制

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，每层由许多过滤器组成。

普遍的理解是，随着图像层层推进，图像的更多增强特征以及特征的特征被揭示出来。然而，这些特征和特征的特征是不可量化的，因此，机器学习的工作原理仍然是一个谜。

在最近发表在《科学报告》上的一篇文章中，巴伊兰大学的研究人员揭示了成功的机器学习背后的机制，该机制使其能够成功地执行分类任务。

巴伊兰物理系的伊多·坎特(IdoKanter)教授表示：“每个过滤器本质上都能识别一小群图像，随着层数的增加，识别能力会变得更加敏锐。我们找到了一种定量测量单个过滤器性能的方法。”贡达(Goldschmied)多学科脑研究中心领导了这项研究。

“这一发现可以为更好地理解人工智能的工作原理铺平道路，”博士说。学生尤瓦尔·梅厄(YuvalMeir)是这项工作的主要贡献者之一。“这可以改善延迟、内存使用和架构的复杂性，而不会降低整体准确性。”

虽然人工智能一直处于最新技术进步的前沿，但了解此类机器的实际工作原理可以为更先进的人工智能开辟道路。