论文解读：网络科学如何打开深度学习的黑箱？

文章预览

文末附论文地址 导语 随着AI系统，尤其是深度学习技术在学术界和企业界的开枝散叶，彻底打开算法的黑箱变得日益重要。本文尝试从复杂网络的角度为该解决问题提供思路。 从复杂网络 切入深度学习 如今，以多层神经网络为特点的深度学习技术正是风华正茂，不仅在计算机视觉和自然语言处理等传统领域大放异彩，在时序数据和复杂网络分析等领域也攻城略地。 多层神经网络能取得如此辉煌的成绩，离不开其多层非线性结构强大的拟合能力，但也是由于这种复杂结构，对神经网络内部机理的解析困难重重。 以深度信念网络(deep belief networks，DBN)为例，该生成式深度学习框架能以非监督学习的方式挖掘出大数据集中复杂的统计结构。虽然DBN能在统计学框架下规范表 ………………………………