設(shè)計(jì)等。這些問題共同的根源在于維數(shù)災(zāi)難，內(nèi)在變量太多，維數(shù)增加，計(jì)算量呈指數(shù)增長。與此同時，深度學(xué)習(xí)領(lǐng)域的圖像識別、人臉照片生成和 AlphaGo 都可以解讀成解決高維的數(shù)學(xué)問題。具體來講，圖像識別是解決高維函數(shù)逼近，圖像生成是高維概率密度，AlphaGo 是解超大空間高維 Bellman 方程。歸根究底，深度學(xué)習(xí)對高維函數(shù)提供了有效的逼近方法。
接著，鄂院士介紹了深度學(xué)習(xí)模型在高維控制問題分子動力學(xué)和空氣動力學(xué)等領(lǐng)域的應(yīng)用，強(qiáng)調(diào)了機(jī)器學(xué)習(xí)幫助構(gòu)建有效、可靠和有效率物理模型的重要性。
