目前對(duì)神經(jīng)網(wǎng)絡(luò)有哪些理論研究？特拉維夫團(tuán)隊(duì)由研究人員ori bar el、ori Licht和Netanel yosephian組成，他們使用一個(gè)名為stackgan V2的生成對(duì)抗網(wǎng)絡(luò)（GAN）的修

目前對(duì)神經(jīng)網(wǎng)絡(luò)有哪些理論研究？

特拉維夫團(tuán)隊(duì)由研究人員ori bar el、ori Licht和Netanel yosephian組成，他們使用一個(gè)名為stackgan V2的生成對(duì)抗網(wǎng)絡(luò)（GAN）的修改版本和來(lái)自巨大recipe1m數(shù)據(jù)集的52K圖像/配方組合創(chuàng)建了人工智能。

該團(tuán)隊(duì)開(kāi)發(fā)了一種人工智能，可以通過(guò)列出任何配方和說(shuō)明來(lái)計(jì)算成品食品的外觀。

這一切都是從一位研究人員問(wèn)她的祖母她傳統(tǒng)的番茄醬炸魚(yú)排食譜開(kāi)始的。因?yàn)樗昙o(jì)大了，記不清確切的食譜，所以食品科學(xué)家建立了一個(gè)系統(tǒng)，可以給食物圖像，方便食譜的輸出。從食物中提取鹽、胡椒粉、黃油、面粉等“隱藏”成分，很難得到準(zhǔn)確的配方，因此，基于食譜生成食物圖像是一種有效的方法。這項(xiàng)任務(wù)對(duì)人類來(lái)說(shuō)非常具有挑戰(zhàn)性，尤其是對(duì)計(jì)算機(jī)而言。

由于大多數(shù)當(dāng)前的人工智能系統(tǒng)都在試圖取代人類專家完成人類易于完成的任務(wù)，因此解決一項(xiàng)甚至超出人類能力的任務(wù)將是一件有趣的事情。

值得一提的是，recipe1m數(shù)據(jù)集的圖像質(zhì)量低于cub和Oxford 102數(shù)據(jù)集。這反映在圖像模糊多、光照條件差、“粥狀圖像”和圖像不方正（這使得訓(xùn)練模型困難）。這一事實(shí)或許可以解釋，這兩種模型成功地生成了“粥狀”食物圖像（如面食、米飯、湯、沙拉），但難以生成形狀獨(dú)特的食物圖像（如漢堡包、雞肉、飲料）。

如果有足夠的配方，特拉維夫團(tuán)隊(duì)的人工智能現(xiàn)在可以把它變成一個(gè)看起來(lái)足夠好的圖像。根據(jù)這篇研究論文，在盲測(cè)試中，人類有時(shí)更喜歡計(jì)算機(jī)生成的圖像而不是真實(shí)的照片。

該團(tuán)隊(duì)打算繼續(xù)開(kāi)發(fā)該系統(tǒng)，希望擴(kuò)展到食品以外的領(lǐng)域。包括提高現(xiàn)有數(shù)據(jù)集的質(zhì)量，還可以考慮建立一個(gè)包含兒童讀物文本和相應(yīng)圖像的數(shù)據(jù)集，使計(jì)算機(jī)能夠看到文章并繪制插圖。

神經(jīng)網(wǎng)絡(luò)研究與應(yīng)用這塊用python好還是用matlab好？

如果對(duì)神經(jīng)網(wǎng)絡(luò)的研究比較淺，推薦使用Matlab；如果研究比較深，推薦使用Python。

Python的優(yōu)點(diǎn)是膠接語(yǔ)言，語(yǔ)法簡(jiǎn)單，使用方便，可以直接使用各種第三方庫(kù)和開(kāi)源代碼，并支持跨平臺(tái)。Matlab仍然偏向于工程算法的開(kāi)發(fā)。

另外，對(duì)于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，雖然MATLAB有一個(gè)神經(jīng)網(wǎng)絡(luò)工具箱，但是當(dāng)你自己構(gòu)建一個(gè)更深層次的網(wǎng)絡(luò)時(shí)，會(huì)很麻煩。一些著名的神經(jīng)網(wǎng)絡(luò)架構(gòu)，如tensorflow和cafe，都有Python接口，可以站在巨人的肩膀上。