深度学习目前仍有很大的局限性,其中之一就是无法结合先验知识,如数学或物理学的基本定律。通常,必须从训练集中理解DL,这很难真正涵盖足够的先验知识。而DL的一个卖点是,它不需要用算法编程; 而是通过一种优化形式从这些训练集中抽离出智能。当训练集足够大,可以覆盖目标的核心时,这种方法是很有效的,但如果无法很好的引入其他变量(如旋转或移动),这种方法就不是很有效。 这是一个急需解决的局限性。
解决这个问题最简单的方法是扩大训练范围以涵盖更多变量。对于旋转,可能需要108 * N个训练样本来覆盖3个旋[……]