趨勢分析之神經網路

摘要： AMiner全新功能技術趨勢分析Trend analysis（http://trend.aminer.cn）基於AMiner 2億篇論文資料進行深入挖掘，包括對技術來源、熱度、發展趨勢進行研究，進而預測未來的技術前景。技術趨勢分析描述了技術的出現、變遷和消亡的全過程，可以幫助研究人員理解領域的...

AMiner全新功能技術趨勢分析Trend analysis（http://trend.aminer.cn）基於AMiner 2億篇論文資料進行深入挖掘，包括對技術來源、熱度、發展趨勢進行研究，進而預測未來的技術前景。技術趨勢分析描述了技術的出現、變遷和消亡的全過程，可以幫助研究人員理解領域的研究歷史和現狀，快速識別研究的前沿熱點問題。

我們目前已釋出了10期分析內容，具體如下：

• 趨勢分析之人工智慧

• 趨勢分析之自動駕駛技術

• 趨勢分析之大資料

• 趨勢分析系列之區塊鏈

• 趨勢分析之計算機視覺

• 趨勢分析之資料探勘

• 趨勢分析之深度學習

• 趨勢分析之資料建模

• 趨勢分析之圖資料庫

• 趨勢分析之網路

神經網路（Neural Network）起源於 WarrenMcCulloch 和 Walter Pitts 於 1943 年首次建立的神經網路模型，他們在分析、總結神經元基本特性的基礎上首先提出神經元的數學模型。此模型沿用至今，並且直接影響著這一領域研究的進展。神經網路可以指向兩種，一種是生物神經網路，一種是人工神經網路。

下面我們將用Trend analysis分析神經網路領域內的研究熱點。

下圖是當前該領域的熱點技術趨勢分析，通過Trend analysis分析挖掘可以發現當前該領域的熱點研究話題Top10有：

• neural network

• recurrent neural network

• control systems

• lyapunov function

• quadratic programming

• neural nets

• artificial neural networks

• linear matrix inequality

• mathematical model

• adaptive control

根據Trend analysis的分析我們可以發現，recurrent neural network是該領域內的熱門話題之一。迴圈神經網路是一類以序列資料為輸入，在序列的演進方向進行遞迴且所有節點（迴圈單元）按鏈式連線形成閉合迴路的遞迴神經網路。對迴圈神經網路的研究始於二十世紀80-90年代，並在二十一世紀初發展為重要的深度學習演算法。

Geoffrey Hinton是神經網路領域的代表學者。Geoffrey Hinton，被稱為“神經網路之父”、“深度學習鼻祖”，他曾獲得愛丁堡大學人工智慧的博士學位，並且為多倫多大學的特聘教授。

在2012年，Hinton還獲得了加拿大基廉獎(Killam Prizes，有“加拿大諾貝爾獎”之稱的國家最高科學獎)。

2013年，Hinton 加入谷歌並帶領一個AI團隊，他將神經網路帶入到研究與應用的熱潮，將“深度學習”從邊緣課題變成了谷歌等網際網路巨頭仰賴的核心技術，並將HintonBack Propagation(反向傳播)演算法應用到神經網路與深度學習。

在Hinton高中時，就有一個朋友告訴他，人腦的工作原理就像全息圖一樣。建立一個3D全息圖，需要大量的記錄入射光被物體多次反射的結果，然後將這些資訊儲存進一個龐大的資料庫中。大腦儲存資訊的方式居然與全息圖如此類似，大腦並非將記憶儲存在一個特定的地方，而是在整個神經網路裡傳播。

Hinton為此深深的著迷。對Hinton來說，這是他人生的關鍵，也是他成功的起點。

目前神經網路已經被廣泛應用到醫療、金融等領域，具體包括：疾病識別、人臉識別、股票和有價證券的預測分析、風險管理、信用評估等。