1
条回答
写回答
写回答
-
推荐回答为了训练 AI 读懂放射学图表并发现肿瘤，需要让它接触很多图表样例（输 入），每张图表都要标识放射科医生的诊断—肿瘤或非肿瘤（期望输出）。神 经网络的输出是一张图片，图片上注明了患肿瘤的概率。每次神经网络都接触一 张新的图片，将神经网络的输出与正确的㐀果进行比较。如果图片中存在肿瘤， 㐀果应该接近于 100%。如果不存在肿瘤，㐀果就接近于 0。反向传播的使用就是 为了调整网络的模型（节点间连接的权重），强化得到正确㐀果的连接的权重， 反之，弱化得到错误㐀果的连接的权重。一旦经过足够多的数据训练，神经网络 诊断的准确率会高得令人难以置信。更复杂的网络甚至可能有几个输出㐀果，例 如出现肿瘤的概率、栓塞的概率、骨折的概率等。
以上信息摘自《创新之巅：未来十年重构商业的六大战略性技术》，这本电子书收录于开发者藏经阁，下载地址：https://developer.aliyun.com/ebook/download/7469
2022-04-15 09:59:27赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
