博客探讨了K-means算法在效率上的局限，并对比了生物神经元的工作机制。作者指出，生物神经元的并发性和自然环境的数学完备性使得其处理速度远超计算机。同时，神经元的向量距离计算方式与计算机的计算方式也存在显著差异。文章讨论了这些差异可能的原因，并提出提高计算机并行性的解决方案。
最近研究K-means 算法, 经过尝试发现K-means 算法实在是太慢了. 这个算法人类的视觉神经中应该也是有类似结构实现的.
可为何人类的计算速度这么快. 而计算机的则这么慢. 经过考虑 个人认为有一下几点
1. 生物神经元的工作模式是并发的为主, 计算机则是有限并发的(至少目前2021年是有限并发的) 一个1080*1920 大小的图片.当然这种并发可以通过不断的提高GPU的内核数来提高.
2. 生物神经元是工作在上帝的平台(自然)之上. 而目前的计算机是工作在人类的几十年的工作基础之上.
3. 生物神经元所运行的环境是数学完备的. 其中包括我们人类没掌握的数学知识. 而目前计算机是工作在人类几百年的数学知识基础之上. 相比之下任然有很多数学知识还有待人类进一步探索.
4. 生物神经网络求两个向量之间的距离, 根本就不用算, 把信号抛出去,附近的神经元自然首先接到. 而计算机的则是要计算完空间中所有的点才知道那个向量距离最近.
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
