《人工智能應(yīng)用》高職人工智能應(yīng)用開(kāi)發(fā)全套教學(xué)課件

人工智能應(yīng)用本課件是可編輯的正常PPT課件項(xiàng)目1認(rèn)識(shí)人工智能項(xiàng)目2人工智能的數(shù)學(xué)基礎(chǔ)項(xiàng)目3人工智能與大數(shù)據(jù)項(xiàng)目4機(jī)器學(xué)習(xí)項(xiàng)目5深度學(xué)習(xí)項(xiàng)目6計(jì)算機(jī)視覺(jué)項(xiàng)目7自然語(yǔ)言處理項(xiàng)目8知識(shí)圖譜項(xiàng)目9人工智能的應(yīng)用全套可編輯PPT課件

項(xiàng)目1認(rèn)識(shí)人工智能本課件是可編輯的正常PPT課件通過(guò)對(duì)本項(xiàng)目的學(xué)習(xí)，了解人工智能的概念，認(rèn)識(shí)人工智能的學(xué)派，理解人工智能的發(fā)展趨勢(shì)和倫理，熟悉Python程序的書(shū)寫(xiě)。了解人工智能的概念理解人工智能的學(xué)派理解人工智能的發(fā)展趨勢(shì)理解人工智能的倫理熟悉Python程序的書(shū)寫(xiě)本課件是可編輯的正常PPT課件人工智能是研究使計(jì)算機(jī)來(lái)模擬人的某些思維過(guò)程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）的學(xué)科，主要包括計(jì)算機(jī)實(shí)現(xiàn)智能的原理、制造類(lèi)似于人腦智能的計(jì)算機(jī)，使計(jì)算機(jī)能實(shí)現(xiàn)更高層次的應(yīng)用。1.1人工智能簡(jiǎn)介本課件是可編輯的正常PPT課件人工智能可分為三類(lèi)：弱人工智能、強(qiáng)人工智能與超人工智能。弱人工智能就是利用現(xiàn)有智能化技術(shù)，來(lái)改善我們經(jīng)濟(jì)社會(huì)發(fā)展所需要的一些技術(shù)條件和發(fā)展功能，也指單一做一項(xiàng)任務(wù)的智能。人工智能分類(lèi)本課件是可編輯的正常PPT課件強(qiáng)人工智能強(qiáng)人工智能則是綜合的，它是指在各方面都能和人類(lèi)比肩的人工智能，人類(lèi)能干的腦力活它都能干，例如能干很多事情的機(jī)器人。本課件是可編輯的正常PPT課件超人工智能哲學(xué)家、牛津大學(xué)人類(lèi)未來(lái)研究院院長(zhǎng)尼克·波斯特洛姆（NickBostrom）把超人工智能（ArtificialSuperIntelligence，ASI）定義為“在幾乎所有領(lǐng)域都大大超過(guò)人類(lèi)認(rèn)知表現(xiàn)的任何智力”。本課件是可編輯的正常PPT課件現(xiàn)階段所實(shí)現(xiàn)的人工智能大部分指的是弱人工智能，并且已經(jīng)被廣泛應(yīng)用。一般而言，限于弱人工智能在功能上的局限性，人們更愿意將弱人工智能看成是人類(lèi)的工具，而不會(huì)將弱人工智能視成威脅。本課件是可編輯的正常PPT課件人工智能的起源人工智能的概念在20世紀(jì)五六十年代時(shí)正式提出，1950年，一位名叫馬文·明斯基（后被人稱(chēng)為“人工智能之父”）的大四學(xué)生與他的同學(xué)鄧恩·埃德蒙一起，建造了世界上第一臺(tái)神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)。這也被看作是人工智能的一個(gè)起點(diǎn)。本課件是可編輯的正常PPT課件同樣是在1950年，被稱(chēng)為“計(jì)算機(jī)之父”的阿蘭·圖靈提出了一個(gè)舉世矚目的想法——圖靈測(cè)試。圖靈測(cè)試本課件是可編輯的正常PPT課件人工智能的歷史2.人工智能的發(fā)展從20世紀(jì)60年代到80年代，人工智能經(jīng)歷了快速發(fā)展的階段。在這個(gè)時(shí)期，人們開(kāi)始研究機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)，使得人工智能的應(yīng)用范圍不斷擴(kuò)大。1985年，機(jī)器學(xué)習(xí)領(lǐng)域的神經(jīng)網(wǎng)絡(luò)算法被發(fā)明，這一算法在語(yǔ)音識(shí)別、圖像識(shí)別等領(lǐng)域得到廣泛應(yīng)用。3.人工智能的低谷在20世紀(jì)90年代初期，人工智能經(jīng)歷了一次低谷期。由于當(dāng)時(shí)計(jì)算機(jī)計(jì)算能力較弱，加之?dāng)?shù)據(jù)集和算法方面的限制，導(dǎo)致人工智能的應(yīng)用受到限制。但是，在這個(gè)時(shí)期，人們開(kāi)始研究支持向量機(jī)、隨機(jī)森林等新的機(jī)器學(xué)習(xí)算法，并且計(jì)算機(jī)計(jì)算能力不斷提升，這些因素為人工智能的復(fù)興奠定了基礎(chǔ)。4.人工智能的復(fù)興21世紀(jì)初，隨著大數(shù)據(jù)和云計(jì)算等技術(shù)的出現(xiàn)，人工智能再次進(jìn)入了快速發(fā)展的階段。人們開(kāi)始研究深度學(xué)習(xí)、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)等技術(shù)，使得人工智能的應(yīng)用范圍更加廣泛。目前，人工智能已經(jīng)應(yīng)用于醫(yī)療、金融、交通等多個(gè)領(lǐng)域，并且在未來(lái)還有很大的發(fā)展空間。

本課件是可編輯的正常PPT課件本課件是可編輯的正常PPT課件人工智能的研究?jī)?nèi)容人工智能的研究是高度技術(shù)性和專(zhuān)業(yè)的，各分支領(lǐng)域都是深入且各不相通的，因而涉及范圍極廣。人工智能學(xué)科研究的主要內(nèi)容包括：知識(shí)表示、認(rèn)知、自動(dòng)推理和搜索方法、機(jī)器學(xué)習(xí)和知識(shí)獲取、知識(shí)處理系統(tǒng)、自然語(yǔ)言理解、計(jì)算機(jī)視覺(jué)、智能機(jī)器人、自動(dòng)程序設(shè)計(jì)等方面。本課件是可編輯的正常PPT課件我國(guó)的人工智能發(fā)展現(xiàn)狀伴隨著人工智能研究熱潮，我國(guó)人工智能產(chǎn)業(yè)化應(yīng)用也蓬勃發(fā)展。智能產(chǎn)品和應(yīng)用大量涌現(xiàn)，人工智能產(chǎn)品在醫(yī)療、商業(yè)、通信、城市管理等方面得到快速應(yīng)用。2017年7月5日，百度首次發(fā)布人工智能開(kāi)放平臺(tái)的整體戰(zhàn)略、技術(shù)和解決方案。這也是百度AI技術(shù)首次整體亮相。其中，對(duì)話式人工智能系統(tǒng)，可讓用戶以自然語(yǔ)言對(duì)話的交互方式，實(shí)現(xiàn)諸多功能；Apollo自動(dòng)駕駛技術(shù)平臺(tái)，可幫助汽車(chē)行業(yè)及自動(dòng)駕駛領(lǐng)域的合作伙伴快速搭建一套屬于自己的完整的自動(dòng)駕駛系統(tǒng)，是全球領(lǐng)先的自動(dòng)駕駛生態(tài)。2017年8月3日，騰訊公司正式發(fā)布了人工智能醫(yī)學(xué)影像產(chǎn)品——騰訊覓影。同時(shí)，還宣布發(fā)起成立了人工智能醫(yī)學(xué)影像聯(lián)合實(shí)驗(yàn)室。2017年10月11日，阿里巴巴首席技術(shù)官?gòu)埥ㄤh宣布成立全球研究院——達(dá)摩院。達(dá)摩院的成立，代表著阿里巴巴正式邁入全球人工智能等前沿科技的競(jìng)爭(zhēng)行列。

此外，科大訊飛在智能語(yǔ)音技術(shù)上處于國(guó)際領(lǐng)先水平；依圖科技搭建了全球首個(gè)十億級(jí)人像對(duì)比系統(tǒng)，在2017年美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院組織的人臉識(shí)別技術(shù)測(cè)試中，成為第一個(gè)獲得冠軍的中國(guó)團(tuán)隊(duì)。本課件是可編輯的正常PPT課件人工智能研究的主要學(xué)派符號(hào)主義（Symbolism）是一種基于邏輯推理的智能模擬方法，又稱(chēng)為邏輯主義(Logicism)、心理學(xué)派(Psychlogism)或計(jì)算機(jī)學(xué)派(Computerism)，其原理主要為物理符號(hào)系統(tǒng)假設(shè)和有限合理性原理，長(zhǎng)期以來(lái)，符號(hào)主義一直在人工智能中處于主導(dǎo)地位。本課件是可編輯的正常PPT課件連接主義連接主義（Connectionism）又稱(chēng)為仿生學(xué)派(Bionicsism)或生理學(xué)派(Physiologism)。是一種基于神經(jīng)網(wǎng)絡(luò)及網(wǎng)絡(luò)間的連接機(jī)制與學(xué)習(xí)算法的智能模擬方法。其原理主要為神經(jīng)網(wǎng)絡(luò)和神經(jīng)網(wǎng)絡(luò)間的連接機(jī)制和學(xué)習(xí)算法。這一學(xué)派認(rèn)為人工智能源于仿生學(xué)，特別是人腦模型的研究。本課件是可編輯的正常PPT課件行為主義行為主義又稱(chēng)進(jìn)化主義(Evolutionism)或控制論學(xué)派(Cyberneticsism)，是一種基于“感知——行動(dòng)”的行為智能模擬方法。

行為主義最早來(lái)源于20世紀(jì)初的一個(gè)心理學(xué)流派，認(rèn)為行為是有機(jī)體用以適應(yīng)環(huán)境變化的各種身體反應(yīng)的組合，它的理論目標(biāo)在于預(yù)見(jiàn)和控制行為。本課件是可編輯的正常PPT課件人工智能的發(fā)展趨勢(shì)總的來(lái)說(shuō)，未來(lái)人工智能的發(fā)展趨勢(shì)可能包括以下幾個(gè)方面：多模態(tài)智能技術(shù)：結(jié)合多種感知模態(tài)和認(rèn)知模型，實(shí)現(xiàn)更加全面和智能的識(shí)別和分析。深度學(xué)習(xí)技術(shù)的進(jìn)一步發(fā)展：深度學(xué)習(xí)是人工智能領(lǐng)域的重要技術(shù)之一，未來(lái)可能會(huì)向更加高效和復(fù)雜的應(yīng)用方向發(fā)展。自主決策和自主控制：人工智能將逐漸實(shí)現(xiàn)自主決策和自主控制，例如在自動(dòng)駕駛、機(jī)器人等領(lǐng)域中的應(yīng)用?？珙I(lǐng)域應(yīng)用：人工智能將在更多的領(lǐng)域得到應(yīng)用，例如醫(yī)療健康、金融、教育等。數(shù)據(jù)安全和隱私保護(hù)：隨著人工智能應(yīng)用的普及，數(shù)據(jù)安全和隱私保護(hù)將成為需要關(guān)注的重要問(wèn)題。更加智能化和個(gè)性化的用戶體驗(yàn)：隨著技術(shù)的不斷進(jìn)步，人工智能將能夠提供更加智能化和個(gè)性化的用戶體驗(yàn)。新的商業(yè)模式和創(chuàng)新機(jī)會(huì)：人工智能將創(chuàng)造新的商業(yè)模式和創(chuàng)新機(jī)會(huì)，例如智能家居、智能醫(yī)療健康等領(lǐng)域。本課件是可編輯的正常PPT課件人工智能的三大核心目前，人工智能發(fā)展的可謂如火如荼。人工智能是利用機(jī)器學(xué)習(xí)和數(shù)據(jù)分析，對(duì)人的意識(shí)和思維過(guò)程進(jìn)行模擬、延伸和拓展，賦予機(jī)器類(lèi)人的能力。其實(shí)，人工智能是有三大核心要素的，那就是算法、算力、數(shù)據(jù)。本課件是可編輯的正常PPT課件數(shù)據(jù)實(shí)現(xiàn)人工智能的首要因素是數(shù)據(jù)，數(shù)據(jù)是一切智慧物體的學(xué)習(xí)資源，沒(méi)有了數(shù)據(jù)，任何智慧體都很難學(xué)習(xí)到知識(shí)。在如今這個(gè)時(shí)代，無(wú)時(shí)無(wú)刻不在產(chǎn)生數(shù)據(jù)（包括語(yǔ)音、文本、影像等等），人工智能產(chǎn)業(yè)的飛速發(fā)展，也萌生了大量垂直領(lǐng)域的數(shù)據(jù)需求。本課件是可編輯的正常PPT課件算法算法是一組解決問(wèn)題的規(guī)則，是計(jì)算機(jī)科學(xué)中的基礎(chǔ)概念。人工智能是指計(jì)算機(jī)系統(tǒng)能夠模仿人類(lèi)智能的一種技術(shù)，其核心是算法。人工智能算法是數(shù)據(jù)驅(qū)動(dòng)型算法，是人工智能背后的推動(dòng)力量。主流的算法主要分為傳統(tǒng)的機(jī)器學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)算法，目前神經(jīng)網(wǎng)絡(luò)算法因?yàn)樯疃葘W(xué)習(xí)（源于人工神經(jīng)網(wǎng)絡(luò)的研究，特點(diǎn)是試圖模仿大腦的神經(jīng)元之間傳遞和處理信息的模式）的快速發(fā)展而達(dá)到了高潮。本課件是可編輯的正常PPT課件算力算力是指計(jì)算機(jī)或其他計(jì)算設(shè)備在一定時(shí)間內(nèi)可以處理的數(shù)據(jù)量或完成的計(jì)算任務(wù)的數(shù)量。算力通常被用來(lái)描述計(jì)算機(jī)或其他計(jì)算設(shè)備的性能，它是衡量一臺(tái)計(jì)算設(shè)備處理能力的重要指標(biāo)。本課件是可編輯的正常PPT課件本課件是可編輯的正常PPT課件人工智能倫理在人工智能應(yīng)用廣度和深度不斷拓展的過(guò)程中，也不斷暴露出一些風(fēng)險(xiǎn)隱患（如隱私泄露、偏見(jiàn)歧視、算法濫用、安全問(wèn)題等等），引發(fā)了社會(huì)各界廣泛關(guān)注。面對(duì)人工智能發(fā)展應(yīng)用中的倫理風(fēng)險(xiǎn)，全球各國(guó)紛紛展開(kāi)倫理探討，尋求應(yīng)對(duì)人工智能倫理風(fēng)險(xiǎn)的路徑和規(guī)范，以保證人工智能的良性發(fā)展。因此，人工智能倫理（AIEthics）成為社會(huì)各界關(guān)注的議題，并成為一個(gè)備受關(guān)注的研究領(lǐng)域。本課件是可編輯的正常PPT課件人工智能倫理是探討人工智能帶來(lái)的倫理問(wèn)題及風(fēng)險(xiǎn)、研究解決人工智能倫理問(wèn)題、促進(jìn)人工智能向善、引領(lǐng)人工智能健康發(fā)展的一個(gè)多學(xué)科研究領(lǐng)域。人工智能倫理領(lǐng)域所涉及的內(nèi)容非常豐富，是一個(gè)哲學(xué)、計(jì)算機(jī)科學(xué)、法律、經(jīng)濟(jì)等學(xué)科交匯碰撞的領(lǐng)域。本課件是可編輯的正常PPT課件Python是一種計(jì)算機(jī)程序設(shè)計(jì)語(yǔ)言，是一種面向?qū)ο蟮膭?dòng)態(tài)類(lèi)型語(yǔ)言。Python最早是由GuidovanRossum在八十年代末和九十年代初，在荷蘭國(guó)家數(shù)學(xué)和計(jì)算機(jī)科學(xué)研究所設(shè)計(jì)出來(lái)的，目前由一個(gè)核心開(kāi)發(fā)團(tuán)隊(duì)在維護(hù)。1.6人工智能常用語(yǔ)言本課件是可編輯的正常PPT課件本課件是可編輯的正常PPT課件項(xiàng)目2人工智能的數(shù)學(xué)基礎(chǔ)本課件是可編輯的正常PPT課件通過(guò)對(duì)本章的學(xué)習(xí)，了解微積分的概念，理解線性代數(shù)，理解概率論與數(shù)理統(tǒng)計(jì)，理解人工智能的最優(yōu)化理論，理解人工智能的形式邏輯。了解微積分的概念理解線性代數(shù)的概念理解概率論與數(shù)理統(tǒng)理解人工智能的最優(yōu)化理論熟悉人工智能的形式邏輯本課件是可編輯的正常PPT課件2.1微積分微積分又稱(chēng)為“初等數(shù)學(xué)分析”，它是一門(mén)純粹的數(shù)學(xué)理論，也是現(xiàn)代數(shù)學(xué)的基礎(chǔ)，在商學(xué)、科學(xué)和工程學(xué)領(lǐng)域有廣泛的應(yīng)用，主要用來(lái)解決那些僅依靠代數(shù)學(xué)和幾何學(xué)不能有效解決的問(wèn)題。本課件是可編輯的正常PPT課件在人工智能的發(fā)展過(guò)程中，微積分是一種非常重要的數(shù)學(xué)工具，它可以幫助人們理解和優(yōu)化人工智能算法的性能。有了微積分，人類(lèi)就能把握運(yùn)動(dòng)的過(guò)程。微積分成了人們描述世界、尋求問(wèn)題答案的有力工具。微積分促進(jìn)了工業(yè)大革命，帶來(lái)了大工業(yè)生產(chǎn)，許多現(xiàn)代化交通工具的產(chǎn)生都與微積分相關(guān)。微積分知識(shí)在人工智能算法中可以說(shuō)無(wú)處不在。。本課件是可編輯的正常PPT課件2.2線性代數(shù)線性代數(shù)研究的是向量空間以及將一個(gè)向量空間映射到另一個(gè)向量空間的函數(shù)。在人工智能中線性代數(shù)是計(jì)算的根本，因?yàn)樗械臄?shù)據(jù)都是以矩陣的形式存在的，任何一步操作都是在進(jìn)行矩陣相乘、相加等等。本課件是可編輯的正常PPT課件線性方程組的一般形式為:線性方程組的解是一個(gè)n維向量(稱(chēng)為解向量),它滿足:當(dāng)每個(gè)方程中的未知數(shù)

都用

替代時(shí)都成為等式。本課件是可編輯的正常PPT課件2.3概率論與數(shù)理統(tǒng)計(jì)概率論與數(shù)理統(tǒng)計(jì)是研究人工智能、機(jī)器學(xué)習(xí)領(lǐng)域的理論基礎(chǔ)。概率論是研究隨機(jī)現(xiàn)象數(shù)量規(guī)律的數(shù)學(xué)分支，是一門(mén)研究事情發(fā)生的可能性的學(xué)問(wèn)。而數(shù)理統(tǒng)計(jì)則以概率論為基礎(chǔ)，研究大量隨機(jī)現(xiàn)象的統(tǒng)計(jì)規(guī)律性。本課件是可編輯的正常PPT課件概率與統(tǒng)計(jì)概率與統(tǒng)計(jì)由于其源于生活與生產(chǎn)，又能有效地應(yīng)用于生活與生產(chǎn)，且應(yīng)用面十分廣泛，因此除了可以應(yīng)用于解決人們生活中的各類(lèi)問(wèn)題外，在前沿的人工智能領(lǐng)域，同樣有著重大的作用。例如，機(jī)器學(xué)習(xí)除了處理不確定量，也需處理隨機(jī)量。而不確定性和隨機(jī)性可能來(lái)自多個(gè)方面，從而可以使用概率論來(lái)量化不確定性。又例如，在人工智能算法中無(wú)論是對(duì)于數(shù)據(jù)的處理還是分析，數(shù)據(jù)的擬合還是決策等，概率與統(tǒng)計(jì)都可以為其提供重要的支持。本課件是可編輯的正常PPT課件當(dāng)隨機(jī)試驗(yàn)次數(shù)

增大時(shí)，事件

發(fā)生的頻率

將穩(wěn)定于某一常數(shù)

，則稱(chēng)該常數(shù)

為事件

發(fā)生的概率。此定義稱(chēng)為概率的統(tǒng)計(jì)定義，這個(gè)定義沒(méi)有具體給出求概率的方法，因此不能根據(jù)此定義確切求出事件的概率，但定義具有廣泛的應(yīng)用價(jià)值，它的重要性不容忽視，它給出了一種近似估算概率的方法，即通過(guò)大量的重復(fù)試驗(yàn)得到事件發(fā)生的頻率，然后將頻率作為概率的近似值，從而得到所要的概率。有時(shí)試驗(yàn)次數(shù)不是很大時(shí)，也可以這樣使用。本課件是可編輯的正常PPT課件2.4最優(yōu)化理論最優(yōu)化理論是關(guān)于系統(tǒng)的最優(yōu)設(shè)計(jì)、最優(yōu)控制、最優(yōu)管理問(wèn)題的理論與

方法。最優(yōu)化，就是在一定的約束條件下，使系統(tǒng)具有所期待的最優(yōu)功能的組織過(guò)程。是從眾多可能的選擇中做出最優(yōu)選擇，使系統(tǒng)的目標(biāo)函數(shù)在約束條件下達(dá)到最大或最小。最優(yōu)化是系統(tǒng)方法的基本目的?，F(xiàn)代優(yōu)化理論及方法是在20世紀(jì)40年代發(fā)展起來(lái)的，其理論和方法愈來(lái)愈多，如線性規(guī)劃、非線性規(guī)劃、動(dòng)態(tài)規(guī)劃、排隊(duì)論、對(duì)策論、決策論、博弈論等。本課件是可編輯的正常PPT課件最優(yōu)化問(wèn)題通常情況下，最優(yōu)化問(wèn)題是在無(wú)約束情況下求解給定目標(biāo)函數(shù)的最小值；在線性搜索中，確定尋找最小值時(shí)的搜索方向需要使用目標(biāo)函數(shù)的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)；置信域算法的思想是先確定搜索步長(zhǎng)，再確定搜索方向；以人工神經(jīng)網(wǎng)絡(luò)為代表的啟發(fā)式算法是另外一類(lèi)重要的優(yōu)化方法。本課件是可編輯的正常PPT課件凸函數(shù)凸函數(shù)是在人工智能的算法模型中經(jīng)常見(jiàn)到的一種形式。它擁有非常好的性質(zhì)，在計(jì)算上擁有更多的便利。本課件是可編輯的正常PPT課件遺傳算法遺傳算法是模擬人類(lèi)和生物的遺傳進(jìn)化機(jī)制，主要基于達(dá)爾文的生物進(jìn)化論“物競(jìng)天擇”、“適者生存”和“優(yōu)勝劣汰”理論。具體實(shí)現(xiàn)流程是首先從初代群體里選出比較適應(yīng)環(huán)境且表現(xiàn)良好的個(gè)體；其次利用遺傳算子對(duì)篩選后的個(gè)體進(jìn)行組合交叉和變異，然后生成第二代群體；最后從第二代群體中選出環(huán)境適應(yīng)度良好的個(gè)體進(jìn)行組合交叉和變異形成第三代群體，如此不斷進(jìn)化，直至產(chǎn)生末代種群即問(wèn)題的近似最優(yōu)解。本課件是可編輯的正常PPT課件遺傳算法的應(yīng)用遺傳算法通常應(yīng)用于路徑搜索問(wèn)題，如迷宮尋路問(wèn)題、8字碼問(wèn)題等。遺傳算法提供了一種求解復(fù)雜系統(tǒng)問(wèn)題的通用框架，它不依賴(lài)于問(wèn)題的具體領(lǐng)域，對(duì)問(wèn)題的種類(lèi)有很強(qiáng)的魯棒性，所以廣泛應(yīng)用于很多學(xué)科，如工程結(jié)構(gòu)優(yōu)化、計(jì)算數(shù)學(xué)、制造系統(tǒng)、航空航天、交通、計(jì)算機(jī)科學(xué)、通信、電子學(xué)、材料科學(xué)等。本課件是可編輯的正常PPT課件蟻群算法蟻群算法是一種群智能算法，它是由一群無(wú)智能或有輕微智能的個(gè)體（Agent）通過(guò)相互協(xié)作而表現(xiàn)出智能行為，從而為求解復(fù)雜問(wèn)題提供了一個(gè)新的可能性。本課件是可編輯的正常PPT課件“螞蟻系統(tǒng)”是基本的蟻群算法，為其他蟻群算法提供了基本框架，該基本框架主要由初始化、構(gòu)建解和信息素更新三部分組成蟻群算法本課件是可編輯的正常PPT課件2.5形式邏輯邏輯方法是人工智能研究中的主要形式化工具，邏輯學(xué)的研究成果不但為人工智能學(xué)科的誕生奠定了理論基礎(chǔ)，而且它們還作為重要的成分被應(yīng)用于人工智能系統(tǒng)中。本課件是可編輯的正常PPT課件在人工智能的研究中，用形式邏輯實(shí)現(xiàn)知識(shí)表示是一種普遍的方法。形式邏輯可謂包羅萬(wàn)象，其最簡(jiǎn)單的實(shí)例就是由古希臘哲學(xué)家亞里士多德提出并流傳至今的三段論，它由兩個(gè)前提和一個(gè)結(jié)論構(gòu)成：每個(gè)三段論中，必須有一個(gè)前提是肯定的并且必須有一個(gè)前提是全稱(chēng)命題。在每個(gè)三段論中，兩個(gè)前提中否命題的數(shù)目必須與結(jié)論中否命題的數(shù)目相同。每個(gè)證明都是且只能是通過(guò)三個(gè)詞項(xiàng)得到的。例如，人工智能三段論：科學(xué)是不斷發(fā)展的（大前提）人工智能是科學(xué)（小前提）所以，人工智能是不斷發(fā)展的（結(jié)論）亞里士多德的貢獻(xiàn)不僅在于證明了人工智能的不斷發(fā)展，更在于確定了在大前提和小前提的基礎(chǔ)上推導(dǎo)出一個(gè)結(jié)論的形式化過(guò)程，這個(gè)過(guò)程完全擺脫了內(nèi)容的限制。由此誕生的符號(hào)推理給數(shù)理邏輯的研究帶來(lái)了深遠(yuǎn)的影響。本課件是可編輯的正常PPT課件項(xiàng)目3人工智能與大數(shù)據(jù)本課件是可編輯的正常PPT課件通過(guò)對(duì)本章的學(xué)習(xí)，了解大數(shù)據(jù)的概念，理解數(shù)據(jù)采集，數(shù)據(jù)清洗，數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)計(jì)算、數(shù)據(jù)分析與可視化、數(shù)據(jù)治理以及大數(shù)據(jù)安全，理解人工智能與大數(shù)據(jù)的關(guān)系。了解大數(shù)據(jù)的概念理解數(shù)據(jù)采集，數(shù)據(jù)清洗，數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)計(jì)算以及數(shù)據(jù)分析與可視化人工智能與大數(shù)據(jù)的關(guān)系本課件是可編輯的正常PPT課件當(dāng)前，大數(shù)據(jù)產(chǎn)業(yè)正快速發(fā)展成為新一代信息技術(shù)和服務(wù)業(yè)態(tài)，即對(duì)數(shù)量巨大、來(lái)源分散、格式多樣的數(shù)據(jù)進(jìn)行采集、存儲(chǔ)和關(guān)聯(lián)分析，并從中發(fā)現(xiàn)新知識(shí)、創(chuàng)造新價(jià)值、提升新能力。大數(shù)據(jù)概述本課件是可編輯的正常PPT課件大數(shù)據(jù)是信息技術(shù)發(fā)展的必然產(chǎn)物，更是信息化進(jìn)程的新階段，其發(fā)展推動(dòng)了數(shù)字經(jīng)濟(jì)的形成與繁榮。本課件是可編輯的正常PPT課件大數(shù)據(jù)與智能制造大數(shù)據(jù)智能制造能夠?qū)崿F(xiàn)產(chǎn)品故障診斷與預(yù)測(cè)，降低生產(chǎn)過(guò)程能耗，控制產(chǎn)品生命周期。典型企業(yè)有海爾集團(tuán)，在其互聯(lián)工廠布置上萬(wàn)個(gè)傳感器，每天產(chǎn)生數(shù)萬(wàn)組數(shù)據(jù)，不僅對(duì)整個(gè)工廠的運(yùn)行情況進(jìn)行實(shí)時(shí)監(jiān)控，實(shí)時(shí)報(bào)警；同時(shí)基于這些傳感器布置在設(shè)備之中，對(duì)自動(dòng)化設(shè)備可進(jìn)行實(shí)時(shí)預(yù)警，在設(shè)備發(fā)生故障之前，通過(guò)大數(shù)據(jù)預(yù)測(cè)的方式對(duì)設(shè)備進(jìn)行及時(shí)維護(hù)修復(fù)。本課件是可編輯的正常PPT課件數(shù)據(jù)采集作為大數(shù)據(jù)生命周期的第一個(gè)環(huán)節(jié)，是指通過(guò)傳感器、攝像頭、RFID射頻數(shù)據(jù)以及互聯(lián)網(wǎng)等方式獲取的各種結(jié)構(gòu)化、半結(jié)構(gòu)化與非結(jié)構(gòu)化的數(shù)據(jù)。數(shù)據(jù)采集本課件是可編輯的正常PPT課件在大數(shù)據(jù)時(shí)代，數(shù)據(jù)清洗通常是指把“臟數(shù)據(jù)”徹底洗掉，所謂“臟數(shù)據(jù)”是指不完整、不規(guī)范、不準(zhǔn)確的數(shù)據(jù)，只有通過(guò)數(shù)據(jù)清洗才能從根本上提高數(shù)據(jù)質(zhì)量。數(shù)據(jù)清洗本課件是可編輯的正常PPT課件數(shù)據(jù)清洗的原理數(shù)據(jù)清洗的原理為：利用有關(guān)技術(shù)，如統(tǒng)計(jì)方法、數(shù)據(jù)挖掘方法、模式規(guī)則方法等將臟數(shù)據(jù)轉(zhuǎn)換為滿足數(shù)據(jù)質(zhì)量要求的數(shù)據(jù)。數(shù)據(jù)清洗按照實(shí)現(xiàn)方式與范圍，可分為手工清洗和自動(dòng)清洗。本課件是可編輯的正常PPT課件在數(shù)據(jù)清洗中，原始數(shù)據(jù)源是數(shù)據(jù)清洗的基礎(chǔ)，數(shù)據(jù)分析是數(shù)據(jù)清洗的前提，而定義數(shù)據(jù)清洗轉(zhuǎn)換規(guī)則是關(guān)鍵。在數(shù)據(jù)清洗中具體的數(shù)據(jù)清洗規(guī)則主要包括有：非空檢核、主鍵重復(fù)、非法代碼清洗、非法值清洗、數(shù)據(jù)格式檢核、記錄數(shù)檢核等。本課件是可編輯的正常PPT課件異常值檢測(cè)本課件是可編輯的正常PPT課件數(shù)據(jù)存儲(chǔ)如今大數(shù)據(jù)的火熱，帶來(lái)的第一道障礙就是關(guān)于大數(shù)據(jù)存儲(chǔ)的問(wèn)題。大數(shù)據(jù)因?yàn)橐?guī)模大、類(lèi)型多樣、新增速度快，所以在存儲(chǔ)和計(jì)算上，都需要技術(shù)支持，依靠傳統(tǒng)的數(shù)據(jù)存儲(chǔ)和處理工具，已經(jīng)很難實(shí)現(xiàn)高效的處理了。本課件是可編輯的正常PPT課件目前常見(jiàn)的大數(shù)據(jù)存儲(chǔ)方式主要有分布式存儲(chǔ)、NoSQL數(shù)據(jù)庫(kù)和云數(shù)據(jù)庫(kù)三種。（1）分布式存儲(chǔ)分布式存儲(chǔ)最早是由谷歌提出的，其目的是通過(guò)廉價(jià)的服務(wù)器來(lái)提供使用與大規(guī)模，高并發(fā)場(chǎng)景下的Web訪問(wèn)問(wèn)題。本課件是可編輯的正常PPT課件（2）NoSQL數(shù)據(jù)庫(kù)NoSQL數(shù)據(jù)庫(kù)又叫做非關(guān)系數(shù)據(jù)庫(kù)，和數(shù)據(jù)庫(kù)管理系統(tǒng)（RDBMS）相比，NoSQL不使用SQL作為查詢語(yǔ)言，其存儲(chǔ)也可以不需要固定的表模式，用戶操作NoSQL時(shí)通常會(huì)避免使用RDBMS的JION操作。本課件是可編輯的正常PPT課件（3）云數(shù)據(jù)庫(kù)云數(shù)據(jù)庫(kù)是指被優(yōu)化或部署到一個(gè)虛擬計(jì)算環(huán)境中的數(shù)據(jù)庫(kù)，是在云計(jì)算的大背景下發(fā)展起來(lái)的一種新興的共享基礎(chǔ)架構(gòu)的方法，它極大地增強(qiáng)了數(shù)據(jù)庫(kù)的存儲(chǔ)能力，消除了人員、硬件、軟件的重復(fù)配置，讓軟、硬件升級(jí)變得更加容易。因此，云數(shù)據(jù)庫(kù)具有高可擴(kuò)展性、高可用性、采用多租形式和支持資源有效分發(fā)等特點(diǎn)，可以實(shí)現(xiàn)按需付費(fèi)和按需擴(kuò)展。本課件是可編輯的正常PPT課件數(shù)據(jù)計(jì)算面向大數(shù)據(jù)處理的數(shù)據(jù)查詢、統(tǒng)計(jì)、分析、挖掘等需求，促生了大數(shù)據(jù)計(jì)算的不同計(jì)算模式，整體上人們把大數(shù)據(jù)計(jì)算分為離線批處理計(jì)算、實(shí)時(shí)交互計(jì)算和流計(jì)算三種。（1）離線批處理計(jì)算隨著云計(jì)算技術(shù)到廣泛的應(yīng)用的發(fā)展,基于開(kāi)源的Hadoop分布式存儲(chǔ)系統(tǒng)和MapReduce數(shù)據(jù)處理模式的分析系統(tǒng)也得到了廣泛的應(yīng)用。本課件是可編輯的正常PPT課件（2）實(shí)時(shí)交互計(jì)算當(dāng)今的實(shí)時(shí)計(jì)算一般都需要針對(duì)海量數(shù)據(jù)進(jìn)行，除了要滿足非實(shí)時(shí)計(jì)算的一些需求（如計(jì)算結(jié)果準(zhǔn)確）以外，實(shí)時(shí)計(jì)算最重要的一個(gè)需求是能夠?qū)崟r(shí)響應(yīng)計(jì)算結(jié)果，一般要求為秒級(jí)。實(shí)時(shí)和交互式計(jì)算技術(shù)中，Google的Dremel系統(tǒng)表現(xiàn)最為突出。本課件是可編輯的正常PPT課件Spark是由加州大學(xué)伯克利分校AMP實(shí)驗(yàn)室開(kāi)發(fā)的實(shí)時(shí)數(shù)據(jù)分析系統(tǒng)，采用一種與Hadoop相似的開(kāi)源集群計(jì)算環(huán)境，但是Spark在任務(wù)調(diào)度、工作負(fù)載優(yōu)化方面設(shè)計(jì)和表現(xiàn)更加優(yōu)越。本課件是可編輯的正常PPT課件（3）流計(jì)算。傳統(tǒng)的流式計(jì)算系統(tǒng)，一般是基于事件機(jī)制，所處理的數(shù)據(jù)量也不大。新型的流處理技術(shù)，如Yahoo的S4主要解決的是高數(shù)據(jù)率和大數(shù)據(jù)量的流式處理。S4是一個(gè)通用的、分布式的、可擴(kuò)展的、部分容錯(cuò)的，可插拔的平臺(tái)，開(kāi)發(fā)者可以很容易的在其上開(kāi)發(fā)面向無(wú)界不間斷流數(shù)據(jù)處理的應(yīng)用。本課件是可編輯的正常PPT課件數(shù)據(jù)分析與可視化數(shù)據(jù)分析是指用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法對(duì)收集來(lái)的大量數(shù)據(jù)進(jìn)行分析，未提取有用信息和形成結(jié)論而對(duì)數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過(guò)程。本課件是可編輯的正常PPT課件數(shù)據(jù)可視化在大數(shù)據(jù)技術(shù)中也至關(guān)重要，因?yàn)閿?shù)據(jù)最終需要為人們所使用，為生產(chǎn)、運(yùn)營(yíng)、規(guī)劃提供決策支持。選擇恰當(dāng)?shù)?、生?dòng)直觀的展示方式能夠幫助人們更好地理解數(shù)據(jù)及其內(nèi)涵和關(guān)聯(lián)關(guān)系，也能夠更有效地解釋和運(yùn)用數(shù)據(jù)，發(fā)揮其價(jià)值。在展現(xiàn)方式上，除了傳統(tǒng)的報(bào)表、圖形之外，人們還可以結(jié)合現(xiàn)代化的可視化工具及人機(jī)交互手段，甚至增強(qiáng)現(xiàn)實(shí)技術(shù)等來(lái)實(shí)現(xiàn)數(shù)據(jù)與現(xiàn)實(shí)的無(wú)縫接口。本課件是可編輯的正常PPT課件數(shù)據(jù)治理數(shù)據(jù)治理是指對(duì)數(shù)據(jù)的收集、存儲(chǔ)、共享、分析和使用等過(guò)程進(jìn)行規(guī)范和管理，以保證數(shù)據(jù)的質(zhì)量、安全和合規(guī)，促進(jìn)數(shù)據(jù)價(jià)值發(fā)揮。數(shù)據(jù)治理涉及數(shù)據(jù)擁有者、數(shù)據(jù)提供者、數(shù)據(jù)使用者和數(shù)據(jù)監(jiān)管者等多個(gè)利益相關(guān)方，包括政府、企業(yè)、公共組織、公眾等不同主體，涵蓋政府?dāng)?shù)據(jù)、公共數(shù)據(jù)、企業(yè)數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)、個(gè)人數(shù)據(jù)等。本課件是可編輯的正常PPT課件圖3-11顯示了國(guó)家標(biāo)準(zhǔn)GB/T34960的數(shù)據(jù)治理框架。該數(shù)據(jù)治理框架比較符合我國(guó)企業(yè)和政府的組織現(xiàn)狀，更加全面地和精煉地描述了數(shù)據(jù)治理的工作內(nèi)容，包含頂層設(shè)計(jì)、數(shù)據(jù)治理環(huán)境、數(shù)據(jù)治理域和數(shù)據(jù)治理過(guò)程。本課件是可編輯的正常PPT課件大數(shù)據(jù)安全數(shù)據(jù)是國(guó)家基礎(chǔ)性戰(zhàn)略資源，沒(méi)有數(shù)據(jù)安全就沒(méi)有國(guó)家安全。以數(shù)據(jù)為核心發(fā)展數(shù)字經(jīng)濟(jì)是實(shí)現(xiàn)新舊動(dòng)能轉(zhuǎn)換、培育新業(yè)態(tài)發(fā)展的重要路徑，數(shù)據(jù)作為一種新型生產(chǎn)要素，已成為推動(dòng)我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要資源。近年來(lái)，我國(guó)不斷推進(jìn)網(wǎng)絡(luò)強(qiáng)國(guó)、數(shù)字中國(guó)、智慧社會(huì)建設(shè)，以數(shù)據(jù)為新生產(chǎn)要素的數(shù)字經(jīng)濟(jì)蓬勃發(fā)展，數(shù)據(jù)的競(jìng)爭(zhēng)已成為國(guó)際競(jìng)爭(zhēng)的重要領(lǐng)域。本課件是可編輯的正常PPT課件大數(shù)據(jù)時(shí)代的數(shù)據(jù)安全問(wèn)題主要包括數(shù)據(jù)被濫用、誤用和被竊取這幾種情況。（1）數(shù)據(jù)被濫用數(shù)據(jù)濫用指的是對(duì)數(shù)據(jù)的使用超出了其預(yù)先約定的場(chǎng)景或目的。例如員工在沒(méi)有工作場(chǎng)景支持的情況下訪問(wèn)了客戶的個(gè)人敏感信息，這是大量?jī)?nèi)鬼倒賣(mài)個(gè)人信息而組織卻不知道的主要原因之一。需要強(qiáng)調(diào)的是，在今天的大數(shù)據(jù)業(yè)務(wù)環(huán)境下，無(wú)法做到針對(duì)每一條個(gè)人信息、每一個(gè)員工在每一個(gè)工作場(chǎng)景的請(qǐng)求下，進(jìn)行單獨(dú)的數(shù)據(jù)訪問(wèn)許可授權(quán)。（3）數(shù)據(jù)被誤用數(shù)據(jù)誤用指的是在正常范圍內(nèi)在對(duì)數(shù)據(jù)處理的過(guò)程中泄露個(gè)人敏感信息。這是在大數(shù)據(jù)時(shí)代變得更加突出的典型問(wèn)題。大數(shù)據(jù)時(shí)代，是通過(guò)對(duì)數(shù)據(jù)的各種分析，帶來(lái)各種業(yè)務(wù)創(chuàng)新、保持業(yè)務(wù)價(jià)值的。但是，這個(gè)分析過(guò)程，是否泄露某個(gè)特定人的隱私，就屬于是否誤用的問(wèn)題。企業(yè)如果知道用戶的喜好和需求，就可以給用戶發(fā)送更加精準(zhǔn)的廣告、提供更加適合的服務(wù)，但是在這個(gè)過(guò)程中，用戶是不希望自己的一舉一動(dòng)都被企業(yè)了如指掌地看到，自己成了沒(méi)有隱私的透明人。如今，大家都在采集和分析數(shù)據(jù)，但是很多企業(yè)還缺乏技術(shù)能力或者安全意識(shí)，避免這些數(shù)據(jù)在分析處理的全過(guò)程，不會(huì)泄露用戶的隱私。（3）數(shù)據(jù)被竊取數(shù)據(jù)被竊取在本質(zhì)上和系統(tǒng)安全相關(guān)。外部或者內(nèi)部的網(wǎng)絡(luò)攻擊者，通過(guò)各種技術(shù)手段非法入侵系統(tǒng)，目的可能是為了偷取數(shù)據(jù)，這就變成數(shù)據(jù)安全問(wèn)題。如今，大量網(wǎng)站或應(yīng)用的安全防護(hù)水平不高，導(dǎo)致黑灰產(chǎn)人員可以從中大量竊取數(shù)據(jù)，最終令用戶防不勝防。另外，內(nèi)部人員入侵作案，偷取客戶數(shù)據(jù)或者公司商業(yè)秘密，數(shù)量往往比外部入侵的比例要大很多。可是，很多企業(yè)依然只重視對(duì)外部入侵的防御而忽視了內(nèi)部入侵的防范，或者只重視了系統(tǒng)安全層面的防御能力，而沒(méi)有意識(shí)到數(shù)據(jù)安全層面的不同。本課件是可編輯的正常PPT課件鑒于大數(shù)據(jù)的戰(zhàn)略意義，我國(guó)高度重視大數(shù)據(jù)安全問(wèn)題，近幾年發(fā)布了一系列大數(shù)據(jù)安全相關(guān)的法律法規(guī)和政策。本課件是可編輯的正常PPT課件3.2人工智能與大數(shù)據(jù)人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它模仿人類(lèi)的一系列思考和做出決策的能力。在這些能力的幫助下，機(jī)器可以做出自動(dòng)化決策，解決復(fù)雜問(wèn)題，以及更有利地應(yīng)用數(shù)據(jù)和信息。本課件是可編輯的正常PPT課件DIKW模型是一個(gè)關(guān)于數(shù)據(jù)（Data）、信息（Information）、知識(shí)（Knowledge）、智慧（Wisdom）的模型，該模型如圖3-13所示。大數(shù)據(jù)建模本課件是可編輯的正常PPT課件DIKW模型將數(shù)據(jù)、信息、知識(shí)、智慧納入到一種金字塔形的層次體系，展現(xiàn)了數(shù)據(jù)是如何一步步轉(zhuǎn)化為信息、知識(shí)、乃至智慧的方式。當(dāng)系統(tǒng)采集到原始的數(shù)據(jù)后，然后通過(guò)加工處理得到有邏輯的信息，再通過(guò)提煉信息之間的聯(lián)系獲得規(guī)則和知識(shí)、形成行動(dòng)的能力和完成任務(wù)，最終使用對(duì)各種知識(shí)進(jìn)行歸納和綜合形成關(guān)注未來(lái)不確定性業(yè)務(wù)的預(yù)測(cè)能力，這樣系統(tǒng)才能真正做到感知、分析、推理、決策、控制功能。本課件是可編輯的正常PPT課件工業(yè)大數(shù)據(jù)工業(yè)大數(shù)據(jù)的建模要求用數(shù)理邏輯去嚴(yán)格的定義業(yè)務(wù)問(wèn)題。由于工業(yè)生產(chǎn)過(guò)程中本身受到各種機(jī)理約束條件的限制，利用歷史過(guò)程數(shù)據(jù)定義問(wèn)題邊界往往達(dá)不到工業(yè)的生產(chǎn)要求因此，人們往往需要采用數(shù)據(jù)驅(qū)動(dòng)+模型驅(qū)動(dòng)+場(chǎng)景部署的多輪驅(qū)動(dòng)方式，實(shí)現(xiàn)數(shù)據(jù)和機(jī)理的深度融合，去解決實(shí)際的工業(yè)問(wèn)題。本課件是可編輯的正常PPT課件使用時(shí)序數(shù)據(jù)分析工業(yè)生產(chǎn)中的機(jī)器異常狀況本課件是可編輯的正常PPT課件數(shù)控車(chē)床壽命預(yù)測(cè)模型本課件是可編輯的正常PPT課件項(xiàng)目4機(jī)器學(xué)習(xí)本課件是可編輯的正常PPT課件通過(guò)對(duì)本章的學(xué)習(xí)，了解機(jī)器學(xué)習(xí)的概念，理解機(jī)器學(xué)習(xí)的算法了解機(jī)器學(xué)習(xí)的概念理解機(jī)器學(xué)習(xí)的算法本課件是可編輯的正常PPT課件機(jī)器學(xué)習(xí)，通俗地講就是讓機(jī)器來(lái)實(shí)現(xiàn)學(xué)習(xí)的過(guò)程，讓機(jī)器擁有學(xué)習(xí)的能力，從而改善系統(tǒng)自身的性能。對(duì)于機(jī)器而言，這里的“學(xué)習(xí)”指的是從數(shù)據(jù)中學(xué)習(xí)，從數(shù)據(jù)中產(chǎn)生“模型”的算法，即“學(xué)習(xí)算法”。4.1認(rèn)識(shí)機(jī)器學(xué)習(xí)本課件是可編輯的正常PPT課件在實(shí)際應(yīng)用中，機(jī)器學(xué)習(xí)將大量數(shù)據(jù)加載到計(jì)算機(jī)程序中并選擇一種模型“擬合”數(shù)據(jù)，使得計(jì)算機(jī)（在無(wú)需幫助的情況下）得出預(yù)測(cè)。本課件是可編輯的正常PPT課件4.2機(jī)器學(xué)習(xí)的分類(lèi)在機(jī)器學(xué)習(xí)中，根據(jù)學(xué)習(xí)方式的不同，可以將機(jī)器學(xué)習(xí)分為監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)以及強(qiáng)化學(xué)習(xí)。本課件是可編輯的正常PPT課件監(jiān)督學(xué)習(xí)（SupervisedLearning）是機(jī)器學(xué)習(xí)中的一種方法，可以由訓(xùn)練數(shù)據(jù)中學(xué)到或建立一個(gè)學(xué)習(xí)模型（LearningModel），并依此模型推測(cè)新的實(shí)例，如圖4-3所示。4.2.1監(jiān)督學(xué)習(xí)本課件是可編輯的正常PPT課件監(jiān)督學(xué)習(xí)（SupervisedLearning）表示機(jī)器學(xué)習(xí)的數(shù)據(jù)是帶標(biāo)記的，這些標(biāo)記可以包括數(shù)據(jù)類(lèi)別、數(shù)據(jù)屬性及特征點(diǎn)位置等。本課件是可編輯的正常PPT課件常見(jiàn)的監(jiān)督學(xué)習(xí)有分類(lèi)和回歸。分類(lèi)（Classification）是將一些實(shí)例數(shù)據(jù)分到合適的類(lèi)別中，分類(lèi)的預(yù)測(cè)結(jié)果是離散的?；貧w（Regression）是將數(shù)據(jù)歸到一條“線”上，即為離散數(shù)據(jù)生產(chǎn)擬合曲線，因此其預(yù)測(cè)結(jié)果是連續(xù)的。本課件是可編輯的正常PPT課件圖4-7顯示了監(jiān)督學(xué)習(xí)的標(biāo)簽。例如，當(dāng)要訓(xùn)練機(jī)器識(shí)別“狗”的圖片時(shí)，需要首先用大量狗的圖片進(jìn)行訓(xùn)練，最后再將預(yù)測(cè)結(jié)果與期望結(jié)果進(jìn)行比對(duì)，從而判斷該模型的好壞。本課件是可編輯的正常PPT課件4.2.2無(wú)監(jiān)督學(xué)習(xí)無(wú)監(jiān)督學(xué)習(xí)的訓(xùn)練樣本的標(biāo)記信息是未知的，目標(biāo)是通過(guò)對(duì)無(wú)標(biāo)記訓(xùn)練樣本的學(xué)習(xí)來(lái)揭示數(shù)據(jù)的內(nèi)在性質(zhì)及規(guī)律。無(wú)監(jiān)督學(xué)習(xí)（UnsupervisedLearning）表示機(jī)器從無(wú)標(biāo)記的數(shù)據(jù)中探索并推斷出潛在的聯(lián)系。常見(jiàn)的無(wú)監(jiān)督學(xué)習(xí)有聚類(lèi)和降維。本課件是可編輯的正常PPT課件聚類(lèi)技術(shù)是一種無(wú)監(jiān)督學(xué)習(xí)，是研究樣本或指標(biāo)分類(lèi)問(wèn)題的一種統(tǒng)計(jì)分析方法。聚類(lèi)與分類(lèi)的區(qū)別是其要?jiǎng)澐值念?lèi)是未知的。常用的聚類(lèi)分析方法有系統(tǒng)聚類(lèi)法、有序樣品聚類(lèi)法、動(dòng)態(tài)聚類(lèi)法、模糊聚類(lèi)法、圖論聚類(lèi)法和聚類(lèi)預(yù)報(bào)法等。本課件是可編輯的正常PPT課件降維（DimensionalityReduction）是將數(shù)據(jù)的維度降低，在實(shí)際應(yīng)用中，可以通過(guò)一系列的轉(zhuǎn)換將數(shù)據(jù)的維度降低，數(shù)據(jù)的降維過(guò)程如圖4-9所示。本課件是可編輯的正常PPT課件無(wú)監(jiān)督學(xué)習(xí)常常被用于數(shù)據(jù)挖掘，用于在大量無(wú)標(biāo)簽數(shù)據(jù)中發(fā)現(xiàn)些什么。它的訓(xùn)練數(shù)據(jù)是無(wú)標(biāo)簽的，訓(xùn)練目標(biāo)是能對(duì)觀察值進(jìn)行分類(lèi)或者區(qū)分等。例如無(wú)監(jiān)督學(xué)習(xí)應(yīng)該能在不給任何額外提示的情況下，僅依據(jù)所有“貓”的圖片的特征，將“貓”的圖片從大量的各種各樣的圖片中將區(qū)分出來(lái)。本課件是可編輯的正常PPT課件“半監(jiān)督學(xué)習(xí)”術(shù)語(yǔ)第一次于1992年被正式提出，其思想可追溯于自訓(xùn)練算法。半監(jiān)督學(xué)習(xí)突破了傳統(tǒng)方法只考慮一種樣本類(lèi)型的局限，綜合利用有標(biāo)簽與無(wú)標(biāo)簽樣本，是在監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的基礎(chǔ)上進(jìn)行的研究。半監(jiān)督學(xué)習(xí)包括半監(jiān)督聚類(lèi)、半監(jiān)督分類(lèi)、半監(jiān)督降維和半監(jiān)督回歸四種學(xué)習(xí)場(chǎng)景。常見(jiàn)的半監(jiān)督分類(lèi)代表算法包括生成式方法、半監(jiān)督支持向量機(jī)、半監(jiān)督圖算法和基于分歧的半監(jiān)督方法這四種算法。4.2.3半監(jiān)督學(xué)習(xí)本課件是可編輯的正常PPT課件4.2.4強(qiáng)化學(xué)習(xí)強(qiáng)化學(xué)習(xí)（ReinforcementLearning,RL），又稱(chēng)再勵(lì)學(xué)習(xí)、評(píng)價(jià)學(xué)習(xí)或增強(qiáng)學(xué)習(xí)，是機(jī)器學(xué)習(xí)的范式和方法論之一，用于描述和解決智能體在與環(huán)境的交互過(guò)程中通過(guò)學(xué)習(xí)策略以達(dá)成回報(bào)最大化或?qū)崿F(xiàn)特定目標(biāo)的問(wèn)題。本課件是可編輯的正常PPT課件強(qiáng)化學(xué)習(xí)主要包含智能體、環(huán)境狀態(tài)、獎(jiǎng)懲和動(dòng)作這四個(gè)元素以及一個(gè)狀態(tài)，其中智能體存在于一個(gè)環(huán)境的內(nèi)部。本課件是可編輯的正常PPT課件強(qiáng)化學(xué)習(xí)通常被用在機(jī)器人技術(shù)上（例如機(jī)械狗），它接收機(jī)器人當(dāng)前狀態(tài)，算法的目標(biāo)是訓(xùn)練機(jī)器來(lái)做出各種特定行為。工作流程一般是：機(jī)器被放置在一個(gè)特定環(huán)境中，在這個(gè)環(huán)境里機(jī)器可以持續(xù)性地進(jìn)行自我訓(xùn)練，而環(huán)境會(huì)給出或正或負(fù)的反饋。機(jī)器會(huì)從以往的行動(dòng)經(jīng)驗(yàn)中得到提升并最終找到最好的知識(shí)內(nèi)容來(lái)幫助它做出最有效的行為決策。本課件是可編輯的正常PPT課件K-Means算法也叫作K均值聚類(lèi)算法，它是最著名的劃分聚類(lèi)算法，由于簡(jiǎn)潔和效率使得它成為所有聚類(lèi)算法中最廣泛使用的。其步驟是隨機(jī)選取K個(gè)對(duì)象作為初始的聚類(lèi)中心，然后計(jì)算每個(gè)對(duì)象與各個(gè)種子聚類(lèi)中心之間的距離，把每個(gè)對(duì)象分配給距離它最近的聚類(lèi)中心。4.3機(jī)器學(xué)習(xí)常見(jiàn)算法本課件是可編輯的正常PPT課件KNN算法也叫作K最近鄰算法，是數(shù)據(jù)挖掘分類(lèi)技術(shù)中最簡(jiǎn)單的方法之一。所謂K最近鄰，就是k個(gè)最近的鄰居的意思，說(shuō)的是每個(gè)樣本都可以用它最接近的k個(gè)鄰居來(lái)代表。KNN算法的核心思想是如果一個(gè)樣本在特征空間中的k個(gè)最相鄰的樣本中的大多數(shù)屬于某一個(gè)類(lèi)別，則該樣本也屬于這個(gè)類(lèi)別，并具有這個(gè)類(lèi)別上樣本的特性。本課件是可編輯的正常PPT課件4.3.3樸素貝葉斯算法貝葉斯分類(lèi)是一類(lèi)分類(lèi)算法的總稱(chēng)，這類(lèi)算法均以貝葉斯定理為基礎(chǔ)，故統(tǒng)稱(chēng)為貝葉斯分類(lèi)。而樸素貝葉斯分類(lèi)是貝葉斯分類(lèi)中最簡(jiǎn)單，也是常見(jiàn)的一種分類(lèi)方法。貝葉斯算法與條件概率以及聯(lián)合概率密切相關(guān)。條件概率是一種生活中經(jīng)常用到的概率計(jì)算表達(dá)式。例如在今天下雨的情況下，明天下雨的概率是多少呢？這就是一個(gè)條件概率的問(wèn)題。用比較規(guī)范的語(yǔ)言描述是在事件A發(fā)生的情況下，B發(fā)生的概率是多少？稱(chēng)其為事件B的條件概率。本課件是可編輯的正常PPT課件4.3.4決策樹(shù)算法決策樹(shù)算法是一種能解決分類(lèi)或回歸問(wèn)題的機(jī)器學(xué)習(xí)算法，它是一種典型的分類(lèi)方法。決策樹(shù)算法最早產(chǎn)生于上世紀(jì)60年代，該算法首先對(duì)數(shù)據(jù)進(jìn)行處理，利用歸納算法生成可讀的規(guī)則和決策樹(shù)，然后使用決策對(duì)新數(shù)據(jù)進(jìn)行分析本課件是可編輯的正常PPT課件決策樹(shù)是一個(gè)預(yù)測(cè)模型，它表示對(duì)象屬性和對(duì)象值之間的一種映射，樹(shù)中的每一個(gè)節(jié)點(diǎn)表示對(duì)象屬性的判斷條件，其分支表示符合節(jié)點(diǎn)條件的對(duì)象。樹(shù)的葉子節(jié)點(diǎn)表示對(duì)象所屬的預(yù)測(cè)結(jié)果。本課件是可編輯的正常PPT課件

支持向量機(jī)(SVM，SupportVectorMachine)是一種支持線性分類(lèi)和非線性分類(lèi)的二元分類(lèi)算法，目前被廣泛的應(yīng)用在回歸以及分類(lèi)當(dāng)中。支持向量機(jī)要解決的問(wèn)題可以用一個(gè)經(jīng)典的二分類(lèi)問(wèn)題加以描述。如圖4-18(a)所示，紅色和藍(lán)色的二維數(shù)據(jù)點(diǎn)顯然是可以被一條直線分開(kāi)的，在模式識(shí)別領(lǐng)域稱(chēng)為線性可分問(wèn)題。然而將兩類(lèi)數(shù)據(jù)點(diǎn)分開(kāi)的直線顯然不止一條,圖4-18(b)和4-18(c)分別給出了A、B兩種不同的分類(lèi)方案，其中黑色實(shí)線為分界線，術(shù)語(yǔ)稱(chēng)為“決策面”。每個(gè)決策面對(duì)應(yīng)了一個(gè)線性分類(lèi)器。4.3.5支持向量機(jī)算法本課件是可編輯的正常PPT課件支持向量機(jī)可以簡(jiǎn)單地描述為對(duì)樣本數(shù)據(jù)進(jìn)行分類(lèi)，真正是對(duì)決策函數(shù)進(jìn)行求解。首先，要找到分類(lèi)問(wèn)題中的最大分類(lèi)間隔，然后確定最優(yōu)分類(lèi)超平面，并將分類(lèi)問(wèn)題轉(zhuǎn)化為二次規(guī)劃問(wèn)題進(jìn)行求解。本課件是可編輯的正常PPT課件隨機(jī)森林是最流行和最強(qiáng)大的機(jī)器學(xué)習(xí)算法之一，它是通過(guò)集成學(xué)習(xí)的思想將多棵樹(shù)集成的一種算法。隨機(jī)森林的基本單元是決策樹(shù)，而它的本質(zhì)屬于機(jī)器學(xué)習(xí)的一大分支——集成學(xué)習(xí)（EnsembleLearning）方法。4.3.56隨機(jī)森林算法本課件是可編輯的正常PPT課件4.4機(jī)器學(xué)習(xí)的應(yīng)用機(jī)器學(xué)習(xí)是席卷全球商業(yè)界的最新專(zhuān)業(yè)術(shù)語(yǔ)。它抓住了大眾的想象力，讓人聯(lián)想到未來(lái)自學(xué)人工智能和機(jī)器人的愿景。在工業(yè)領(lǐng)域，機(jī)器學(xué)習(xí)為前幾年不可能實(shí)現(xiàn)的技術(shù)和工具鋪平了道路。從預(yù)測(cè)引擎到在線電視直播，它為我們的現(xiàn)代生活方式提供突破性的創(chuàng)新力。本課件是可編輯的正常PPT課件項(xiàng)目5深度學(xué)習(xí)本課件是可編輯的正常PPT課件通過(guò)對(duì)本章的學(xué)習(xí)，了解深度學(xué)習(xí)的概念和特點(diǎn)，理解人工神經(jīng)網(wǎng)絡(luò)的模型與研究?jī)?nèi)容，理解深度學(xué)習(xí)的應(yīng)用與深度學(xué)習(xí)常見(jiàn)框架。了解深度學(xué)習(xí)的概念和特點(diǎn)理解人工神經(jīng)網(wǎng)絡(luò)的模型與研究?jī)?nèi)容理解深度學(xué)習(xí)的應(yīng)用理解深度學(xué)習(xí)常見(jiàn)框架本課件是可編輯的正常PPT課件5.1認(rèn)識(shí)深度學(xué)習(xí)深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種實(shí)現(xiàn)技術(shù)，在2006年被首次提出。深度學(xué)習(xí)遵循仿生學(xué)，源自神經(jīng)元以及神經(jīng)網(wǎng)絡(luò)的研究，能夠模仿人類(lèi)神經(jīng)網(wǎng)絡(luò)傳輸和接收信號(hào)的方式，進(jìn)而達(dá)到學(xué)習(xí)人類(lèi)的思維方式的目的。本課件是可編輯的正常PPT課件深度學(xué)習(xí)以神經(jīng)網(wǎng)絡(luò)為主要模型，一開(kāi)始用來(lái)解決機(jī)器學(xué)習(xí)中的表示學(xué)習(xí)問(wèn)題，但是由于其強(qiáng)大的能力，深度學(xué)習(xí)越來(lái)越多地用來(lái)解決一些通用人工智能問(wèn)題，比如推理、決策等。目前，深度學(xué)習(xí)技術(shù)在學(xué)術(shù)界和工業(yè)界取得了廣泛的成功，受到高度重視，并掀起新一輪的人工智能熱潮。圖5-1顯示了神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)主要由相互連接的神經(jīng)元（圖中的圓圈）組成。本課件是可編輯的正常PPT課件深度學(xué)習(xí)的發(fā)展離不開(kāi)大數(shù)據(jù)、GPU及模型這3個(gè)因素。（1）大數(shù)據(jù)當(dāng)前大部分的深度學(xué)習(xí)模型是有監(jiān)督學(xué)習(xí)，依賴(lài)于數(shù)據(jù)的有效標(biāo)注。例如，要做一個(gè)高性能的物體檢測(cè)模型，通常需要使用上萬(wàn)甚至是幾十萬(wàn)的標(biāo)注數(shù)據(jù)。（2）GPU當(dāng)前深度學(xué)習(xí)如此火熱的一個(gè)很重要的原因就是硬件的發(fā)展，尤其是GPU為深度學(xué)習(xí)模型的快速訓(xùn)練提供了可能。深度學(xué)習(xí)模型通常有數(shù)以千萬(wàn)計(jì)的參數(shù)，存在大規(guī)模的并行計(jì)算，傳統(tǒng)的以邏輯運(yùn)算能力著稱(chēng)的CPU面對(duì)這種并行計(jì)算會(huì)異常緩慢，GPU以及CUDA計(jì)算庫(kù)專(zhuān)注于數(shù)據(jù)的并行計(jì)算，為模型訓(xùn)練提供了強(qiáng)有力的工具。（3）模型在大數(shù)據(jù)與GPU的強(qiáng)有力支撐下，無(wú)數(shù)研究學(xué)者的奇思妙想，催生出了一系列優(yōu)秀的深度學(xué)習(xí)模型，并且在學(xué)習(xí)任務(wù)的精度、速度等指標(biāo)上取得了顯著的進(jìn)步。本課件是可編輯的正常PPT課件5.2人工神經(jīng)網(wǎng)絡(luò)5.2.1感知機(jī)感知機(jī)被稱(chēng)為深度學(xué)習(xí)領(lǐng)域最為基礎(chǔ)的模型。雖然感知機(jī)是最為基礎(chǔ)的模型，但是它在深度學(xué)習(xí)的領(lǐng)域中有著舉足輕重的地位，它是神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)學(xué)習(xí)的基礎(chǔ)本課件是可編輯的正常PPT課件圖5-2顯示了感知機(jī)模型，感知器是一種數(shù)學(xué)的模型，它可以看作是在模仿生物的神經(jīng)元，有多個(gè)輸入，一個(gè)激活函數(shù)和一個(gè)輸出。一個(gè)感知器的輸出可以連接到其它感知器的輸入上，這樣就實(shí)現(xiàn)了最基礎(chǔ)的人工神經(jīng)網(wǎng)絡(luò)。感知器激活函數(shù)設(shè)計(jì)的初衷，也是在模仿神經(jīng)元的激活狀態(tài)。本課件是可編輯的正常PPT課件（2）感知機(jī)原理感知機(jī)接收多個(gè)輸入信號(hào)，輸出一個(gè)信號(hào)。這里所說(shuō)的“信號(hào)”可以想象成電流或河流那樣具備“流動(dòng)性”的東西。像電流流過(guò)導(dǎo)線，向前方輸送電子一樣，感知機(jī)的信號(hào)也會(huì)形成流，向前方輸送信息。但是，和實(shí)際的電流不同的是，感知機(jī)的信號(hào)只有“流/不流”（1/0）兩種取值，一般人們認(rèn)為0對(duì)應(yīng)“不傳遞信號(hào)”，1對(duì)應(yīng)“傳遞信號(hào)”。圖5-3是一個(gè)接收兩個(gè)輸入信號(hào)的感知機(jī)，x1、x2是輸入信號(hào)，y是輸出信號(hào)，w1、w2是權(quán)重（w是weight的首字母）。圖中的矩形框稱(chēng)為“神經(jīng)元”或者“節(jié)點(diǎn)”。輸入信號(hào)被送往神經(jīng)元時(shí)，會(huì)被分別乘以固定的權(quán)重（w1x1、w2x2），感知器的每一個(gè)輸入都和權(quán)重相乘，然后再把所有乘完后的結(jié)果加在一起，也就是相乘后再求和，求和的結(jié)果會(huì)作為激活函數(shù)的輸入，而這個(gè)激活函數(shù)的輸出會(huì)作為整個(gè)感知器的輸出。最后神經(jīng)元會(huì)計(jì)算傳送過(guò)來(lái)的信號(hào)的總和，只有當(dāng)這個(gè)總和超過(guò)了某個(gè)界限值時(shí)，才會(huì)輸出1，這也稱(chēng)為“神經(jīng)元被激活”。這里將這個(gè)界限值稱(chēng)為閾值，用符號(hào)θ表示。本課件是可編輯的正常PPT課件本課件是可編輯的正常PPT課件5.2.2神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)（NeuralNetwork，NN）亦稱(chēng)為人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork，ANN），是由大量神經(jīng)元（Neurons）廣泛互連而成的網(wǎng)絡(luò)，是對(duì)人腦的抽象、簡(jiǎn)化和模擬，應(yīng)用了一些人腦的基本特性。神經(jīng)網(wǎng)絡(luò)與人腦的相似之處可概括為兩方面，一是通過(guò)學(xué)習(xí)過(guò)程利用神經(jīng)網(wǎng)絡(luò)從外部環(huán)境中獲取知識(shí)，二是內(nèi)部神經(jīng)元用來(lái)存儲(chǔ)獲取的知識(shí)信息。本課件是可編輯的正常PPT課件從最簡(jiǎn)單的單個(gè)神經(jīng)元來(lái)講述神經(jīng)網(wǎng)絡(luò)模型的架構(gòu)，如圖5-7所示是一個(gè)最簡(jiǎn)單的單個(gè)神經(jīng)元的網(wǎng)絡(luò)模型，它只包含一個(gè)神經(jīng)元。人工神經(jīng)網(wǎng)絡(luò)中最小也是最重要的單元叫神經(jīng)元。本課件是可編輯的正常PPT課件（3）前饋神經(jīng)網(wǎng)絡(luò)前饋神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)中最基本的網(wǎng)絡(luò)結(jié)構(gòu)，它通常由3部分組成，包括input（輸入層）、hidden（隱藏層）和output（輸出層）。前饋神經(jīng)網(wǎng)絡(luò)最左邊一層稱(chēng)為輸入層，最右邊的一層稱(chēng)為輸出層，中間一層稱(chēng)為隱藏層。輸入層從外部世界獲取輸入信息，在輸入節(jié)點(diǎn)中不進(jìn)行任何的計(jì)算，僅向隱藏節(jié)點(diǎn)傳遞信息。隱藏層中的節(jié)點(diǎn)對(duì)輸入信息進(jìn)行處理，并將信息傳遞到輸出層中，隱藏層是由處于中間位置的所有神經(jīng)節(jié)點(diǎn)組成，因?yàn)椴荒茉谏窠?jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程中直接觀測(cè)到它們的值而得名。輸出層負(fù)責(zé)計(jì)算輸出值，并將輸出值傳遞到外部世界。前饋神經(jīng)網(wǎng)絡(luò)模型如圖5-8所示。本課件是可編輯的正常PPT課件（4）神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)也稱(chēng)為訓(xùn)練，指的是通過(guò)神經(jīng)網(wǎng)絡(luò)所在環(huán)境的刺激作用調(diào)整神經(jīng)網(wǎng)絡(luò)的自由參數(shù)，使神經(jīng)網(wǎng)絡(luò)以一種新的方式對(duì)外部環(huán)境做出反應(yīng)的一個(gè)過(guò)程。神經(jīng)網(wǎng)絡(luò)最大的特點(diǎn)是能夠從環(huán)境中學(xué)習(xí)，以及在學(xué)習(xí)中提高自身性能。經(jīng)過(guò)反復(fù)學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)對(duì)其環(huán)境會(huì)越來(lái)越了解。本課件是可編輯的正常PPT課件（5）激活函數(shù)激活函數(shù)（ActivationFunctions）對(duì)于人工神經(jīng)網(wǎng)絡(luò)模型以及卷積神經(jīng)網(wǎng)絡(luò)模型去學(xué)習(xí)理解非常復(fù)雜和非線性的函數(shù)來(lái)說(shuō)具有十分重要的作用。神經(jīng)網(wǎng)絡(luò)的輸出是上一層輸入的加權(quán)和，所以網(wǎng)絡(luò)線性關(guān)系過(guò)于顯著，屬于線性模型，對(duì)于復(fù)雜問(wèn)題的解決存在難度；但是當(dāng)每個(gè)神經(jīng)元都經(jīng)過(guò)一個(gè)非線性函數(shù)，那么輸出就不再是線性的了，整個(gè)網(wǎng)絡(luò)模型也就是非線性模型，如此一來(lái)，網(wǎng)絡(luò)就能夠解決比較復(fù)雜的問(wèn)題，激活函數(shù)就是這個(gè)非線性函數(shù)。本課件是可編輯的正常PPT課件Sigmoid激活函數(shù)示意圖如圖5-9所示。本課件是可編輯的正常PPT課件6）損失函數(shù)損失函數(shù)是模型對(duì)數(shù)據(jù)擬合程度的反映，擬合得越差、損失函數(shù)的值就越大。與此同時(shí)，當(dāng)損失函數(shù)比較大時(shí)，其對(duì)應(yīng)的梯度也會(huì)隨之增大，這樣就可以加快變量的更新速度。本課件是可編輯的正常PPT課件卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetwork，CNN）顧名思義是在神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上加入了卷積運(yùn)算（卷積是測(cè)量?jī)蓚€(gè)函數(shù)重疊程度的積分，卷積是對(duì)兩個(gè)函數(shù)

f()

和

g()

生成第三個(gè)函數(shù)的一種數(shù)學(xué)算子，本質(zhì)上就是先將一個(gè)函數(shù)翻轉(zhuǎn)，然后進(jìn)行滑動(dòng)疊加），通過(guò)卷積核（卷積核是一個(gè)二維矩陣，它與原始數(shù)據(jù)進(jìn)行逐個(gè)元素的乘積運(yùn)算，并將結(jié)果相加得到一個(gè)新的數(shù)值。5.2.3卷積神經(jīng)網(wǎng)絡(luò)本課件是可編輯的正常PPT課件多個(gè)卷積核本課件是可編輯的正常PPT課件卷積神經(jīng)網(wǎng)絡(luò)作為一個(gè)深度學(xué)習(xí)架構(gòu)被提出時(shí)，它的最初訴求是降低對(duì)圖像數(shù)據(jù)預(yù)處理的要求，以避免煩瑣的特征工程。CNN由輸入層、輸出層以及多個(gè)隱藏層組成，隱藏層可分為卷積層、池化層、ReLU層和全連接層，其中卷積層與池化層相配合可組成多個(gè)卷積組，逐層提取特征。本課件是可編輯的正常PPT課件卷積神經(jīng)網(wǎng)絡(luò)的要點(diǎn)是它們?cè)趩蝹€(gè)圖像上通過(guò)了許多濾波器，每個(gè)濾波器都會(huì)拾取不同的信號(hào)。卷積網(wǎng)絡(luò)采用這些濾波器，圖像特征空間的切片，并逐個(gè)映射它們。也就是說(shuō)，他們會(huì)創(chuàng)建一張地圖，顯示每個(gè)特征出現(xiàn)的地方。通過(guò)學(xué)習(xí)特征空間的不同部分，卷積網(wǎng)絡(luò)允許輕松擴(kuò)展和健壯的特征工程特性。卷積神經(jīng)網(wǎng)絡(luò)可以對(duì)輸入的圖像輸出其圖像特征，實(shí)現(xiàn)過(guò)程如圖5-17所示。本課件是可編輯的正常PPT課件5.2.4循環(huán)神經(jīng)網(wǎng)絡(luò)循環(huán)神經(jīng)網(wǎng)絡(luò)（RecurrentNeuralNetwork,RNN）是深度學(xué)習(xí)領(lǐng)域中一類(lèi)特殊的內(nèi)部存在自連接的神經(jīng)網(wǎng)絡(luò)，可以學(xué)習(xí)復(fù)雜的矢量到矢量的映射。本課件是可編輯的正常PPT課件循環(huán)神經(jīng)網(wǎng)絡(luò)的來(lái)源是為了刻畫(huà)一個(gè)序列當(dāng)前的輸出與之前信息的關(guān)系。從網(wǎng)絡(luò)結(jié)構(gòu)上看循環(huán)神經(jīng)網(wǎng)絡(luò)會(huì)記憶之前的信息，并利用之前的信息影響后面結(jié)點(diǎn)的輸出。圖5-18為循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。RNN層級(jí)結(jié)構(gòu)較之于CNN來(lái)說(shuō)比較簡(jiǎn)單，它主要有輸入層，隱藏層和輸出層組成。并且會(huì)發(fā)現(xiàn)在隱藏層有一個(gè)箭頭表示數(shù)據(jù)的循環(huán)更新，這個(gè)就是實(shí)現(xiàn)時(shí)間記憶功能的方法，即閉合回路。本課件是可編輯的正常PPT課件圖5-21為經(jīng)典的循環(huán)神經(jīng)網(wǎng)絡(luò)，在圖中輸入是x1，x2，...，xn，輸出為y1，y2，...，yn，也就是說(shuō)輸入序列和輸出序列必須是等長(zhǎng)的，由于這個(gè)限制，經(jīng)典RNN的適用范圍比較小，但也有一些問(wèn)題上適用，比如計(jì)算視頻中每一幀的分類(lèi)標(biāo)簽。因?yàn)橐獙?duì)每一幀進(jìn)行計(jì)算，因此輸入和輸出序列等長(zhǎng)。即輸入為字符，輸出為下一個(gè)字符的概率。本課件是可編輯的正常PPT課件5.2.5生成對(duì)抗網(wǎng)絡(luò)生成對(duì)抗網(wǎng)絡(luò)（GenerativeAdversarialNetworks，GAN）獨(dú)特的對(duì)抗性思想使得它在眾多生成網(wǎng)絡(luò)模型中脫穎而出，被廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)和語(yǔ)音處理等領(lǐng)域。本課件是可編輯的正常PPT課件生成對(duì)抗網(wǎng)絡(luò)模型如圖5-22所示，該模型主要包含一個(gè)生成模型和一個(gè)判別模型。生成對(duì)抗網(wǎng)絡(luò)主要解決的問(wèn)題是如何從訓(xùn)練樣本中學(xué)習(xí)出新樣本，其中判別模型用于判斷輸入樣本是真實(shí)數(shù)據(jù)還是訓(xùn)練生成的樣本數(shù)據(jù)。本課件是可編輯的正常PPT課件近年來(lái)，深度學(xué)習(xí)已經(jīng)徹底改變了許多機(jī)器學(xué)習(xí)任務(wù)，從圖像分類(lèi)和視頻處理，到語(yǔ)音識(shí)別和自然語(yǔ)言理解，這些任務(wù)中的數(shù)據(jù)通常表示在歐幾里得空間中。然而，在越來(lái)越多的應(yīng)用程序中，數(shù)據(jù)是從非歐幾里得域生成的，并表示為具有復(fù)雜關(guān)系和對(duì)象之間相互依賴(lài)的圖形。圖數(shù)據(jù)的復(fù)雜性給現(xiàn)有的機(jī)器學(xué)習(xí)算法帶來(lái)了巨大的挑戰(zhàn)。圖5-24左為圖像（歐幾里得空間），右為圖（非歐幾里得空間）。5.2.6圖神經(jīng)網(wǎng)絡(luò)本課件是可編輯的正常PPT課件5.3深度學(xué)習(xí)架構(gòu)5.3.1注意力機(jī)制注意力機(jī)制從字面意思來(lái)看和人類(lèi)的注意力機(jī)制類(lèi)似。人類(lèi)通過(guò)快速掃描全局文本，獲得需要重點(diǎn)關(guān)注的區(qū)域，也就是一般所說(shuō)的注意力焦點(diǎn)，而后對(duì)這一區(qū)域投入更多注意力資源，以獲取更多所需要關(guān)注目標(biāo)的細(xì)節(jié)信息，而抑制其他無(wú)用信息。本課件是可編輯的正常PPT課件圖5-25顯示了帶注意力機(jī)制的自編碼模型，該模型其本質(zhì)都是通過(guò)一個(gè)Encoder（編碼）和一個(gè)Decoder（解碼）實(shí)現(xiàn)機(jī)器翻譯、文本轉(zhuǎn)換、機(jī)器問(wèn)答等功能。所謂編碼，就是將輸入序列轉(zhuǎn)化成一個(gè)固定長(zhǎng)度的向量；解碼，就是將之前生成的固定向量再轉(zhuǎn)化成輸出序列。本課件是可編輯的正常PPT課件Transformer由6個(gè)結(jié)構(gòu)相同的Encoder串聯(lián)構(gòu)成編碼層，用6個(gè)結(jié)構(gòu)相同的Decoder串聯(lián)構(gòu)成解碼層。Transformer模型的核心思想是完全拋棄傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）和卷積神經(jīng)網(wǎng)絡(luò)（CNN），而是引入了自注意力機(jī)制。本課件是可編輯的正常PPT課件5.4.1自動(dòng)駕駛在過(guò)去的十年里，自動(dòng)駕駛汽車(chē)技術(shù)取得了越來(lái)越快的進(jìn)步，主要得益于深度學(xué)習(xí)和人工智能領(lǐng)域的進(jìn)步。5.4深度學(xué)習(xí)的應(yīng)用本課件是可編輯的正常PPT課件5.4.2產(chǎn)品質(zhì)量檢測(cè)隨著人工智能、邊緣計(jì)算等新興技術(shù)的高速發(fā)展，人們同樣賦予了機(jī)器“認(rèn)識(shí)”和“改造”世界的能力，從而替代人眼對(duì)外部環(huán)境進(jìn)行測(cè)量、識(shí)別與判斷，在無(wú)接觸的情況下完成既定的任務(wù)。當(dāng)前制造業(yè)產(chǎn)品外表檢查主要有人工質(zhì)檢和機(jī)器視覺(jué)質(zhì)檢兩種方式，不過(guò)人工質(zhì)檢成本高、誤操作多、生產(chǎn)數(shù)據(jù)無(wú)法有效留存。例如在軸承生產(chǎn)中，通常情況下質(zhì)檢員是采用人工肉眼觀察、手指轉(zhuǎn)動(dòng)軸承等質(zhì)檢方式挑出表面有油污、劃痕、磨削燒傷等不良缺陷，效率較低。而隨著工業(yè)自動(dòng)化的不斷發(fā)展，機(jī)器視覺(jué)技術(shù)已在工業(yè)中得到越來(lái)越廣泛的應(yīng)用，并越來(lái)越受到企業(yè)的認(rèn)可和青睞。機(jī)器視覺(jué)檢測(cè)就是用機(jī)器代替人眼來(lái)做測(cè)量和判斷。作為神經(jīng)網(wǎng)絡(luò)的高階發(fā)展產(chǎn)物，深度學(xué)習(xí)通過(guò)大腦仿生使得計(jì)算機(jī)從經(jīng)驗(yàn)中學(xué)習(xí)知識(shí)，根據(jù)層次化概念體系理解環(huán)境，進(jìn)而去人化地解決難以形式化描述的任務(wù)。深度學(xué)習(xí)的常用模型主要包括循環(huán)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和稀疏編碼等，主要應(yīng)用于圖像處理、數(shù)據(jù)分析、語(yǔ)音識(shí)別等領(lǐng)域?；谏疃葘W(xué)習(xí)的產(chǎn)品缺陷視覺(jué)檢測(cè)是一種快速、高效、準(zhǔn)確率高的缺陷自動(dòng)識(shí)別方法，借助特征可視化手段對(duì)深度學(xué)習(xí)模型提取到的特征進(jìn)行可視化分析來(lái)檢測(cè)產(chǎn)品瑕疵，進(jìn)而精準(zhǔn)打標(biāo)，提升分級(jí)模型訓(xùn)練的準(zhǔn)確度，實(shí)現(xiàn)產(chǎn)品缺陷的高效準(zhǔn)確分級(jí)，解決注塑工業(yè)中外觀檢測(cè)的痛點(diǎn)和難點(diǎn)。本課件是可編輯的正常PPT課件5.5深度學(xué)習(xí)框架深度學(xué)習(xí)框架的實(shí)現(xiàn)非常復(fù)雜，并且通常包含諸如圖片處理、視頻處理和科學(xué)計(jì)算庫(kù)等第三方軟件包。每個(gè)深度學(xué)習(xí)框架的實(shí)現(xiàn)都不同，但深度學(xué)習(xí)框架通?？梢猿橄鬄槿龑?，頂層包括程序邏輯、模型和訓(xùn)練數(shù)據(jù)，中間層是深度學(xué)習(xí)框架的實(shí)現(xiàn)，包括張量數(shù)據(jù)結(jié)構(gòu)實(shí)現(xiàn)方法、各種過(guò)濾器和神經(jīng)網(wǎng)絡(luò)層的實(shí)現(xiàn)。前兩層的實(shí)現(xiàn)通?？梢赃x擇C++(Caffe)、Python(Tensorflow)、Lua(Torch)等語(yǔ)言。底層是框架使用的基礎(chǔ)構(gòu)建塊，通常包括音視頻處理和模型表示的組件，構(gòu)建塊的選擇取決于框架的設(shè)計(jì)方案。本課件是可編輯的正常PPT課件（1）TensorflowTensorFlow是一個(gè)由GoogleBrain團(tuán)隊(duì)開(kāi)發(fā)的開(kāi)源深度學(xué)習(xí)框架。它允許開(kāi)發(fā)者創(chuàng)建多種機(jī)器學(xué)習(xí)模型，包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)等。本課件是可編輯的正常PPT課件（2）PyTorch

PyTorch是一個(gè)由Facebook開(kāi)源的深度學(xué)習(xí)框架，是目前市場(chǎng)上最流行的深度學(xué)習(xí)框架之一。它基于Python語(yǔ)言，提供了強(qiáng)大的GPU加速功能和動(dòng)態(tài)計(jì)算圖的支持。本課件是可編輯的正常PPT課件（3）CaffeCaffe的全稱(chēng)是ConvolutionalArchitectureforFastFeatureEmbedding，意為“用于特征提取的卷積架構(gòu)”，它是一個(gè)清晰、高效的深度學(xué)習(xí)框架，核心語(yǔ)言是C++。本課件是可編輯的正常PPT課件項(xiàng)目6計(jì)算機(jī)視覺(jué)本課件是可編輯的正常PPT課件通過(guò)對(duì)本章的學(xué)習(xí)，了解計(jì)算機(jī)視覺(jué)的概念，理解圖像預(yù)處理技術(shù)，理解圖像分類(lèi)、目標(biāo)檢測(cè)、圖像分割、行為識(shí)別、圖像增強(qiáng)與視覺(jué)問(wèn)答，理解計(jì)算機(jī)視覺(jué)的應(yīng)用。計(jì)算機(jī)視覺(jué)的概念理解圖像預(yù)處理技術(shù)理解圖像分類(lèi)理解目標(biāo)檢測(cè)理解圖像分割理解行為識(shí)別理解圖像增強(qiáng)理解視覺(jué)問(wèn)答熟悉計(jì)算機(jī)視覺(jué)的應(yīng)用本課件是可編輯的正常PPT課件計(jì)算機(jī)視覺(jué)是研究如何讓機(jī)器“看”的科學(xué)，其可以模擬、擴(kuò)展或者延伸人類(lèi)智能，從而幫助人類(lèi)解決大規(guī)模復(fù)雜的問(wèn)題，如圖6-1所示。6.1認(rèn)識(shí)計(jì)算機(jī)視覺(jué)本課件是可編輯的正常PPT課件計(jì)算機(jī)視覺(jué)技術(shù)經(jīng)過(guò)幾十年的發(fā)展，已經(jīng)在交通（車(chē)牌識(shí)別、道路違章抓拍）、安防（人臉閘機(jī)、小區(qū)監(jiān)控）、金融（刷臉支付、柜臺(tái)的自動(dòng)票據(jù)識(shí)別）、醫(yī)療（醫(yī)療影像診斷）、工業(yè)生產(chǎn)（產(chǎn)品缺陷自動(dòng)檢測(cè)）等多個(gè)領(lǐng)域應(yīng)用，影響或正在改變?nèi)藗兊娜粘Ｉ詈凸I(yè)生產(chǎn)方式。本課件是可編輯的正常PPT課件6.2圖像預(yù)處理技術(shù)由于攝像機(jī)攝取圖像會(huì)受到如光照變化、噪聲干擾、攝像機(jī)畸變等因素的影響，景物在不同視點(diǎn)下的圖像會(huì)有很大不同，要在這些干擾因素下準(zhǔn)確的表征圖像特征數(shù)據(jù)信息，需要對(duì)圖像冗余環(huán)境背景信息進(jìn)行預(yù)處理，來(lái)降低圖像背景復(fù)雜度。圖像預(yù)處理技術(shù)主要包括圖像灰度化、灰度圖像二值化、圖像增強(qiáng)、圖像濾波、圖像形態(tài)學(xué)處理等。本課件是可編輯的正常PPT課件彩色圖像灰度化本課件是可編輯的正常PPT課件6.2.1圖像分類(lèi)圖像分類(lèi)利用計(jì)算機(jī)對(duì)圖像進(jìn)行定量分析，把圖像或圖像中的區(qū)域劃分為若干個(gè)類(lèi)別，以代替人的視覺(jué)判斷。圖像分類(lèi)系統(tǒng)的目標(biāo)是根據(jù)輸入圖像，從類(lèi)別集中分配一個(gè)類(lèi)別，在此為cat類(lèi)別。分類(lèi)系統(tǒng)也可以根據(jù)概率給圖像分配多個(gè)標(biāo)簽，如cat:92%，dog:7%，eagle:1%。6.3計(jì)算機(jī)視覺(jué)主要內(nèi)容本課件是可編輯的正常PPT課件圖像分類(lèi)算法圖像分類(lèi)算法通過(guò)手工特征或者特征學(xué)習(xí)方法對(duì)整個(gè)圖像進(jìn)行全局描述，然后使用分類(lèi)器判斷是否在某類(lèi)物體。應(yīng)用比較廣泛的圖像特征有SIFT，HOG，SURF等。本課件是可編輯的正常PPT課件由于深度學(xué)習(xí)算法在圖像分類(lèi)中的大面積應(yīng)用，涌現(xiàn)出了一大批優(yōu)秀的適用于圖像分類(lèi)的深度學(xué)習(xí)模型框架，如下所述介紹常用的3類(lèi)深度學(xué)習(xí)模型。（1）VGG模型VGG模型相比以往模型進(jìn)一步加寬和加深了網(wǎng)絡(luò)結(jié)構(gòu)，它的核心是五組卷積操作，每?jī)山M之間做最大池化的空間降維。本課件是可編輯的正常PPT課件（2）GoogLeNet模型GoogLeNet模型由多組Inception模塊組成，該模型的設(shè)計(jì)借鑒了NIN（NetworkinNetwork）的一些思想。（3）ResNet模型殘差網(wǎng)絡(luò)（ResidualNetwork，ResNet）是用于圖像分類(lèi)、圖像物體定位和圖像物體檢測(cè)的深度學(xué)習(xí)模型。本課件是可編輯的正常PPT課件6.2.2目標(biāo)檢測(cè)目標(biāo)檢測(cè)的任務(wù)是找出圖像中所有感興趣的目標(biāo)（物體），確定它們的類(lèi)別和位置。例子確定某張給定圖像中是否存在給定類(lèi)別（比如人、車(chē)、自行車(chē)、狗和貓）的目標(biāo)實(shí)例；如果存在，就返回每個(gè)目標(biāo)實(shí)例的空間位置和覆蓋范圍。本課件是可編輯的正常PPT課件現(xiàn)在流行的目標(biāo)檢測(cè)方法是通過(guò)不同寬高比的窗口在圖像上滑動(dòng)（滑窗法），得到很多個(gè)區(qū)域框，如圖6-10所示。本課件是可編輯的正常PPT課件深度學(xué)習(xí)是具有隱藏層數(shù)更多的深度神經(jīng)網(wǎng)絡(luò)，它可以學(xué)習(xí)到機(jī)器學(xué)習(xí)等算法不能學(xué)習(xí)到的更加深層次的數(shù)據(jù)特征，能夠更加抽象并且準(zhǔn)確地表達(dá)數(shù)據(jù)。因此基于深度學(xué)習(xí)的各類(lèi)算法被廣泛的應(yīng)用于目標(biāo)檢測(cè)中。（1）R-CNNR-CNN采用的是SelectiveSearch，使用聚類(lèi)的方法對(duì)圖像進(jìn)行分組，得到多個(gè)候選框的層次組。（2）SPP-NETSPP-NET是在R-CNN的基礎(chǔ)上提出來(lái)的（3）FastR-CNN由于R-CNN在候選區(qū)域上進(jìn)行特征提取時(shí)存在大量重復(fù)性計(jì)算，為了解決這個(gè)問(wèn)題提出了FastR-CNN，F(xiàn)astR-CNN借鑒SPPNet對(duì)R-CNN進(jìn)行了改進(jìn)，檢測(cè)性能獲得提升。本課件是可編輯的正常PPT課件3.運(yùn)動(dòng)檢測(cè)由于運(yùn)動(dòng)檢測(cè)處于視頻運(yùn)動(dòng)分析的最底層，廣泛的應(yīng)用場(chǎng)合使運(yùn)動(dòng)檢測(cè)算法應(yīng)該可以處理各種復(fù)雜的情況，但很難有一種算法能夠適合所有的應(yīng)用場(chǎng)合，所以對(duì)運(yùn)動(dòng)檢測(cè)方法的研究一直是國(guó)內(nèi)外研究的重點(diǎn)。就國(guó)內(nèi)外發(fā)表的文獻(xiàn)來(lái)看，現(xiàn)在普遍采用的運(yùn)動(dòng)檢測(cè)方法有：（1）幀間差分法(FramesDifference)（2）背景差分法(BackgroundDifference)（3）光流法(OpticalFlow)本課件是可編輯的正常PPT課件圖像分割是利用圖像的灰度、顏色、紋理、形狀等特征，把圖像分成若干個(gè)互不重疊的區(qū)域，并使這些特征在同一區(qū)域內(nèi)呈現(xiàn)相似性，在不同的區(qū)域之間存在明顯的差異性。然后就可以將分割的圖像中具有獨(dú)特性質(zhì)的區(qū)域提取出來(lái)用于不同的研究。6.2.3圖像分割本課件是可編輯的正常PPT課件目前圖像分割方法數(shù)量已經(jīng)達(dá)到上千種。隨著對(duì)圖像分割的更深層次研究和其他科學(xué)領(lǐng)域的發(fā)展，陸續(xù)出現(xiàn)了許多使用新理論的圖像分割算法，各種圖像分割算法都有其不同理論基礎(chǔ)，下面介紹4種常見(jiàn)的圖像分割算法。（1）基于閾值的圖像分割算法（2）基于邊緣檢測(cè)的圖像分割算法（3）基于區(qū)域的圖像分割算法（4）基于神經(jīng)網(wǎng)絡(luò)技術(shù)的圖像分割算法本課件是可編輯的正常PPT課件行為識(shí)別研究的是視頻中目標(biāo)的動(dòng)作，比如判斷一個(gè)人是在走路，跳躍還是揮手。在視頻監(jiān)督，視頻推薦和人機(jī)交互中有重要的應(yīng)用。圖6-16為基于骨骼關(guān)鍵點(diǎn)檢測(cè)的深度神經(jīng)網(wǎng)絡(luò)算法，可自動(dòng)識(shí)別人體姿勢(shì)，如關(guān)節(jié)，五官等，通過(guò)關(guān)鍵點(diǎn)描述人體骨骼信息，以此來(lái)判別動(dòng)作類(lèi)型。6.2.4行為識(shí)別本課件是可編輯的正常PPT課件圖像增強(qiáng)是指對(duì)低質(zhì)量圖像做變換修改，得到質(zhì)量更高的圖像。圖像增強(qiáng)的意義是通過(guò)對(duì)訓(xùn)練圖像做一系列隨機(jī)改變，來(lái)產(chǎn)生相似但又不同的訓(xùn)練樣本，從而擴(kuò)大訓(xùn)練數(shù)據(jù)集的規(guī)模，而且隨機(jī)改變訓(xùn)練樣本可以降低模型對(duì)某些屬性的依賴(lài)，從而提高模型的泛化能力。根據(jù)低質(zhì)量圖像的種類(lèi)不同，圖像增強(qiáng)應(yīng)用可以包括圖像去噪、圖像超分辨率、圖像去模糊以及亮度提升等。6.2.5圖像增強(qiáng)本課件是可編輯的正常PPT課件視覺(jué)問(wèn)答是計(jì)算機(jī)視覺(jué)領(lǐng)域和自然語(yǔ)言處理領(lǐng)域的交叉方向，近年來(lái)受到了廣泛關(guān)注。一個(gè)視覺(jué)問(wèn)答系統(tǒng)以一張圖片和一個(gè)關(guān)于這張圖片形式自由、開(kāi)放式的自然語(yǔ)言問(wèn)題作為輸入，以生成一條自然語(yǔ)言答案作為輸出。簡(jiǎn)單來(lái)說(shuō)，視覺(jué)問(wèn)答就是給定的圖片進(jìn)行問(wèn)答。6.2.6視覺(jué)問(wèn)答本課件是可編輯的正常PPT課件本課件是可編輯的正常PPT課件6.4計(jì)算機(jī)視覺(jué)的應(yīng)用6.4.1智慧醫(yī)療隨著近幾年來(lái)計(jì)算機(jī)視覺(jué)技術(shù)的進(jìn)步，智慧醫(yī)療領(lǐng)域受到了學(xué)術(shù)界和產(chǎn)業(yè)界的持續(xù)關(guān)注，其應(yīng)用也越來(lái)越廣泛和深入。面向智慧醫(yī)療，人工智能技術(shù)從三個(gè)層面將產(chǎn)生深刻的影響：第一層面對(duì)于臨床醫(yī)生，計(jì)算機(jī)視覺(jué)技術(shù)能幫助其更快速、更準(zhǔn)確地進(jìn)行圖像分析工作；第二層面對(duì)于衛(wèi)生系統(tǒng)，其能通過(guò)人工智能的方式改善工作流程、減少醫(yī)療差錯(cuò)；第三層面對(duì)于患者，通過(guò)增強(qiáng)的云存儲(chǔ)能力，他們可以處理自己的數(shù)據(jù)，以促進(jìn)自我健康。目前，在醫(yī)學(xué)上采用的圖像處理技術(shù)大致包括壓縮、存儲(chǔ)、傳輸和自動(dòng)/輔助分類(lèi)判讀，此外還可用于醫(yī)生的輔助訓(xùn)練手段。與計(jì)算機(jī)視覺(jué)相關(guān)的工作包括分類(lèi)、判讀和快速三維結(jié)構(gòu)的重建等方面。長(zhǎng)期以來(lái),地圖繪制是一件耗費(fèi)人力、物力和時(shí)間的工作。以往的做法是人工測(cè)量，現(xiàn)在更多的是利用航測(cè)加上立體視覺(jué)中恢復(fù)三維形狀的方法繪制地圖，大大提高了地圖繪制的效率。同時(shí)，通用物體三維形狀分析與識(shí)別一直是計(jì)算機(jī)視覺(jué)的重要研究目標(biāo)，并在景物的特征提取、表示、知識(shí)的存儲(chǔ)、檢索以及匹配識(shí)別等方面都取得了一定的進(jìn)展，構(gòu)成了一些用于三維景物分析的系統(tǒng)。本課件是可編輯的正常PPT課件6.5計(jì)算機(jī)視覺(jué)面臨的問(wèn)題未來(lái)計(jì)算機(jī)視覺(jué)任務(wù)發(fā)展面臨的挑戰(zhàn)主要來(lái)自3個(gè)方面：（1）數(shù)據(jù)集（2）有標(biāo)注的圖像和視頻數(shù)據(jù)較少，機(jī)器在模擬人類(lèi)智能進(jìn)行認(rèn)知或者感知的過(guò)程中，需要大量有標(biāo)注的圖像或者視頻數(shù)據(jù)指導(dǎo)機(jī)器學(xué)習(xí)其中一般的模式。當(dāng)前，主要依賴(lài)人工標(biāo)注海量的圖像視頻數(shù)據(jù)，不僅費(fèi)時(shí)費(fèi)力而且沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)，可用的有標(biāo)注的數(shù)據(jù)有限，這使機(jī)器的學(xué)習(xí)能力受限。（3）計(jì)算機(jī)視覺(jué)技術(shù)的精度有待提高，如在物體檢測(cè)任務(wù)中，當(dāng)前最好的檢測(cè)正確率為66%，這樣的結(jié)果只能應(yīng)用于對(duì)正確率要求不是很高的場(chǎng)景下。（4）提高計(jì)算機(jī)視覺(jué)任務(wù)處理的速度迫在眉睫，圖像和視頻信息需要借助高維度的數(shù)據(jù)進(jìn)行表示，這是讓機(jī)器看懂圖像或視頻的基礎(chǔ)，這就對(duì)機(jī)器的計(jì)算能力和算法的效率提出很高的要求。本課件是可編輯的正常PPT課件項(xiàng)目7自然語(yǔ)言處理本課件是可編輯的正常PPT課件通過(guò)本章的學(xué)習(xí)，了解NLP的定義、發(fā)展歷程及開(kāi)發(fā)環(huán)境等，理解并掌握NLP的文本處理、機(jī)器翻譯以及語(yǔ)音識(shí)別相關(guān)知識(shí)，了解NLP的常見(jiàn)應(yīng)用場(chǎng)景。了解NLP的發(fā)展歷史、編程工具、庫(kù)以及開(kāi)發(fā)環(huán)境理解NLP的基本概念掌握NLP的文本處理、機(jī)器翻譯、語(yǔ)音識(shí)別了解NLP的應(yīng)用本課件是可編輯的正常PPT課件7.1自然語(yǔ)言處理概述自然語(yǔ)言處理(NaturalLanguageProcessing，NLP)是指利用計(jì)算機(jī)對(duì)自然語(yǔ)言的形、音、義等信息進(jìn)行處理，即對(duì)字、詞、句、篇章的輸人、輸出、識(shí)別、分析、理解、生成等進(jìn)行操作和加工的過(guò)程。本課件是可編輯的正常PPT課件NLP機(jī)制涉及兩個(gè)流程:自然語(yǔ)言理解和自然語(yǔ)言生成。自然語(yǔ)言理解研究的是計(jì)算機(jī)如何理解自然語(yǔ)言文本中包含的意義，自然語(yǔ)言生成研究的是計(jì)算機(jī)如何生成自然語(yǔ)言文本表達(dá)給定的意圖、思想等。本課件是可編輯的正常PPT課件關(guān)于NLP的研究始于20世紀(jì)50年代，在1946年世界上第一臺(tái)通用電子計(jì)算機(jī)誕生時(shí)，英國(guó)人布思和美國(guó)人韋弗就提出了利用計(jì)算機(jī)進(jìn)行機(jī)器翻譯。從這個(gè)時(shí)間點(diǎn)開(kāi)始NLP技術(shù)已經(jīng)歷70多年的發(fā)展歷程。歸納起來(lái)可分為“萌芽期”“發(fā)展期”“繁榮期”3個(gè)階段。本課件是可編輯的正常PPT課件如果想要使用計(jì)算機(jī)處理文本，那么我們首先要做的就是讓計(jì)算機(jī)認(rèn)識(shí)我們的文本信息。為此，我們通常會(huì)對(duì)文本信息進(jìn)行預(yù)處理、分詞、特征化等操作從而將文本信息轉(zhuǎn)化為計(jì)算機(jī)能夠識(shí)別的0和1代碼，然后再進(jìn)行機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等對(duì)計(jì)算機(jī)識(shí)別出的文本進(jìn)行處理。7.2文本處理本課件是可編輯的正常PPT課件分詞根據(jù)語(yǔ)境，將句子以字詞為單位劃分的過(guò)程稱(chēng)之為分詞。分詞就是將連續(xù)的字序列按照一定的規(guī)范重新組合成詞序列的過(guò)程。我們知道，在英文的行文中，單詞之間是以空格作為分界符的，而中文只是字、句和段能通過(guò)明顯的分界符（逗號(hào)、句號(hào)等）來(lái)簡(jiǎn)單劃界，唯獨(dú)詞沒(méi)有一個(gè)形式上的分界符,分詞過(guò)程就是找到這樣的分界符的過(guò)程。本課件是可編輯的正常PPT課件當(dāng)前中文分詞研究主要面臨的問(wèn)題和困難體現(xiàn)在三個(gè)方面：分詞的規(guī)范、歧義詞的切分和未登錄詞識(shí)別。（1）分詞的規(guī)范。

中文因其自身語(yǔ)言特性的局限，單字詞與詞素之間、詞與短語(yǔ)（詞組）之間劃界均沒(méi)有一個(gè)公認(rèn)的、權(quán)威的標(biāo)準(zhǔn)。所以，從計(jì)算的嚴(yán)格意義上說(shuō)，中文分詞是一個(gè)沒(méi)有明確定義的問(wèn)題

。（2）歧義切分問(wèn)題（3）未登錄詞問(wèn)題本課件是可編輯的正常PPT課件常用的中文分詞方法（1）基于詞典的分詞法基于詞典的方法是從大規(guī)模的訓(xùn)練語(yǔ)料中提取分詞詞庫(kù)，并同時(shí)將詞語(yǔ)的詞頻統(tǒng)計(jì)出來(lái)，然后通過(guò)逆向最大匹配、N-最短路徑等分詞方法對(duì)句子進(jìn)行切分。本課件是可編輯的正常PPT課件2、基于字的分詞法與基于詞典的分詞方法不同，該方法需要依賴(lài)于一個(gè)事先編制好的詞典，通過(guò)查詞典的方式作出最后的切分決策。本課件是可編輯的正常PPT課件（3）基于統(tǒng)計(jì)的分詞法基于統(tǒng)計(jì)的分詞方法是利用大量的語(yǔ)料庫(kù)進(jìn)行統(tǒng)計(jì)分析，通過(guò)計(jì)算每個(gè)詞語(yǔ)在語(yǔ)料庫(kù)中出現(xiàn)的頻率和概率，來(lái)確定每個(gè)詞語(yǔ)的邊界。具體來(lái)說(shuō)，該方法分為兩個(gè)步驟:訓(xùn)練和分詞。本課件是可編輯的正常PPT課件分詞技術(shù)分詞技術(shù)目前已經(jīng)非常成熟，目前主要分三種：（1）最大匹配分詞算法最大匹配是指以詞典為依據(jù)，取詞典中最長(zhǎng)單詞為第一次取字?jǐn)?shù)量的掃描串，在詞典中進(jìn)行掃描（為提升掃描效率，還可以跟據(jù)字?jǐn)?shù)多少設(shè)計(jì)多個(gè)字典，然后根據(jù)字?jǐn)?shù)分別從不同字典中進(jìn)行掃描）。例如：詞典中最長(zhǎng)詞為“中華人民共和國(guó)”共7個(gè)漢字，則最大匹配起始字?jǐn)?shù)為7個(gè)漢字。然后逐字遞減，在對(duì)應(yīng)的詞典中進(jìn)行查找。本課件是可編輯的正常PPT課件（2）詞義分詞法該方法是一種機(jī)器語(yǔ)音判斷的分詞方法。很簡(jiǎn)單，進(jìn)行句法、語(yǔ)義分析，利用句法信息和語(yǔ)義信息來(lái)處理歧義現(xiàn)象來(lái)分詞，這種分詞方法目前還不成熟，處在測(cè)試階段。（3）統(tǒng)計(jì)分詞法根據(jù)詞組的統(tǒng)計(jì)，就會(huì)發(fā)現(xiàn)兩個(gè)相鄰的字出現(xiàn)的頻率最多，那么這個(gè)詞就很重要。就可以作為用戶提供字符串中的分隔符來(lái)分詞。比如，“我的，你的，許多的，這里，這一，那里”等等，這些詞出現(xiàn)的比較多，就從這些詞里面分開(kāi)來(lái)。本課件是可編輯的正常PPT課件7.3機(jī)器翻譯機(jī)器翻譯是一種利用計(jì)算機(jī)技術(shù)將一種語(yǔ)言翻譯成另一種語(yǔ)言的技術(shù)。NLP技術(shù)是機(jī)器翻譯的核心技術(shù)之一，它可以幫助機(jī)器翻譯更加準(zhǔn)確和流暢。

本課件是可編輯的正常PPT課件機(jī)器翻譯的研究歷史最早可以追溯到20世紀(jì)30年代。1933年，法國(guó)科學(xué)家G.B.阿爾楚尼提出了用機(jī)器來(lái)進(jìn)行翻譯的想法。本課件是可編輯的正常PPT課件機(jī)器翻譯的流程機(jī)器翻譯的流程可以概括為以下幾個(gè)步驟：（1）詞法分析：將源語(yǔ)言的詞匯分解為詞語(yǔ)和詞素，并對(duì)它們進(jìn)行分類(lèi)和識(shí)別。（2）語(yǔ)法分析：將源語(yǔ)言的句子結(jié)構(gòu)分解為詞序和語(yǔ)法規(guī)則，并對(duì)它們進(jìn)行分類(lèi)和識(shí)別。（3）翻譯規(guī)則：根據(jù)語(yǔ)言之間的語(yǔ)法和語(yǔ)義關(guān)系，制定翻譯規(guī)則，例如詞序規(guī)則、語(yǔ)態(tài)規(guī)則、時(shí)態(tài)規(guī)則等。（4）神經(jīng)網(wǎng)絡(luò)：利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行翻譯，神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)源語(yǔ)言和目標(biāo)語(yǔ)言之間的語(yǔ)言結(jié)構(gòu)和語(yǔ)義關(guān)系，從而實(shí)現(xiàn)翻譯的自動(dòng)化。（5）統(tǒng)計(jì)機(jī)器翻譯：利用機(jī)器學(xué)習(xí)技術(shù)進(jìn)行翻譯，通過(guò)對(duì)大量的翻譯數(shù)據(jù)進(jìn)行學(xué)習(xí)和訓(xùn)練，可以自動(dòng)識(shí)別翻譯規(guī)則和模式，從而實(shí)現(xiàn)更準(zhǔn)確的翻譯。本課件是可編輯的正常PPT課件本課件是可編輯的正常PPT課件機(jī)器翻譯算法與案例機(jī)器翻譯是人工智能的終極目標(biāo)之一，它的流程和算法非常復(fù)雜。簡(jiǎn)單來(lái)說(shuō)，機(jī)器翻譯就是把一種語(yǔ)言翻譯成另外一種語(yǔ)言。機(jī)器翻譯面臨如下國(guó)際公認(rèn)的挑戰(zhàn)：譯文選擇、詞語(yǔ)順序的調(diào)整和數(shù)據(jù)稀疏。目前，機(jī)器翻譯技術(shù)主要分為基于規(guī)則、基于統(tǒng)計(jì)和基于神經(jīng)網(wǎng)絡(luò)三種方法。本課件是可編輯的正常PPT課件基于規(guī)則的機(jī)器翻譯方法（Rule-BasedMachineTranslation，RBMT）RBMT是一種早期的機(jī)器翻譯方法，它依