公務(wù)員期刊網(wǎng) 精選范文 計(jì)算機(jī)視覺知識(shí)點(diǎn)范文

計(jì)算機(jī)視覺知識(shí)點(diǎn)精選(九篇)

前言:一篇好文章的誕生,需要你不斷地搜集資料、整理思路,本站小編為你收集了豐富的計(jì)算機(jī)視覺知識(shí)點(diǎn)主題范文,僅供參考,歡迎閱讀并收藏。

計(jì)算機(jī)視覺知識(shí)點(diǎn)

第1篇:計(jì)算機(jī)視覺知識(shí)點(diǎn)范文

【關(guān)鍵詞】粗糙集 屬性簡(jiǎn)約;AC聚類;ID3算法;用電客戶

1. 引言

(1)隨著電力體制改革的推進(jìn)和電力市場(chǎng)化進(jìn)程的加快,供電企業(yè)在電力市場(chǎng)上面臨著越來越激烈競(jìng)爭(zhēng)。一方面,用電客戶逐漸成為競(jìng)爭(zhēng)的焦點(diǎn),提高用電客戶滿意度與供電企業(yè)自身的經(jīng)濟(jì)效益緊密相關(guān);另一方面,供電企業(yè)先消費(fèi)后付款的特殊交易方式,造成有些用電客戶拖欠電費(fèi)。因此,供電企業(yè)需要對(duì)用電客戶進(jìn)行有效的信用評(píng)價(jià),對(duì)不同信用等級(jí)的客戶采用不同的營(yíng)銷策略,建立信用激勵(lì)機(jī)制,提高供電企業(yè)用電營(yíng)銷輔助決策水平。

(2)目前,隨著用電客戶信用評(píng)價(jià)成為供電企業(yè)客戶關(guān)系管理的重要內(nèi)容,有關(guān)用電客戶信用評(píng)價(jià)方面的研究成果也在不斷的增多。目前常用的方法主要有綜合評(píng)估法[3]、模糊多屬性方法[4]、主客觀評(píng)價(jià)的方法[5]、模糊偏序方法[6]等。這些研究從不同角度,為解決用電客戶信用評(píng)價(jià)問題提供了一些值得借鑒的思路和方法。上述方法在進(jìn)行用電客戶信用評(píng)價(jià)時(shí)各有特點(diǎn),但其評(píng)價(jià)指標(biāo)較多,精煉性稍顯不足。隨著信用評(píng)價(jià)體系指標(biāo)不斷增多,指標(biāo)之間不可避免的存在一定的關(guān)聯(lián)性、交叉性,其重要性也不盡相同,從復(fù)雜的指標(biāo)體系中篩選出重要的指標(biāo)也是進(jìn)行用電客戶信用評(píng)價(jià)的一個(gè)重要方面,因而本文把在指標(biāo)屬性約簡(jiǎn)方面具有強(qiáng)大優(yōu)勢(shì)的粗糙集理論引入用電客戶的信用評(píng)價(jià)中。

(3)粗糙集是一種處理不精確、不相容和不完全數(shù)據(jù)的數(shù)學(xué)工具,這一理論主要的應(yīng)用是對(duì)含有大量冗余信息的知識(shí)系統(tǒng)進(jìn)行約簡(jiǎn),它不僅具有模擬人類邏輯思維的能力,而且能有效地分析和處理不精確、不一致、不完整的信息[9]。該方法的主要優(yōu)點(diǎn)在于它不需要預(yù)先給定某些特征或?qū)傩缘臄?shù)量描述和模型假定,但單純地使用粗糙集理論不一定總能有效地解決不精確或不確定的實(shí)際問題。因此本文在粗糙集基礎(chǔ)上,采用AC聚類的方法,實(shí)現(xiàn)對(duì)用電客戶的信用評(píng)價(jià)。最后結(jié)合ID3算法,得到用電客戶信用評(píng)價(jià)的決策規(guī)則,具有一般性的指導(dǎo)意義。

2. 基本原理

2.1 粗糙集理論[1,12]。

2.1.1 定義1 某個(gè)屬性子集PA,x,y∈U 為兩個(gè)數(shù)據(jù)實(shí)體,如果有a ∈B,f(x,a)=f(y,a)這時(shí)稱x ,y 在屬性集 A上是不可分辨的,也稱為等價(jià)關(guān)系。在信息系統(tǒng)中,不可分辨關(guān)系可以定義為:IND(P)={(x,y)∈U×U|a ∈P,f(x,a)=f(y,a)}

由這種等價(jià)關(guān)系導(dǎo)出的對(duì) U的劃分記為 U/IND(P)。

2.1.2 定義2 粗糙集理論的不確定性是建立在上、下近似的概念上的。令XU 是一個(gè)集合, IND(P)是 U上的等價(jià)關(guān)系,則:上近似集 IND(P)-(X)=∪{Y∈U/IND(P),YX},下近似集 IND(P)-(X)=∪{Y∈U/IND(P),Y∩X≠}

設(shè)T=(U,A,C,D) 是決策表,如果去掉屬性 a,得到的表 T1=(U,A-{a},c-{a},D)與表 T=(U,A,C,D) 相比,有PosC(D)=PosC- {a}(D),則稱屬性 a是關(guān)于 D可省的。其中, PosC(D)=UX∈U/IND(D)P-(X)是D 關(guān)于 P的正域。

相對(duì)于決策屬性集合,如果有無條件屬性Ci 對(duì)決策屬性集合的影響不大,則可認(rèn)為 Ci 的重要程度不大。屬性集中Ci 的重要度可表示為[9]:

μ(i) =card(PosC(D)-PosC-|Ci|(D))/card(U) (1)

其中,card 為元素個(gè)數(shù)屬性。

根據(jù)所求得屬性的重要度,可以獲得其在屬性集合中的相對(duì)權(quán)重。對(duì)求得的屬性重要度進(jìn)行權(quán)值化處理可得[9]:

wi = μ(i) /∑n i=1 μ(i) (2)

其中, wi 是第i 項(xiàng)屬性的權(quán)重, μ(i) 為第i 項(xiàng)屬性的屬性重要度, n為屬性的個(gè)數(shù)。

2.2 AC算法的原理。

(1)由Laurence發(fā)展起來的相似體合成算法AC (Analog Complexion)首先成功地應(yīng)用于氣象的預(yù)測(cè),經(jīng)過不斷的發(fā)展與改進(jìn),在理論和應(yīng)用方面取得了不少突破性的進(jìn)展,已經(jīng)能夠取得很好的預(yù)測(cè)效果。后來烏克蘭的A.G.Ivakheneko院士把它應(yīng)用于聚類,并且把AC算法和GMDH結(jié)合起來,將GMDH的核心思想應(yīng)用到AC聚類算法中。國內(nèi)對(duì)AC算法的研究主要是建立在四川大學(xué)賀昌政教授研究的基礎(chǔ)之上。

(2)AC算法可以看作是對(duì)復(fù)雜對(duì)象的預(yù)測(cè)、聚類和分類的一種序列模式識(shí)別方法[14]。AC聚類算法,假設(shè)每個(gè)樣本(或者變量)作為一個(gè)模式,通過計(jì)算其他模式與該模式的相似程度,從而把較為相似的模式歸為一類,不相似的模式歸為不同的類。AC聚類算法中兩個(gè)模式的差異用兩個(gè)模式的距離表示,通常用歐式距離或海明距離表示。

(3)由于不同時(shí)期的相似模式可能具有不同的平均值和標(biāo)準(zhǔn)方差。為了下面將進(jìn)行的模式間相似性的度量,必須尋找待選模式到參照模式的變換,來描述這些差異,即將模式變換到同一基準(zhǔn)點(diǎn)上,從而使其具備可比性。一般取線性變換:

(4)AC聚類算法把所有的樣本組成的數(shù)據(jù)集和看作一個(gè)狀態(tài)空間,對(duì)每一個(gè)樣本的聚類,把他們看作是一個(gè)狀態(tài)空間的聚類。狀態(tài)空間以變量 x1,x2,…xm為軸,對(duì)象 Oi是空間待分類的點(diǎn)。每個(gè)對(duì)象Oi 或多或少與其他對(duì)象有所不同。這種差別能由 sikh算得,k=1,2, …,N;hi=1,2, …,N 。因此,聚類的基礎(chǔ)是對(duì)稱的相似性矩陣

siNN =|sikh|。聚類的任務(wù)是將狀態(tài)空間再分成個(gè)相似對(duì)象的類。

(5)近年來,AC算法由于結(jié)合歸納自組織數(shù)據(jù)挖掘方法和先進(jìn)的選擇程序而增強(qiáng)了應(yīng)用能力[13],通常,AC算法包含3個(gè)步驟:一是待選模式的產(chǎn)生;二是待選模式的變換;三是相似模式的選取。

3. 粗糙集及AC聚類算法的應(yīng)用

3.1 粗糙集對(duì)信用評(píng)價(jià)指標(biāo)的約簡(jiǎn)。

(1)信用評(píng)價(jià)根據(jù)評(píng)價(jià)對(duì)象的不同,可選取不同的評(píng)價(jià)指標(biāo)。基于我國用電客戶的一些基本情況,確定本文信用評(píng)價(jià)的指標(biāo)[4~5](見圖1):

以上指標(biāo)屬于條件屬性C ,決策屬性 D=最后總得分(由專家打分得到)。

本文以某供電企業(yè)的12家客戶的數(shù)據(jù)為例,進(jìn)行信用評(píng)價(jià)。首先采用等距離法對(duì)樣本數(shù)據(jù)進(jìn)行離散化處理,STEP=(MAX-MIN)/3,MAX表示每一列的最大值,MIN表示每一列最小值,把每一列的屬性值分為3個(gè)等級(jí),高(MIN+2*STEP,MAX)用3表示,中(MIN+ STEP,MIN+2*STEP)用2表示,低(MIN,MIN+ STEP)用1表示,得出個(gè)指標(biāo)值轉(zhuǎn)換成Rough Set的數(shù)據(jù)格式。

由于條件屬性C1 的子指標(biāo)資產(chǎn)負(fù)債率(C1 4?。槟嬷笜?biāo),即比率越低則客戶償債能力越強(qiáng),反之償債能力越弱。本文采用閾值法[2]對(duì)該指標(biāo)進(jìn)行了無量綱化處理,將其轉(zhuǎn)化為正指標(biāo)。決策表1表示的是離散后的條件屬性 C1 的相關(guān)數(shù)據(jù)。

根據(jù)二級(jí)指標(biāo)的權(quán)重,分別加權(quán)得到一級(jí)指標(biāo)C1 的相關(guān)數(shù)據(jù),結(jié)合其它指標(biāo)的相關(guān)數(shù)據(jù),匯總得到表2。其中D 表示各個(gè)客戶價(jià)值類型,即最終信用等級(jí),將通過下文的AC聚類算法得到。

3.2 AC聚類算法的應(yīng)用。

利用AC聚類法,運(yùn)用Knowledge Miner軟件處理,按照90%相似度進(jìn)行聚類,分為3類,按照從高到低的順序排列,具體分類如下:

根據(jù)AC聚類的Class Membership,我們?cè)O(shè)這三類的Y 值為3,2,1,分別表示高、 中、低。整理后可得表2。

該供電企業(yè)的12個(gè)用電客戶可以分為三類,信用較好;信用一般;信用較差。

根據(jù)評(píng)價(jià)的結(jié)果,該供電企業(yè)可以針對(duì)不同信用等級(jí)客戶實(shí)行差異化的營(yíng)銷策略。

4. 規(guī)則知識(shí)挖掘

根據(jù)以上計(jì)算分析結(jié)果,本文采用數(shù)據(jù)挖掘技術(shù)中的ID3算法對(duì)用電客戶的信用信息進(jìn)行知識(shí)挖掘,從中得出可以對(duì)其他用電客戶進(jìn)行信用評(píng)價(jià)的一般性規(guī)則知識(shí)。

利用ID3算法,得到以下信用評(píng)價(jià)的決策樹:

(1)首先,商業(yè)信用在用電客戶信用評(píng)價(jià)中占有最大的信息增益,在決策中決定作用。

商業(yè)信用較好的客戶,其信用也較好;商業(yè)信用較差的客戶,其信用也較差。商業(yè)信用一般的客戶需要結(jié)合其他三個(gè)方面的內(nèi)容才能確定其信用等級(jí)。

(2)其次,法律信用的信息含量也很高,即使商業(yè)信用一般,如果法律信用較好,該客戶的信用等級(jí)仍屬于“高”。

(3)最后,當(dāng)商業(yè)信用、法律信用及安全信用都處于“一般”的情況下,合作信用,無論是一般,還是較差,其信用等級(jí)都處在“低”的水平上。

5. 結(jié)論

本文運(yùn)用粗糙集理論和AC聚類算法對(duì)用電客戶進(jìn)行信用評(píng)價(jià),結(jié)合了粗糙集在屬性簡(jiǎn)約方面的強(qiáng)大功能,克服了冗余屬性對(duì)運(yùn)算量的影響,從而簡(jiǎn)化了信用評(píng)價(jià)的指標(biāo)體系,提高了評(píng)估的效率。并利用AC聚類算法進(jìn)行聚類分析,結(jié)合ID3算法挖掘出具有一般意義的用電客戶信用評(píng)價(jià)得規(guī)則知識(shí)。為用電客戶的信用評(píng)價(jià)以及供電企業(yè)的客戶關(guān)系管理提供了一種較為有效的決策支持方式。

參考文獻(xiàn)

[1] Pawlak Z.Rough set theoretical aspects of reasoning about date[M].Poland:Warsaw,1991.

[2] 胡永宏,賀思輝.綜合評(píng)價(jià)方法[M].北京:科學(xué)出版社,2000.

[3] 伍萱.客戶信用管理體系的建立[J].中國電力企業(yè)管理,2002?。?1):33~35.

[4] 李翔,楊淑霞,黃陳鋒.基于模糊多屬性決策法的用電客戶信用評(píng)價(jià)[J].電網(wǎng)技術(shù),2004 ,28(21):55~59.

[5] 楊淑霞,呂世森,喬艷芬.用電客戶信用的主客觀評(píng)價(jià)及分析[J].中國電力,2005,38(6):1~4.

[6] 吳為濤.電力客戶信用等級(jí)分析[D].北京:華北電力大學(xué)學(xué)士學(xué)位論文,2004.

[7] 鐘波,肖智,周家啟.組合預(yù)測(cè)中基于粗糙集理論的權(quán)重的確定方法[J].重慶大學(xué)學(xué)報(bào),2002.

[8] 楊振峰,郭景峰,常峰.一種基于粗集的簡(jiǎn)約方法[J].計(jì)算機(jī)工程,2003(6):15~16.

[9] 雷紹蘭,孫才新,周濠,張曉星.模糊粗糙集理論在空間電力負(fù)荷預(yù)測(cè)中的應(yīng)用[J].電網(wǎng)技術(shù),2005,29(9):26~30.

[10] 楊綸標(biāo),高英儀編著.模糊數(shù)學(xué)原理及應(yīng)用[M].3版.廣州:華南理工大學(xué)出版社,2001.3.

[11] 張文修,吳偉志,梁吉業(yè)等. 粗糙集理論與方法[M].北京:科學(xué)出版社, 2001.

[12] Lemke F, Mueller J A. Self-organizing Data

Mining for a Portfolio Trading System. Journal for Computational Intelligence in Finance. 1997, 5(3): 12~26.

[13] 賀昌政.自組織數(shù)據(jù)挖掘與經(jīng)濟(jì)預(yù)測(cè)[M].北京:科學(xué)出版社,2005.

[14] 廖斌,何躍.基于AC聚類方法和GMDH的品牌競(jìng)爭(zhēng)力分析[J].科技情報(bào)開發(fā)與經(jīng)濟(jì),2005, 15(15): 135~137.

第2篇:計(jì)算機(jī)視覺知識(shí)點(diǎn)范文

(大連東軟信息學(xué)院電子工程系,遼寧大連116023)

摘要:智能科學(xué)與技術(shù)概論課程是智能科學(xué)與技術(shù)專業(yè)重要的必修基礎(chǔ)課,對(duì)整個(gè)專業(yè)課程體系有概括性的引導(dǎo)作用,對(duì)學(xué)生深入學(xué)習(xí)后續(xù)課程有很大幫助。文章從智能科學(xué)與技術(shù)概論課程的教學(xué)實(shí)際出發(fā),提出該課程的整體課程規(guī)劃,并根據(jù)學(xué)生的學(xué)習(xí)情況驗(yàn)證其適用性。

關(guān)鍵詞 :智能科學(xué);專業(yè)基礎(chǔ)必修課;課程規(guī)劃

基金項(xiàng)目:2012年遼寧省普通高等學(xué)校本科工程人才培養(yǎng)模式改革試點(diǎn)項(xiàng)目(G2201249)。

第一作者簡(jiǎn)介:林寶尉,男,講師,研究方向?yàn)橛?jì)算機(jī)視覺、模式識(shí)別,linbaowei@neusoft.edu.cn。

0 引言

智能科學(xué)與技術(shù)概論課程是智能科學(xué)與技術(shù)專業(yè)的必修基礎(chǔ)課。學(xué)生通過學(xué)習(xí)基礎(chǔ)課,能夠了解整個(gè)專業(yè)的知識(shí)構(gòu)成、體系結(jié)構(gòu)以及發(fā)展方向,便于將來學(xué)習(xí)必修專業(yè)課,包括模式識(shí)別、人工智能、智能機(jī)器人等課程。在這個(gè)過程中,如何讓學(xué)生順利地過渡到更高層次的專業(yè)課學(xué)習(xí)中,如何提高其學(xué)習(xí)興趣,如何幫助學(xué)生深入了解各門專業(yè)課之間的層次關(guān)系,都是該專業(yè)設(shè)置過程中需要考慮的問題。智能科學(xué)與技術(shù)概論的規(guī)劃起到了承上啟下的作用。雖然專業(yè)導(dǎo)引課也從全局對(duì)該專業(yè)的情況進(jìn)行了介紹,但其內(nèi)容以學(xué)生職業(yè)引導(dǎo)、興趣培養(yǎng)為主,對(duì)專業(yè)課程的設(shè)置并無過多展開。因此,智能科學(xué)與技術(shù)概論課程的設(shè)置十分必要。

1 課程規(guī)劃設(shè)置

1.1 能力指標(biāo)

課程將學(xué)生的能力體系分為5個(gè)部分:技術(shù)知識(shí)與推理能力、開發(fā)式思維與創(chuàng)新、個(gè)人職業(yè)能力、態(tài)度與習(xí)慣、時(shí)間構(gòu)思設(shè)計(jì)實(shí)現(xiàn)和社會(huì)貢獻(xiàn),與其對(duì)應(yīng)的二級(jí)、三級(jí)及詳細(xì)指標(biāo)見表1。每個(gè)能力指標(biāo)平均對(duì)應(yīng)4個(gè)學(xué)時(shí),共32個(gè)學(xué)時(shí)。

1.2 講授方式

(1)精講多練。通過講解智能科學(xué)的相關(guān)內(nèi)容并結(jié)合相關(guān)實(shí)驗(yàn),讓學(xué)生掌握智能科學(xué)的基礎(chǔ)知識(shí),提高其學(xué)習(xí)興趣,為后續(xù)課程的學(xué)習(xí)打下良好基礎(chǔ)。

(2)以項(xiàng)目為導(dǎo)向組織教學(xué),通過案例教學(xué),將構(gòu)思、設(shè)計(jì)、實(shí)施和運(yùn)行引入教學(xué)過程中。

(3)鼓勵(lì)學(xué)生自主學(xué)習(xí),加強(qiáng)基本職業(yè)能力的訓(xùn)練。教學(xué)過程中注意互動(dòng)和引導(dǎo),運(yùn)用講授教學(xué)、練習(xí)教學(xué)、實(shí)驗(yàn)教學(xué)、案例教學(xué)等多種教學(xué)方法完成教學(xué)任務(wù)。

(4)教學(xué)實(shí)施過程中,提供豐富的教學(xué)資源,如多媒體課件、案例、網(wǎng)絡(luò)資源、優(yōu)秀學(xué)生作品和外文技術(shù)資料等。

(5)對(duì)學(xué)生進(jìn)行多方面考核與評(píng)價(jià)。結(jié)合課程實(shí)施過程,從知識(shí)掌握、能力水平、態(tài)度表現(xiàn)等方面,對(duì)學(xué)生進(jìn)行全方位的考核。

1.3 講授內(nèi)容

該課程講授內(nèi)容分為3個(gè)單元,具體內(nèi)容如下。

單元一:智能科學(xué)導(dǎo)論,主要涉及智能科學(xué)與技術(shù)的目標(biāo)界定、學(xué)科分類、涉及范圍、學(xué)科定位、人類認(rèn)知以及學(xué)科簡(jiǎn)史等知識(shí)點(diǎn)。該單元將在2個(gè)學(xué)時(shí)中完成,并要求學(xué)生課外學(xué)習(xí)2個(gè)學(xué)時(shí)。

單元二:學(xué)科基礎(chǔ)理論知識(shí),主要涉及機(jī)器系統(tǒng)、視覺感知、高級(jí)語言編程等知識(shí)點(diǎn)。該單元主要介紹支撐學(xué)科的相關(guān)課程,并在實(shí)踐課中使用高級(jí)語言編寫簡(jiǎn)單系統(tǒng)。該單元共10個(gè)課時(shí),其中包括4個(gè)實(shí)踐課時(shí)。

單元三:專業(yè)課介紹,主要涉及數(shù)字圖像處理介紹、模式識(shí)別介紹、計(jì)算機(jī)視覺介紹、智能機(jī)器人介紹等相關(guān)必修專業(yè)課的入門介紹,并在每次課程結(jié)束后配合實(shí)踐編程、工具使用、機(jī)器人搭建等實(shí)踐環(huán)節(jié)提高學(xué)生的學(xué)習(xí)興趣,使其全面認(rèn)識(shí)后續(xù)專業(yè)學(xué)習(xí)。該單元共20個(gè)學(xué)時(shí),其中包括12個(gè)實(shí)踐課時(shí)。

1.4 實(shí)驗(yàn)設(shè)置

實(shí)驗(yàn)課程共16個(gè)學(xué)時(shí),包括4次實(shí)驗(yàn),詳細(xì)內(nèi)容如下。

實(shí)驗(yàn)一:數(shù)字圖像處理實(shí)驗(yàn)。使用課程中講授的Matlab語言,實(shí)現(xiàn)數(shù)字圖像的傅里葉變換、邊緣檢測(cè)功能。該實(shí)驗(yàn)共4個(gè)課時(shí),配合單元一以及單元二的部分知識(shí)點(diǎn),使學(xué)生基本掌握Matlab編程語言,并理解數(shù)字圖像處理的基本知識(shí)。

實(shí)驗(yàn)二:模式識(shí)別機(jī)器學(xué)習(xí)實(shí)驗(yàn)。該實(shí)驗(yàn)利用高級(jí)程序語言,實(shí)現(xiàn)數(shù)據(jù)的SVM算法以及KMeans算法,讓學(xué)生理解模式識(shí)別以及機(jī)器學(xué)習(xí)等知識(shí)。該實(shí)驗(yàn)共4個(gè)學(xué)時(shí)。

實(shí)驗(yàn)三:計(jì)算機(jī)視覺實(shí)驗(yàn)。使用圖像拼接、3D場(chǎng)景重建等相關(guān)專業(yè)工具,實(shí)現(xiàn)二維圖片的3D重現(xiàn)。該實(shí)驗(yàn)共4個(gè)學(xué)時(shí)。

實(shí)驗(yàn)四:機(jī)器人實(shí)驗(yàn)。學(xué)生在機(jī)器人實(shí)驗(yàn)室,實(shí)際動(dòng)手組裝博創(chuàng)模塊化機(jī)器人,并編程實(shí)現(xiàn)機(jī)器人運(yùn)動(dòng)調(diào)試。該實(shí)驗(yàn)共4個(gè)學(xué)時(shí),實(shí)驗(yàn)地點(diǎn)為模塊化機(jī)器人實(shí)驗(yàn)室。

1.5 結(jié)課考試

在教學(xué)的各個(gè)環(huán)節(jié),教師從出勤情況、日常表現(xiàn)、作業(yè)、實(shí)驗(yàn)、結(jié)課項(xiàng)目及結(jié)課報(bào)告的完成情況對(duì)學(xué)生進(jìn)行全方位的考核,其中結(jié)課項(xiàng)目、調(diào)查報(bào)告及實(shí)驗(yàn)作業(yè)占最終成績(jī)的90%。結(jié)課項(xiàng)目為小組項(xiàng)目,4個(gè)學(xué)生為一個(gè)小組完成系統(tǒng)的設(shè)計(jì)、編寫、調(diào)試等步驟,并組織5名教師對(duì)每個(gè)小組進(jìn)行答辯考核。

2 問題及改進(jìn)

學(xué)校于2012年申請(qǐng)創(chuàng)辦智能科學(xué)與技術(shù)專業(yè)。該專業(yè)培養(yǎng)學(xué)生掌握計(jì)算機(jī)基礎(chǔ)、電子電路、控制方法、智能信息處理與識(shí)別等基本知識(shí),使其具備信息處理、自動(dòng)控制、人工智能系統(tǒng)開發(fā)等基本能力。智能科學(xué)與技術(shù)概論課程在大二下學(xué)期開設(shè),共32學(xué)時(shí),其中理論教學(xué)16學(xué)時(shí),實(shí)踐教學(xué)16學(xué)時(shí)。通過理論教學(xué)和實(shí)踐教學(xué),學(xué)生了解了智能科學(xué)的基礎(chǔ)理論知識(shí),掌握該專業(yè)核心專業(yè)課的關(guān)系,認(rèn)識(shí)相關(guān)后續(xù)課程,并能夠使用簡(jiǎn)單的算法和工具,為日后深入學(xué)習(xí)專業(yè)課打下良好基礎(chǔ)。

2.1 教材選擇

由于本專業(yè)辦學(xué)時(shí)間較短,沒有足夠的針對(duì)智能科學(xué)與技術(shù)概論的教材可供選擇?,F(xiàn)階段使用較多的教材為《智能科學(xué)與技術(shù)導(dǎo)論》以及《智能科學(xué)》?!吨悄芸茖W(xué)與技術(shù)導(dǎo)論》是鐘義信主編、北京郵電大學(xué)出版社出版的、適合智能專業(yè)大一新生使用的專業(yè)教材,對(duì)整個(gè)專業(yè)有詳細(xì)的介紹,適合作為新生的專業(yè)導(dǎo)引課程,安排16個(gè)學(xué)時(shí)較為合適,并不適于我校智能科學(xué)與技術(shù)概論課程的要求。《智能科學(xué)》是史忠植主編、清華大學(xué)出版社出版的專業(yè)教材,該教材對(duì)整個(gè)智能專業(yè)的重要內(nèi)容都有涉及,系統(tǒng)地介紹了智能科學(xué)的概念和方法,吸收了腦科學(xué)、認(rèn)知科學(xué)、人工智能、數(shù)理邏輯、社會(huì)思維學(xué)、系統(tǒng)理論、科學(xué)方法論和哲學(xué)等方面的研究成果,適合高年級(jí)學(xué)生使用,安排64個(gè)學(xué)時(shí)較為合適,也不適于我校情況。

鑒于上述原因,我們?cè)O(shè)計(jì)該課程時(shí),前半部分理論知識(shí)介紹使用了《智能科學(xué)與技術(shù)導(dǎo)論》,后半部分專業(yè)課程介紹使用自制課件。經(jīng)過2輪的教學(xué)實(shí)踐以后,我們將根據(jù)教材使用情況編寫自用的講義教材。

2.2 內(nèi)容設(shè)計(jì)

該課程內(nèi)容會(huì)介紹智能專業(yè)的重要專業(yè)課,但要在32學(xué)時(shí)內(nèi)完成所有專業(yè)課程的介紹,并保證該課程內(nèi)容不與專業(yè)導(dǎo)引課以及智能信息處理導(dǎo)引課沖突,難度很大,因此選擇最合適的講授內(nèi)容,對(duì)于該課程的授課效果非常重要。

在授課過程中我們發(fā)現(xiàn),學(xué)生對(duì)簡(jiǎn)單的數(shù)字圖像處理、計(jì)算機(jī)視覺的流行應(yīng)用以及動(dòng)手要求強(qiáng)的機(jī)器人課程興趣較大,但對(duì)數(shù)學(xué)推導(dǎo)要求較高的模式識(shí)別、機(jī)器學(xué)習(xí)等課程接受程度較低。該課程的教學(xué)目的是讓學(xué)生了解相關(guān)課程的意義、歷史、發(fā)展等知識(shí),所以,建議加大實(shí)驗(yàn)動(dòng)手課程的課時(shí)比例,讓學(xué)生多使用相關(guān)知識(shí)、算法和應(yīng)用,盡量避開復(fù)雜的數(shù)學(xué)推導(dǎo)。

2.3 資源配置

學(xué)校的智能科學(xué)與技術(shù)專業(yè)創(chuàng)建于電子工程系,依托電子系的軟硬件實(shí)驗(yàn)室,培養(yǎng)學(xué)生的軟硬件知識(shí)儲(chǔ)備,提高學(xué)生的實(shí)際動(dòng)手能力。其中,軟件算法將配合嵌入式設(shè)備進(jìn)行硬件集成,并指導(dǎo)學(xué)生設(shè)計(jì)具有智能算法應(yīng)用的硬件設(shè)備。教學(xué)過程中將使用校實(shí)驗(yàn)室中的模式識(shí)別嵌入式開發(fā)板、博創(chuàng)模塊化機(jī)器人平臺(tái)以及Turtlebot智能機(jī)器人平臺(tái)。該課程在實(shí)際講授時(shí),理論課以及算法相關(guān)實(shí)驗(yàn)在大班進(jìn)行,硬件實(shí)踐課程在小班進(jìn)行,能取得較好的授課效果。

3 實(shí)施效果

在該課程設(shè)計(jì)內(nèi)容的指導(dǎo)下,智能科學(xué)與技術(shù)概論已經(jīng)完成了2輪的課程教學(xué),并在課程結(jié)束后組織學(xué)生填寫調(diào)查問卷。題目分兩類,第一類包括課程目標(biāo)是否清晰、該課程能否提起學(xué)生對(duì)該專業(yè)課的學(xué)習(xí)興趣、該課程的實(shí)驗(yàn)設(shè)計(jì)能否有效提高學(xué)生的動(dòng)手能力,以及該課程的內(nèi)容相關(guān)設(shè)計(jì)是否優(yōu)秀。統(tǒng)計(jì)結(jié)果如圖1所示。除極個(gè)別學(xué)生外,大多數(shù)學(xué)生都選擇了符合以及完全符合,說明該課程設(shè)計(jì)可以滿足教學(xué)要求。第二類問題總結(jié)學(xué)生在課程中獲取的知識(shí)能力,包括編程調(diào)試、理論知識(shí)應(yīng)用、信息獲取、技術(shù)文檔寫作、自主學(xué)習(xí)、分析問題、解決問題等,為多選題。從圖2可以看出,學(xué)生對(duì)各項(xiàng)能力的認(rèn)可率均超過50%,其中信息獲取、分析問題等能力的認(rèn)可率接近80%,說明該課程設(shè)計(jì)基本滿足教學(xué)目標(biāo)。

4 結(jié)語

智能科學(xué)與技術(shù)概論對(duì)智能專業(yè)學(xué)生的深入學(xué)習(xí)起到了重要的引導(dǎo)作用。我們根據(jù)自身的實(shí)際情況出發(fā),設(shè)計(jì)出適合該專業(yè)學(xué)生的課程設(shè)計(jì)安排。經(jīng)過兩輪的實(shí)施效果證明,該課程的設(shè)計(jì)方式比較適合學(xué)生。隨著課程的持續(xù),我們將不斷解決存在的問題,并編寫適合我校學(xué)生使用的教材。

參考文獻(xiàn):

[1]鐘義信,智能科學(xué)技術(shù)導(dǎo)論[M].北京:北京郵電大學(xué)出版社,2007.

[2] Edward FC,Johan M,Soren O.重新認(rèn)識(shí)工程教育:國際CDIO培養(yǎng)模式與方法[M].顧佩華,沈民奮,陸小華,譯.北京:高等教育出版社,2009.

第3篇:計(jì)算機(jī)視覺知識(shí)點(diǎn)范文

據(jù)統(tǒng)計(jì),2017年中國人工智能核心產(chǎn)業(yè)規(guī)模超過700億元,隨著各地人工智能建設(shè)的逐步啟動(dòng),預(yù)計(jì)到2020年,中國人工智能核心產(chǎn)業(yè)規(guī)模將超過1600億元,年復(fù)合增長(zhǎng)率將達(dá)31.7%。

隨著人工智能技術(shù)的不斷成熟,人工智能創(chuàng)業(yè)的難度逐步降低,越來越多的創(chuàng)業(yè)公司加入人工智能的陣營(yíng)。

2018年被稱為人工智能爆發(fā)的元年,人工智能技術(shù)應(yīng)用所催生的商業(yè)價(jià)值逐步凸顯。人工智能逐步切入到社會(huì)生活的方方面面,帶來生產(chǎn)效率及生活品質(zhì)的大幅提升。智能紅利時(shí)代開啟!資本、巨頭和創(chuàng)業(yè)公司紛紛涌入,將人工智能拉到了信息產(chǎn)業(yè)革命的風(fēng)口。

如何把握產(chǎn)業(yè)動(dòng)向,抓住風(fēng)口機(jī)會(huì)?創(chuàng)業(yè)邦研究中心憑借在人工智能等前言科技領(lǐng)域持續(xù)研究、洞察的能力,在對(duì)國內(nèi)人工智能創(chuàng)業(yè)公司進(jìn)行系統(tǒng)調(diào)研的基礎(chǔ)上,推出《2018中國人工智能白皮書》,對(duì)人工智能的核心技術(shù)、主要應(yīng)用領(lǐng)域、巨頭和創(chuàng)業(yè)公司的布局、未來發(fā)展態(tài)勢(shì)和投資機(jī)會(huì)進(jìn)行了深度解析。

第一部分人工智能行業(yè)發(fā)展概述

1.人工智能概念及發(fā)展

人工智能(Artificial Intelligence, AI)又稱機(jī)器智能,是指由人制造出來的機(jī)器所表現(xiàn)出來的智能,即通過普通計(jì)算機(jī)程序的手段實(shí)現(xiàn)的類人智能技術(shù)。

自1956年達(dá)特茅斯會(huì)議提出“人工智能”的概念以來,“人工智能”經(jīng)歷了寒冬與交替的起起伏伏60多年的發(fā)展歷程。2010年以后,深度學(xué)習(xí)的發(fā)展推動(dòng)語音識(shí)別、圖像識(shí)別和自然語言處理等技術(shù)取得了驚人突破,前所未有的人工智能商業(yè)化和全球化浪潮席卷而來。

人工智能發(fā)展歷程

2.人工智能產(chǎn)業(yè)鏈圖譜

人工智能產(chǎn)業(yè)鏈可以分為基礎(chǔ)設(shè)施層、應(yīng)用技術(shù)層和行業(yè)應(yīng)用層。

A基礎(chǔ)層,主要有基礎(chǔ)數(shù)據(jù)提供商、半導(dǎo)體芯片供應(yīng)商、傳感器供應(yīng)商和云服務(wù)商。

B技術(shù)層,主要有語音識(shí)別、自然語言處理、計(jì)算機(jī)視覺、深度學(xué)習(xí)技術(shù)提供商。

C應(yīng)用層,主要是把人工智能相關(guān)技術(shù)集成到自己的產(chǎn)品和服務(wù)中,然后切入特定場(chǎng)景。目前來看,自動(dòng)駕駛、醫(yī)療、安防、金融、營(yíng)銷等領(lǐng)域是業(yè)內(nèi)人士普遍比較看好方向。

人工智能產(chǎn)業(yè)鏈

資料來源:創(chuàng)業(yè)邦研究中心

第二部分人工智能行業(yè)巨頭布局

巨頭積極尋找人工智能落地場(chǎng)景,B、C 端全面發(fā)力。

資料來源:券商報(bào)告、互聯(lián)網(wǎng)公開信息,創(chuàng)業(yè)邦研究中心整理

第三部分機(jī)器視覺技術(shù)解讀及行業(yè)分析

1.機(jī)器視覺技術(shù)概念

機(jī)器視覺是指通過用計(jì)算機(jī)或圖像處理器及相關(guān)設(shè)備來模擬人類視覺,以讓機(jī)器獲得相關(guān)的視覺信息并加以理解,它是將圖像轉(zhuǎn)換成數(shù)字信號(hào)進(jìn)行分析處理的技術(shù)。

機(jī)器視覺的兩個(gè)組成部分

資料來源:互聯(lián)網(wǎng)公開信息,創(chuàng)業(yè)邦研究中心整理

2.發(fā)展關(guān)鍵要素:數(shù)據(jù)、算力和算法

數(shù)據(jù)、算力和算法是影響機(jī)器視覺行業(yè)發(fā)展的三要素。 人工智能正在像嬰兒一樣成長(zhǎng),機(jī)器不再只是通過特定的編程完成任務(wù),而是通過不斷學(xué)習(xí)來掌握本領(lǐng),這主要依賴高效的模型算法進(jìn)行大量數(shù)據(jù)訓(xùn)練,其背后需要具備高性能計(jì)算能力的軟硬件作為支撐。

深度學(xué)習(xí)出現(xiàn)后,機(jī)器視覺的主要識(shí)別方式發(fā)生重大轉(zhuǎn)變,自學(xué)習(xí)狀態(tài)成為視覺識(shí)別主流,即機(jī)器從海量數(shù)據(jù)里自行歸納特征,然后按照該特征規(guī)律使圖像識(shí)別的精準(zhǔn)度也得到極大的提升,從70%+提升到95%。

3.商業(yè)模式分析

機(jī)器視覺包括軟件平臺(tái)開發(fā)和軟硬件一體解決方案服務(wù)。整體用戶更偏向于B端。軟件服務(wù)提供商作為技術(shù)算法的驅(qū)動(dòng)者,其商業(yè)模式應(yīng)以“技術(shù)層+場(chǎng)景應(yīng)用”作為突破口。軟硬件一體化服務(wù)供應(yīng)商作為生態(tài)構(gòu)建者,適合以“全產(chǎn)業(yè)鏈生態(tài)+場(chǎng)景應(yīng)用”作為突破口,加速商業(yè)化。

(1)軟件服務(wù):技術(shù)算法驅(qū)動(dòng)者—“技術(shù)層+場(chǎng)景應(yīng)用”作為突破口

這種商業(yè)模式主要是提供以工程師為主的企業(yè)級(jí)軟件服務(wù)。有海量數(shù)據(jù)支撐,構(gòu)建起功能和信息架構(gòu)較為復(fù)雜的生態(tài)系統(tǒng),推動(dòng)最末端的消費(fèi)者體驗(yàn)。

此類商業(yè)模式成功關(guān)鍵因素:深耕算法和通用技術(shù),建立技術(shù)優(yōu)勢(shì),同時(shí)以場(chǎng)景應(yīng)用為入口,積累用戶軟件。視覺軟件服務(wù)按處理方式和存儲(chǔ)位置的不同可分為在線API、離線SDK、私有云等。

國內(nèi)外基礎(chǔ)算法應(yīng)用對(duì)比

資料來源:互聯(lián)網(wǎng)公開信息,創(chuàng)業(yè)邦研究中心整理

(2)軟硬件一體化:生態(tài)構(gòu)建者—“全產(chǎn)業(yè)鏈生態(tài)+場(chǎng)景應(yīng)用”作為突破口

軟硬一體化的商業(yè)模式是一種“終端+軟件+服務(wù)”全產(chǎn)業(yè)鏈體系。成功的因素是大量算力投入,海量?jī)?yōu)質(zhì)數(shù)據(jù)積累,建立算法平臺(tái)、通用技術(shù)平臺(tái)和應(yīng)用平臺(tái),以場(chǎng)景為入口,積累用戶。亮點(diǎn)是打造終端、操作系統(tǒng)、應(yīng)用和服務(wù)一體化的生態(tài)系統(tǒng),各部分相輔相承,銳化企業(yè)競(jìng)爭(zhēng)力,在產(chǎn)業(yè)鏈中擁有更多話語權(quán)。

4.投資方向

(1)前端智能化,低成本的視覺解決模塊或設(shè)備

從需求層面講,一些場(chǎng)景對(duì)實(shí)時(shí)響應(yīng)是有很高要求的。提供某些前端就本身有一定計(jì)算能力的低成本的視覺模塊和設(shè)備將有很大市場(chǎng)需求。前置計(jì)算讓前端設(shè)備成為數(shù)據(jù)采集設(shè)備和數(shù)據(jù)處理單元的合體,一方面提升了處理速度,另一方面可以處理云端難以解決的問題。

機(jī)器視覺在消費(fèi)領(lǐng)域落地的一個(gè)障礙是支持高性能運(yùn)算的低功耗、低價(jià)位芯片選擇太少。從低功耗、高運(yùn)算能力的芯片出發(fā),結(jié)合先進(jìn)的算法開發(fā)模塊和產(chǎn)品,這類企業(yè)將在機(jī)器視覺領(lǐng)域擁有核心競(jìng)爭(zhēng)力。

(2)深度學(xué)習(xí)解決視覺算法場(chǎng)景的專用芯片

以AI芯片方式作為視覺處理芯片有相當(dāng)大的市場(chǎng)空間。以手勢(shì)識(shí)別為例,傳統(tǒng)的識(shí)別方案大都基于顏色空間,如 RGB,HSV ,YCrBr,無法排除類膚色物體及黑色皮膚對(duì)識(shí)別精度的干擾。借助深度學(xué)習(xí),如通過 R-CNN 訓(xùn)練大量標(biāo)注后的手勢(shì)圖像數(shù)據(jù),得到的模型在處理帶有復(fù)雜背景及暗光環(huán)境下的手勢(shì)識(shí)別問題時(shí),比傳統(tǒng)方案的效果好很多。

(3)新興服務(wù)領(lǐng)域的特殊應(yīng)用

前沿技術(shù)帶來的新領(lǐng)域(如無人車、服務(wù)機(jī)器人、谷歌眼鏡等),對(duì)機(jī)器視覺提出了新要求。機(jī)器視覺可以讓機(jī)器人在多種場(chǎng)合實(shí)現(xiàn)應(yīng)用。服務(wù)機(jī)器人與工業(yè)機(jī)器人最大的區(qū)別就是多維空間的應(yīng)用。目前國內(nèi)的機(jī)器視覺,涉及三維空間、多維空間,其技術(shù)基本上處在初始階段,未來存在較大市場(chǎng)增長(zhǎng)空間。

(4)數(shù)據(jù)是爭(zhēng)奪要點(diǎn),應(yīng)用場(chǎng)景是著力關(guān)鍵

機(jī)器視覺的研究雖然始于學(xué)術(shù)界,但作為商業(yè)應(yīng)用,能解決實(shí)際問題才是核心的競(jìng)爭(zhēng)力。當(dāng)一家公司先天能夠獲得大量連續(xù)不斷的優(yōu)質(zhì)場(chǎng)景數(shù)據(jù),又有挖掘該數(shù)據(jù)價(jià)值的先進(jìn)技術(shù)時(shí),商業(yè)模式和數(shù)據(jù)模式上就能形成協(xié)同效應(yīng)。創(chuàng)業(yè)公司要么通過自有平臺(tái)獲取數(shù)據(jù),要么選擇與擁有數(shù)據(jù)源的公司進(jìn)行合作,同時(shí)選擇一個(gè)商業(yè)落地的方向,實(shí)現(xiàn)快速的數(shù)據(jù)循環(huán)。

第四部分智能語言技術(shù)解讀及行業(yè)分析

1.語音識(shí)別技術(shù)

(1)語音識(shí)別技術(shù)已趨成熟,全球應(yīng)用持續(xù)升溫

語音識(shí)別技術(shù)已趨成熟,全球應(yīng)用持續(xù)升溫。語音識(shí)別技術(shù)經(jīng)歷了長(zhǎng)達(dá)60年的發(fā)展,近年來機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)的引入,使得語音識(shí)別的準(zhǔn)確率提升到足以在實(shí)際場(chǎng)景中應(yīng)用。深度神經(jīng)網(wǎng)絡(luò)逐步找到模型結(jié)構(gòu)和調(diào)參算法來替代或結(jié)合高斯混合算法和HMM算法,在識(shí)別率上取得突破。根據(jù)Google Trends統(tǒng)計(jì),自2008年iPhone及谷歌語音搜索推出以來語音搜索增長(zhǎng)超35倍。百度人工智能專家吳恩達(dá)預(yù)測(cè),2020年語音及圖像搜索占比有望達(dá)到50%。Echo熱銷超過400萬,帶動(dòng)智能音箱熱潮。

(2)語音識(shí)別進(jìn)入巨頭崛起時(shí)代,開放平臺(tái)擴(kuò)大生態(tài)圈成主流

語音識(shí)別即將進(jìn)入大規(guī)模產(chǎn)業(yè)化時(shí)代。隨著亞馬遜Echo的大賣,語音交互技術(shù)催生的新商機(jī),吸引大大小小的公司構(gòu)建自己主導(dǎo)的語音生態(tài)產(chǎn)業(yè)鏈。各大公司紛紛開放各自的智能語音平臺(tái)和語音能力,欲吸引更多玩家進(jìn)入他們的生態(tài)系統(tǒng)。

(3)語音識(shí)別技術(shù)發(fā)展瓶頸與趨勢(shì)

低噪聲語料下的高識(shí)別率在現(xiàn)實(shí)環(huán)境使用中會(huì)明顯下降到70-80%,遠(yuǎn)場(chǎng)識(shí)別、復(fù)雜噪聲環(huán)境和特異性口音的識(shí)別是下一個(gè)階段需要解決的問題。

麥克風(fēng)陣列類前端技術(shù)不僅是通過降噪和聲源定位帶來識(shí)別率的提高,帶環(huán)境音的語料的搜集、標(biāo)注可用于模型的訓(xùn)練,有助于打造更新一代的語音識(shí)別引擎技術(shù)。語音巨頭已經(jīng)在布局。

在IOT包括車載領(lǐng)域,云端識(shí)別并非通行的最優(yōu)方案,把識(shí)別引擎結(jié)合場(chǎng)景進(jìn)行裁剪后往芯片端遷徙是工程化發(fā)展的方向。

2.自然語言處理(NLP)發(fā)展現(xiàn)狀

(1)多技術(shù)融合應(yīng)用促進(jìn)NLP技術(shù)及應(yīng)用的發(fā)展

深度學(xué)習(xí)、算力和大數(shù)據(jù)的爆發(fā)極大促進(jìn)了自然語言處理技術(shù)的發(fā)展。深度學(xué)習(xí)在某些語言問題上正在取得很大的突破,比如翻譯和寫作。2014年開始LSTM、Word2Vec以及Attention Model等技術(shù)研究的進(jìn)展,使DL有了路徑在語義理解領(lǐng)域取得突破,并且已經(jīng)有了明顯的進(jìn)展。對(duì)話、翻譯、寫作新技術(shù)成果里都開始逐漸混合入DL的框架。2014-2015年,硅谷在語義理解領(lǐng)域的投資熱度劇增。

深度學(xué)習(xí)能最大程度發(fā)揮對(duì)大數(shù)據(jù)和算力資源的利用,語義理解的發(fā)展還需要深度學(xué)習(xí)、搜索算法、知識(shí)圖譜、記憶網(wǎng)絡(luò)等知識(shí)的協(xié)同應(yīng)用,應(yīng)用場(chǎng)景越明確(如客服/助理),邏輯推理要求越淺(如翻譯),知識(shí)圖譜領(lǐng)域越成熟(如數(shù)據(jù)飽和度和標(biāo)準(zhǔn)性較強(qiáng)的行業(yè)),技術(shù)上實(shí)現(xiàn)可能性相對(duì)較低。在各種技術(shù)融合應(yīng)用發(fā)展的情況下,具備獲取一定優(yōu)質(zhì)數(shù)據(jù)資源能力并可結(jié)合行業(yè)Domain knowledge構(gòu)建出技術(shù)、產(chǎn)品、用戶反饋閉環(huán)的企業(yè)會(huì)有更好的發(fā)展機(jī)會(huì)。

(2)NLP主要應(yīng)用場(chǎng)景

問答系統(tǒng)。問答系統(tǒng)能用準(zhǔn)確、簡(jiǎn)潔的自然語言回答用戶用自然語言提出的問題?;竟ぷ髟硎窃诰€做匹配和排序。比如 IBM 的 Watson,典型的辦法是把問答用FAQ索引起來,與搜索引擎相似。對(duì)每一個(gè)新問題進(jìn)行檢索,再將回答按匹配度進(jìn)行排序,把最有可能的答案排在前面,往往就取第一個(gè)作為答案返回給用戶。

圖像檢索。同樣也是基于深度學(xué)習(xí)技術(shù),跨模態(tài)地把文本和圖片聯(lián)系起來。

機(jī)器翻譯。機(jī)器翻譯的歷史被認(rèn)為與自然語言處理的歷史是一樣的。最近,深度學(xué)習(xí)被成功地運(yùn)用到機(jī)器翻譯里,使得機(jī)器翻譯的準(zhǔn)確率大幅度提升。

對(duì)話系統(tǒng)。對(duì)話系統(tǒng)的回復(fù)是完全開放的,要求機(jī)器能準(zhǔn)確地理解問題,并且基于自身的知識(shí)系統(tǒng)和對(duì)于對(duì)話目標(biāo)的理解,去生成一個(gè)回復(fù)。

(3)創(chuàng)業(yè)公司的機(jī)遇

1)機(jī)器翻譯方面:經(jīng)過多年的探索,機(jī)器翻譯的水平已經(jīng)得到大幅度提升,在很多垂直領(lǐng)域已經(jīng)能夠在相當(dāng)大程度上替代一部分人工,機(jī)器翻譯技術(shù)的商業(yè)化應(yīng)用已經(jīng)開始進(jìn)入大規(guī)模爆發(fā)的前夜。

2)應(yīng)用于垂直領(lǐng)域的自然語言處理技術(shù)

避開巨頭們對(duì)語音交互入口的競(jìng)爭(zhēng),以某一細(xì)分行業(yè)為切入點(diǎn),深耕垂直領(lǐng)域,對(duì)創(chuàng)業(yè)公司也是一個(gè)不錯(cuò)的選擇。

第五部分人工智能在金融行業(yè)的應(yīng)用分析

人工智能產(chǎn)業(yè)鏈包含基礎(chǔ)層、技術(shù)層、應(yīng)用層三個(gè)層面。基礎(chǔ)層的大數(shù)據(jù)、云計(jì)算等細(xì)分技術(shù)被應(yīng)用到金融征信、保險(xiǎn)、理財(cái)管理、支付等金融細(xì)分領(lǐng)域;技術(shù)層的機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與知識(shí)圖譜應(yīng)用于金融領(lǐng)域的征信與反欺詐、智能投顧、智能量化交易,計(jì)算機(jī)視覺與生物識(shí)別應(yīng)用于金融領(lǐng)域的身份識(shí)別,語音識(shí)別及自然語言處理應(yīng)用于金融領(lǐng)域的智能客服、智能投研;應(yīng)用層的認(rèn)知智能應(yīng)用于金融領(lǐng)域的智能風(fēng)控。

人工智能在金融行業(yè)的典型應(yīng)用情況

資料來源:創(chuàng)業(yè)邦研究中心

第六部分人工智能在醫(yī)療行業(yè)的應(yīng)用分析

1.人工智能在醫(yī)療行業(yè)的應(yīng)用圖譜

人工智能在醫(yī)療行業(yè)的應(yīng)用潛力巨大,目前在健康管理、輔助診療、虛擬助理、醫(yī)學(xué)影像、智能化器械、藥物挖掘和醫(yī)院管理等領(lǐng)域均有企業(yè)在布局,其中醫(yī)學(xué)影像、藥物挖掘、健康管理,輔助診療、虛擬助理的應(yīng)用發(fā)展速度較快。

圖 人工智能在醫(yī)療行業(yè)的應(yīng)用圖譜

資料來源:創(chuàng)業(yè)邦研究中心

2.人工智能在醫(yī)療行業(yè)的具體應(yīng)用場(chǎng)景

醫(yī)學(xué)影像。人工智能應(yīng)用于醫(yī)學(xué)影像,通過深度學(xué)習(xí),實(shí)現(xiàn)機(jī)器對(duì)醫(yī)學(xué)影像的分析判斷,是協(xié)助醫(yī)生完成診斷、治療工作的一種輔助工具,幫助更快的獲取影像信息,進(jìn)行定性定量分析,提升醫(yī)生看圖/讀圖的效率,協(xié)助發(fā)現(xiàn)隱藏病灶。 人工智能通過影像分類、目標(biāo)檢測(cè)、圖像分割、圖像檢索等方式,完成病灶識(shí)別與標(biāo)注,三維重建,靶區(qū)自動(dòng)勾畫與自適應(yīng)放療等功能,應(yīng)用在疾病的篩查、診斷和治療階段。目前較為火熱的應(yīng)用有肺部篩查、糖網(wǎng)篩查、腫瘤診斷和治療等。

藥物挖掘。人工智能在藥物研發(fā)上的應(yīng)用可總結(jié)為臨床前和臨床后兩個(gè)階段。臨床前階段:將深度學(xué)習(xí)技術(shù)應(yīng)用于藥物臨床前研究,在計(jì)算機(jī)上模擬藥物篩選的過程,包括靶點(diǎn)選擇、藥效和晶型分析等,預(yù)測(cè)化合物的活性、穩(wěn)定性和副作用,快速 、準(zhǔn)確地挖掘和篩選合適的化合物或生物,提高篩選效率,優(yōu)化構(gòu)效關(guān)系。臨床后階段:針對(duì)臨床試驗(yàn)的不同階段,利用人工智能技術(shù)對(duì)患者病歷進(jìn)行分析,迅速篩選符合條件的被試者,監(jiān)測(cè)管理臨床試驗(yàn)過程中的患者服藥依從性和數(shù)據(jù)收集過程,提高臨床試驗(yàn)的準(zhǔn)確性。

虛擬助理。醫(yī)療虛擬助理是基于醫(yī)療領(lǐng)域的知識(shí)系統(tǒng),通過人工智能技術(shù)實(shí)現(xiàn)人機(jī)交互,從而在就醫(yī)過程中,承擔(dān)診前問詢、診中記錄等工作,成為醫(yī)務(wù)人員的合作伙伴,使醫(yī)生有更多時(shí)間可以與患者互動(dòng)。醫(yī)療虛擬助理根據(jù)參與就醫(yī)過程的功能不同,主要有智能導(dǎo)診分診,智能問診,用藥咨詢和語音電子病歷等方向。

第七部分智能駕駛行業(yè)分析

1.智能駕駛行業(yè)產(chǎn)業(yè)鏈

智能駕駛行業(yè)的中心業(yè)務(wù)是以Google、百度為代表的智能駕駛操縱解決方案提供商和以特斯拉、蔚來為代表的成車廠商。該類廠商,上接上游軟硬件提供商,下接公司和消費(fèi)者,在整個(gè)業(yè)務(wù)鏈中扮演至關(guān)重要的一環(huán)。

產(chǎn)業(yè)鏈上游廠商多為細(xì)分技術(shù)提供商,如深度學(xué)習(xí)、人機(jī)交互、圖像識(shí)別和新材料、新制造新能源等。

智能駕駛產(chǎn)業(yè)鏈圖譜

資料來源:創(chuàng)業(yè)邦研究中心

2.智能駕駛市場(chǎng)分析

伴隨著 ADAS 技術(shù)的不斷更新,推斷全球 L1-L5 智能駕駛市場(chǎng)的滲透率會(huì)在接下來 5年內(nèi)處于高速滲透期,然 后伴隨半無人駕駛的普及進(jìn)入穩(wěn)速增長(zhǎng)期。在未來的 2025 年無人駕駛放量階段后,依賴全產(chǎn)業(yè)鏈的配合而進(jìn)入市場(chǎng)成熟期。預(yù)測(cè)到2030年,全球 L4/5 級(jí)別的自動(dòng)駕駛車輛滲透率將達(dá)到 15%,單車應(yīng)用成本的顯著提升之 外,從 L1-L4 級(jí)別的智能駕駛功能全面滲透為汽車產(chǎn)業(yè)帶來全面的市場(chǎng)機(jī)會(huì)。

按照 IHS Automotive 保守估計(jì),全球 L4/L5 自動(dòng)駕駛汽車產(chǎn)量在 2025 年將接近 60 萬輛,并在 2025- 2035 年間獲得高速發(fā)展,年復(fù)合增長(zhǎng)率將達(dá)到43%,并在2035年達(dá)到2100萬輛。另有接近 7600 萬輛的汽車具備部分自動(dòng)駕駛功能,同時(shí)會(huì)帶動(dòng)產(chǎn)業(yè)鏈衍生市場(chǎng)的大規(guī)模催化擴(kuò)張。

根據(jù)獨(dú)立市場(chǎng)調(diào)研機(jī)構(gòu) Strategy Engineers 的預(yù)測(cè),L4 高度自動(dòng)駕駛等級(jí)下,自動(dòng)駕駛零部件成本約在 3100 美元/車,其中硬件占比 45%,軟件占比 30%,系統(tǒng)整合占比 14%,車聯(lián)網(wǎng)部分占比 11%。按照全球 1 億輛量 產(chǎn)規(guī)模計(jì)算,理想假設(shè)所有車輛全部達(dá)到 L4 高度自動(dòng)駕駛水平,那么全球自動(dòng)駕駛零部件市場(chǎng)規(guī)模在 2020 年 將達(dá)到 3100 億美元。

第八部分中國人工智能企業(yè)畫像分析

隨著人工智能技術(shù)的不斷成熟,人工智能創(chuàng)業(yè)的難度逐步降低。創(chuàng)新的大門吸引眾多創(chuàng)業(yè)企業(yè)進(jìn)入。為了觀察行業(yè)風(fēng)向,助力創(chuàng)新企業(yè)發(fā)展,創(chuàng)業(yè)邦研究中心對(duì)國內(nèi)200多家人工智能創(chuàng)業(yè)公司進(jìn)行了系統(tǒng)調(diào)研,從發(fā)展能力、創(chuàng)新能力、融資能力等多維度指標(biāo),評(píng)選出“2018中國人工智能創(chuàng)新成長(zhǎng)企業(yè)50強(qiáng)”。

地域分布

全國88%的人工智能企業(yè)聚集在北京、上海、廣東和江蘇。其中,北京人工智能企業(yè)最多,占比高達(dá)39.66%;其次是上海,人工智能企業(yè)占比達(dá)21.55%;位列第三的是廣東,人工智能企業(yè)占達(dá)15.52%。北京以領(lǐng)先全國其他地區(qū)的政策環(huán)境、人才儲(chǔ)備、產(chǎn)業(yè)基礎(chǔ)、資本支持等,成為人工智能創(chuàng)業(yè)首要陣地;華東地區(qū)的上海、江蘇、浙江均有良好的經(jīng)濟(jì)基礎(chǔ)和科技實(shí)力,人工智能應(yīng)用實(shí)力雄厚,也聚集了一批人工智能垂直產(chǎn)業(yè)園;廣東互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)達(dá),企業(yè)對(duì)數(shù)據(jù)需求強(qiáng)烈,依靠大數(shù)據(jù)產(chǎn)業(yè)鏈推動(dòng)人工智能產(chǎn)業(yè)發(fā)展。

行業(yè)分布

從行業(yè)大類分布來看,行業(yè)應(yīng)用層的企業(yè)占比最大,為56.03%;其次是應(yīng)用技術(shù)層的企業(yè),占比達(dá)31.04%;基礎(chǔ)技術(shù)層的企業(yè)占比最小,僅為12.93%。隨著人工智能技術(shù)的發(fā)展,人工智能與場(chǎng)景深度融合,應(yīng)用領(lǐng)域不斷擴(kuò)展,行業(yè)應(yīng)用公司比重不斷提升。在基礎(chǔ)層技術(shù)方面,國際IT巨頭占據(jù)行業(yè)領(lǐng)先地位, 國內(nèi)與國際差距明顯,中小初創(chuàng)企業(yè)很難進(jìn)入。

從行業(yè)應(yīng)用來看,智能金融企業(yè)占比最大,為16.92%;其次是機(jī)器人企業(yè),占比達(dá)15.38%;位列第三的是智能駕駛和智能教育,占比均為12.31%。金融行業(yè)的強(qiáng)數(shù)據(jù)導(dǎo)向?yàn)槿斯ぶ悄艿穆涞靥峁┝水a(chǎn)業(yè)基礎(chǔ),智慧金融被列入國家發(fā)展規(guī)劃中,龐大的金融市場(chǎng)為人工智能落地帶來了發(fā)展前景。機(jī)器人作為人工智能產(chǎn)業(yè)落地輸出, 目前市場(chǎng)需求較大,商業(yè)機(jī)器人占據(jù)較大份額。中國智能駕駛市場(chǎng)在資本推動(dòng)下進(jìn)入者較多,企業(yè)積極推動(dòng)應(yīng)用落地,百度、北汽等大型企業(yè)嘗試商業(yè)化落地智能駕駛汽車。人工智能推動(dòng)教育個(gè)性化落地,相關(guān)初創(chuàng)企業(yè)涉入教育藍(lán)海,推動(dòng)智慧教育的發(fā)展。

收入情況

收入分布在500-10000萬之間的企業(yè)最多,占比達(dá)49.14%;500萬以下的企業(yè)位居其次,占比達(dá) 26.72%;位列第三的是10000-100000萬之間的企業(yè),占比為17.24%。

最新估值

企業(yè)最新估值均在億元級(jí)別,且分布較為均衡。三成企業(yè)估值超過15億元,還有企業(yè)估值達(dá)到百億級(jí)別,如優(yōu)必

選科技、達(dá)闥科技和商湯科技等,將來或?qū)④Q身人工智能獨(dú)角獸企業(yè)。(備注:分析樣本量剔除一半未披露企業(yè))

第九部分典型企業(yè)案例分析

1.Atman

企業(yè)概述

Atman由來自微軟的人工智能科學(xué)家和產(chǎn)業(yè)經(jīng)驗(yàn)豐富的產(chǎn)品團(tuán)隊(duì)創(chuàng)辦,提供專業(yè)領(lǐng)域機(jī)器翻譯、機(jī)器寫作、知識(shí)圖譜、大數(shù)據(jù)智能采集挖掘等語言智能產(chǎn)品,致力于成為醫(yī)學(xué)、新聞、法律等專業(yè)領(lǐng)域語言智能專家,為專業(yè)領(lǐng)域用戶賦能,推動(dòng)專業(yè)領(lǐng)域用戶進(jìn)入人工智能時(shí)代,助力專業(yè)領(lǐng)域文字智能水平實(shí)現(xiàn)跨越式提升。Atman已為強(qiáng)生、新華社參考消息、北大法寶、君合律師事務(wù)所等世界領(lǐng)先藥企、新聞媒體、法律服務(wù)機(jī)構(gòu)開發(fā)機(jī)器翻譯、機(jī)器寫作、知識(shí)圖譜、大數(shù)據(jù)智能采集挖掘等語言智能產(chǎn)品。

目前Atman在北京和蘇州兩地運(yùn)營(yíng),能快速響應(yīng)全國各地客戶需求。

企業(yè)團(tuán)隊(duì)

創(chuàng)始人&CEO:馬磊

清華大學(xué)計(jì)算機(jī)系畢業(yè),曾先后在微軟研究院和工程院擔(dān)任研究員和架構(gòu)師,機(jī)器學(xué)習(xí)專家、多次創(chuàng)業(yè)者、曾主導(dǎo)多項(xiàng)人工智能重大項(xiàng)目,和申請(qǐng)國際專利共計(jì)15+項(xiàng)。

Atman公司核心團(tuán)隊(duì)由來自微軟、百度、法電等領(lǐng)域高端人才和資深技術(shù)人才組成,公司員工40人,其中碩士以上學(xué)歷占比60%,技術(shù)開發(fā)人員占比70%,一半以上來自微軟亞洲研究院和工程院。

核心技術(shù)與產(chǎn)品

技術(shù)方面,擅長(zhǎng)機(jī)器學(xué)習(xí)(深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、群體智能)在復(fù)雜問題的應(yīng)用,和國際專利15項(xiàng),Atman神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯系統(tǒng)于2016年9月首秀,早于谷歌的GNMT,專業(yè)領(lǐng)域翻譯效果在公測(cè)標(biāo)準(zhǔn)和行業(yè)客戶測(cè)試中均持續(xù)領(lǐng)先。核心產(chǎn)品為垂直領(lǐng)域機(jī)器翻譯、機(jī)器寫作、知識(shí)圖譜抽取構(gòu)建、大數(shù)據(jù)智能挖掘等語言智能產(chǎn)品。

Atman的機(jī)器翻譯產(chǎn)品可自動(dòng)翻譯編輯專業(yè)文獻(xiàn)、報(bào)告、音視頻和網(wǎng)頁,支持私有部署和云端混合部署,提供包括數(shù)據(jù)隱私安全以及自學(xué)習(xí)的端到端解決方案。

機(jī)器寫作可對(duì)海量數(shù)據(jù)進(jìn)行快速搜索、過濾、聚類,根據(jù)行業(yè)需求自動(dòng)生成專業(yè)文檔,適用于所有專業(yè)寫作場(chǎng)景,可大幅減少專業(yè)報(bào)告寫作過程中的繁復(fù)工作,大幅提升專業(yè)領(lǐng)域?qū)懽餍省?/p>

知識(shí)圖譜可實(shí)現(xiàn)海量數(shù)據(jù)的語義檢索、長(zhǎng)鏈推理、意圖識(shí)別、因果分析,形成一個(gè)全局知識(shí)庫。大數(shù)據(jù)智能采集挖掘系統(tǒng)為專業(yè)領(lǐng)域用戶提供智能數(shù)據(jù)源管理、海量專業(yè)數(shù)據(jù)獲取和非結(jié)構(gòu)化數(shù)據(jù)自動(dòng)解析并結(jié)合知識(shí)圖譜提供auto-screening、知識(shí)重構(gòu)、專業(yè)決策輔助,幫助用戶建立強(qiáng)大的以專業(yè)大數(shù)據(jù)為基礎(chǔ)的業(yè)務(wù)輔助能力。

2.黑芝麻

企業(yè)概述

黑芝麻智能科技有限公司是一家視覺感知核心技術(shù)與應(yīng)用軟件開發(fā)企業(yè),2016年分別在美國硅谷和上海成立研發(fā)中心,主攻領(lǐng)域?yàn)榍度胧綀D像、計(jì)算機(jī)視覺,公司核心業(yè)務(wù)是提供基于圖像處理、計(jì)算圖像以及人工智能的嵌入式視覺感知平臺(tái),為ADAS及自動(dòng)駕駛提供完整的視覺感知方案。

目前公司和博世、滴滴、蔚來、上汽、上汽大通、EVCARD、中科創(chuàng)達(dá)、車聯(lián)天下和云樂新能源等展開深入合作,提供基于視覺的感知方案;除此之外,公司還在消費(fèi)電子、智能家居等領(lǐng)域布局為智能終端提供視覺解決方案。目前公司已經(jīng)完成A+輪融資。

企業(yè)團(tuán)隊(duì)

團(tuán)隊(duì)核心成員來自于OmniVision、博世、安霸、英偉達(dá)和高通等知名企業(yè),平均擁有超過15年以上的產(chǎn)業(yè)經(jīng)驗(yàn),畢業(yè)于清華、交大、中科大和浙大等知名高校。

創(chuàng)始人&CEO:?jiǎn)斡浾麓饲霸诠韫纫患胰蝽敿獾膱D像傳感器公司工作近20年,離職前擔(dān)任該公司的技術(shù)副總裁一職,工作內(nèi)容覆蓋了圖像傳感器研發(fā)和設(shè)計(jì)、圖像處理算法研發(fā)和圖像處理芯片設(shè)計(jì)。

核心技術(shù)和產(chǎn)品

在汽車領(lǐng)域,黑芝麻可提供車內(nèi)監(jiān)控方案(DMS),自動(dòng)泊車方案(AVP),ADAS/自動(dòng)駕駛感知平臺(tái)方案。黑芝麻智能科技提供的解決方案包括算法和芯片兩個(gè)核心部分:黑芝麻感知算法從基礎(chǔ)的控光技術(shù),到面向AI的圖像處理技術(shù)出發(fā)來提高成像質(zhì)量,以及應(yīng)用深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練,結(jié)合視頻處理和壓縮技術(shù),形成從傳感器端到應(yīng)用端的處理過程;黑芝麻芯片平臺(tái)采用獨(dú)有的神經(jīng)網(wǎng)絡(luò)架構(gòu),包括獨(dú)有的圖像處理,視頻壓縮和計(jì)算機(jī)視覺模塊,與黑芝麻視覺算法結(jié)合,采用16nm制程,設(shè)計(jì)功耗2.5w,每秒浮點(diǎn)計(jì)算達(dá)20T。

3.乂學(xué)教育

企業(yè)概述

乂學(xué)教育,成立于2014年,是一家網(wǎng)絡(luò)教育培訓(xùn)機(jī)構(gòu),采用人工智能和大數(shù)據(jù)技術(shù),為學(xué)生提供量身定制學(xué)習(xí)解決方案和個(gè)性化學(xué)習(xí)內(nèi)容。核心團(tuán)隊(duì)來自美國Knewton、Realizeit、ALEKS等人工智能教育公司,銷售團(tuán)隊(duì)有全國40億toC銷售額的經(jīng)驗(yàn)。

企業(yè)自主研發(fā)了針對(duì)中國K12領(lǐng)域的學(xué)生智適應(yīng)學(xué)習(xí)產(chǎn)品,其核心部分是以高級(jí)算法為核心的智適應(yīng)學(xué)習(xí)引擎“松鼠AI”,該產(chǎn)品擁有完整自主知識(shí)產(chǎn)權(quán),能夠模擬真實(shí)特級(jí)教師教學(xué)。企業(yè)發(fā)表的學(xué)術(shù)論文得到了全球國際學(xué)術(shù)會(huì)議AIED、CSEDU、UMAP認(rèn)可,并在紐約設(shè)計(jì)了人工智能教育實(shí)驗(yàn)室,與斯坦福國際研究院(SRI)在硅谷成立了人工智能聯(lián)合實(shí)驗(yàn)室。

主要產(chǎn)品

學(xué)生智適應(yīng)學(xué)習(xí)是以學(xué)生為中心的智能化、個(gè)性化教育,在教、學(xué)、評(píng)、測(cè)、練等教學(xué)過程中應(yīng)用人工智能技術(shù),在模擬優(yōu)秀教師的基礎(chǔ)之上,達(dá)到超越真人教學(xué)的目的。該產(chǎn)品性價(jià)比高,以人工智能+真人教師的模式,做到因材施教,有效解決傳統(tǒng)教育課時(shí)費(fèi)用高,名師資源少,學(xué)習(xí)效率低等問題。

智適應(yīng)學(xué)習(xí)人工智能系統(tǒng)

智適應(yīng)學(xué)習(xí)人工智能系統(tǒng)模擬特級(jí)教師,采用圖論、概率圖模型,機(jī)器學(xué)習(xí)完成知識(shí)點(diǎn)拆分和個(gè)人學(xué)習(xí)畫像,采用神經(jīng)網(wǎng)絡(luò)、邏輯斯蒂回歸和遺傳算法為學(xué)生實(shí)時(shí)動(dòng)態(tài)推薦最佳學(xué)習(xí)路徑,實(shí)現(xiàn)個(gè)性化教育。

業(yè)務(wù)模式

線上與線下,2B和2C相結(jié)合。以松鼠AI智適應(yīng)系統(tǒng)教學(xué)為主,真人教師輔助,學(xué)生通過互聯(lián)網(wǎng)在線上學(xué)習(xí)課程。開創(chuàng)教育新零售模式,授權(quán)線下合作學(xué)校,已在全國100多個(gè)城市開設(shè)500多家學(xué)校。

4.云從科技

企業(yè)概述

云從科技成立于2015年4月,是一家孵化于中國科學(xué)院重慶研究院的高科技企業(yè),專注于計(jì)算機(jī)視覺與人工智 能。云從科技是人工智能行業(yè)國家隊(duì),是中科院戰(zhàn)略先導(dǎo)項(xiàng)目人臉識(shí)別團(tuán)隊(duì)唯一代表,唯一一家同時(shí)受邀制定人 臉識(shí)別國家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)的企業(yè)。2018年,云從科技成為祖國“一帶一路”戰(zhàn)略實(shí)行路上的人工智能先鋒,與 非洲南部第二大經(jīng)濟(jì)體津巴布韋政府完成簽約。

云從科技奠定了行業(yè)領(lǐng)導(dǎo)地位: 國家肯定,國家發(fā)改委2017、2018年人工智能重大工程承建單位;頂層設(shè)計(jì),唯一同時(shí)制定國標(biāo)、部標(biāo)和行標(biāo)的人工智能企業(yè);模式創(chuàng)新,三大平臺(tái)解決方案,科學(xué)家平臺(tái)、核心技術(shù)平臺(tái)和行業(yè)應(yīng)用平臺(tái)。

企業(yè)核心團(tuán)隊(duì)

創(chuàng)始人

周曦博士,師從四院院士、計(jì)算機(jī)視覺之父—ThomasS.Huan黃煦濤教授,專注于人工智能識(shí)別領(lǐng)域的計(jì)算機(jī)視覺 研究。入選中科院“百人計(jì)劃”,曾任中國科學(xué)院重慶研究院信息所副所長(zhǎng)、智能多媒體技術(shù)研究中心主任。

周曦博士帶領(lǐng)團(tuán)隊(duì)曾在計(jì)算機(jī)視覺識(shí)別、圖像識(shí)別、音頻檢測(cè)等國際挑戰(zhàn)賽中7次奪冠;在國際頂級(jí)會(huì)議、雜志 上發(fā)表60余篇文章,被引用上千次。

核心技術(shù)團(tuán)隊(duì)

云從科技依托美國UIUC和硅谷兩個(gè)前沿實(shí)驗(yàn)室,中科院、上海交大兩個(gè)聯(lián)合實(shí)驗(yàn)室上海、廣州、重慶、成都四 個(gè)研發(fā)中心組成的三級(jí)研發(fā)架構(gòu)。目前研發(fā)團(tuán)隊(duì)已經(jīng)超過300人,80%以上擁有碩士學(xué)歷。

技術(shù)優(yōu)勢(shì)

全方位多維智能學(xué)習(xí)模塊適應(yīng)不同場(chǎng)景要求;模塊化設(shè)計(jì)為在工業(yè)視覺、醫(yī)學(xué)影像、自動(dòng)駕駛AR等領(lǐng)域擴(kuò)展打下良好基礎(chǔ)。

云從科技具有高技術(shù)壁壘:世界智能識(shí)別挑戰(zhàn)賽成績(jī)斐然,在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微軟全球圖像識(shí)別挑戰(zhàn)賽上共計(jì)奪得7次世界冠軍;在銀行、公安等行業(yè)智能識(shí)別技術(shù) PK實(shí)戰(zhàn)中,85次獲得第一;2018年,云從科技入選MIT全球十大突破性技術(shù)代表企業(yè)。

在跨鏡追蹤(ReID)技術(shù)上取得重大突破。Market-1501,DukeMTMC-reID,CUHK03三個(gè)數(shù)據(jù)同時(shí)集體刷 新世界記錄, Market-1501上的首位命中率達(dá)到96.6%,首次達(dá)到商用水平。

正式在國內(nèi)“3D結(jié)構(gòu)光人臉識(shí)別技術(shù)”,可全面應(yīng)用于手機(jī)、電腦、機(jī)具、設(shè)備、家電。相較以往的2D人 臉識(shí)別及以紅外活體檢測(cè)技術(shù),3D結(jié)構(gòu)光人臉識(shí)別技術(shù)擁有不需要用戶進(jìn)行任何動(dòng)作配合完成活體驗(yàn)證的功能, 分析時(shí)間壓縮到了毫秒級(jí)以及不受環(huán)境光線強(qiáng)弱的影響等諸多優(yōu)點(diǎn),受到國際巨頭公司的關(guān)注。

行業(yè)應(yīng)用

目前國內(nèi)有能力自建系統(tǒng)的銀行約為148家。截止2018年3月15日,已經(jīng)完成招標(biāo)的銀行約為121家,其中云從科 技中標(biāo)了88家總行平臺(tái),市場(chǎng)占有率約為72.7%;在安防領(lǐng)域推動(dòng)中科院與公安部全面合作,通過公安部重大課題研發(fā)火眼人臉大數(shù)據(jù)平臺(tái)等智能化系統(tǒng),在民航領(lǐng)域,已經(jīng)與中科院重慶院合作覆蓋80%的樞紐機(jī)場(chǎng)。

5.Yi+

企業(yè)概述

北京陌上花科技是領(lǐng)先的計(jì)算機(jī)視覺引擎服務(wù)商,為企業(yè)提供視覺內(nèi)容智能化和商業(yè)化解決方案。致力于“發(fā)現(xiàn)視覺信息的價(jià)值”。

旗下品牌Yi+是世界一流的人工智能計(jì)算機(jī)視覺引擎,衣+是時(shí)尚商品搜索引擎。公司在圖像視頻中對(duì)場(chǎng)景、通用物體、商品、人臉的檢測(cè)、識(shí)別、搜索及推薦均達(dá)到領(lǐng)先水平。

目前公司和阿里巴巴、愛奇藝、優(yōu)酷土豆、中國有線、CIBN、中信國安、海信、華為、360等數(shù)十家頂級(jí)機(jī)構(gòu)/產(chǎn)品深度合作,通過提供邊看邊買引擎、圖像視頻內(nèi)容分析引擎、人臉識(shí)別引擎等基于視覺識(shí)別技術(shù)的數(shù)據(jù)結(jié)構(gòu)化產(chǎn)品服務(wù)于海量用戶,同時(shí)幫助政府機(jī)構(gòu)、廣電系統(tǒng)、內(nèi)容媒體、零售商、電商、視聽設(shè)備等行業(yè)實(shí)現(xiàn)智能分析、智能互動(dòng)與場(chǎng)景營(yíng)銷。目前公司已經(jīng)獲得B輪融資。

企業(yè)團(tuán)隊(duì)

團(tuán)隊(duì)成員來自于斯坦福、耶魯、帝國理工、新加坡國大、南洋理工、清華、北大、中科院等名校及谷歌、微軟、IBM、英特爾、阿里巴巴、騰訊、百度、華為等名企。

創(chuàng)始人&CEO:張默

北京大學(xué)軟件工程碩士, 南洋理工大學(xué)創(chuàng)業(yè)創(chuàng)新碩士。連續(xù)創(chuàng)業(yè)者, 曾任華為算法工程師、微軟WindowsMobile工程師、 IBM SmarterCity 架構(gòu)師,北方區(qū)合作伙伴經(jīng)理,主機(jī)Linux中國區(qū)負(fù)責(zé)人,中國區(qū)開源聯(lián)盟負(fù)責(zé)人,年銷售額數(shù)億。 2013年創(chuàng)業(yè)于美國硅谷和新加坡,2014年6月在中國設(shè)立北京陌上花科技有限公司。

核心技術(shù)與產(chǎn)品

技術(shù)方面,在國際頂級(jí)計(jì)算機(jī)視覺競(jìng)賽ImageNet中,成績(jī)?cè)^谷歌、斯坦福等,2015-2016年2年獲得十項(xiàng)世界第一。2018年3月,人臉識(shí)別準(zhǔn)確率位列LFW榜首。Yi+通過遵循無限制,標(biāo)記的外部數(shù)據(jù)協(xié)議。 Yi+的系統(tǒng)由人臉檢測(cè),人臉對(duì)齊和人臉描述符提取組成。使用多重?fù)p失和訓(xùn)練數(shù)據(jù)集訓(xùn)練CNN模型,其中包含來自多個(gè)來源的約10M個(gè)圖像,其中包含150,000個(gè)人(訓(xùn)練數(shù)據(jù)集與LFW沒有交集)。在測(cè)試時(shí), Yi+使用原始的LFW圖像并應(yīng)用簡(jiǎn)單的L2norm。圖像對(duì)之間的相似性用歐氏距離來測(cè)量,最終取得優(yōu)異成績(jī)。

公司的核心產(chǎn)品主要包括視覺搜索引擎,圖像視頻分析引擎以及人臉識(shí)別和分析引擎:

行業(yè)解決方案

針對(duì)營(yíng)銷、安防、相機(jī)和電視的不同特點(diǎn),推出相應(yīng)解決方案。

營(yíng)銷+AI。場(chǎng)景化廣告方案中,大屏AI助理信息流推薦、神字幕、物體/人臉AR動(dòng)態(tài)貼圖、video-out、場(chǎng)景化角標(biāo)與廣告濾鏡等形式的廣告內(nèi)容推薦,適用于快消、汽車、電商、IT、金融、旅游服務(wù)等多個(gè)行業(yè)。

智慧城市+AI。使用計(jì)算及視覺助力智慧城市,在智慧安防、智慧交通、智慧園區(qū)等方面提供解決方案。在智慧安防實(shí)時(shí)識(shí)別上,實(shí)時(shí)處理直播攝像頭信息,算法反應(yīng)敏捷,相應(yīng)迅速。建立智慧園區(qū)方案模型,考慮擴(kuò)展性&靈活性、數(shù)據(jù)管理、松散耦合性、安全性、實(shí)時(shí)整合性以及功能性和非功能性需求等技術(shù)方案要素,從業(yè)務(wù)和技術(shù)兩方面整合解決方案實(shí)現(xiàn)步驟。

電視+AI。電視+AI的解決方案賦予智能電視多樣播放能力和營(yíng)銷能力。

相機(jī)+AI。相機(jī)更具交互能力。用戶通過搜索關(guān)鍵字標(biāo)簽同步展示圖片,打通相冊(cè)和購物一站式體驗(yàn)。準(zhǔn)確識(shí)別人物屬性特征,動(dòng)態(tài)適應(yīng)表情變化,可以在視頻以及圖像中對(duì)人臉實(shí)時(shí)檢測(cè),基于深度學(xué)習(xí)技術(shù),進(jìn)行人臉相似度檢測(cè),實(shí)現(xiàn)面部關(guān)鍵點(diǎn)定位、妝容圖像渲染,試用與粉底、唇彩以及眼影等多種虛擬試裝方式。實(shí)時(shí)檢測(cè)攝像頭中出現(xiàn)的物品、場(chǎng)景和人臉等,添加AR效果,SDK支持本地檢測(cè)、識(shí)別、追蹤,平均檢測(cè)幀率可達(dá)到25fps。

新零售+AI。Yi+新零售解決方案是基于公司自主研發(fā)的人臉識(shí)別、商品識(shí)別和其他圖像識(shí)別算法技術(shù)為核心,建立一整套基于人臉、商品的智能零售門店管理方案。Yi+新零售解決方案主要包含數(shù)據(jù)采集、算法模型說明和部署方案三部分,其中數(shù)據(jù)采集包括人臉數(shù)據(jù)采集、商品數(shù)據(jù)采集;算法模型說明包括識(shí)別算法訓(xùn)練、商品識(shí)別、識(shí)別輸出;部署方案包括本地部署、云端部署、本地部署與云端部署結(jié)合。

6.擎創(chuàng)科技

企業(yè)簡(jiǎn)介

擎創(chuàng)科技成立于2016年,專注于將人工智能和機(jī)器學(xué)習(xí)賦予傳統(tǒng)IT運(yùn)維/企業(yè)運(yùn)營(yíng)管理,為企業(yè)客戶提供智能運(yùn)維大數(shù)據(jù)分析解決方案,從而取代和改善對(duì)高技能運(yùn)維人員嚴(yán)重依賴的現(xiàn)狀。2017年,擎創(chuàng)科技已實(shí)現(xiàn)全年2000萬營(yíng)收,迅速成為國內(nèi)AIOps領(lǐng)域的領(lǐng)跑者和中流砥柱。2018年初,擎創(chuàng)科技完成了數(shù)千萬人民幣的A輪融資,由火山石投資領(lǐng)投,晨暉創(chuàng)投、元璟資本及新加坡STTelemedia跟投。

核心團(tuán)隊(duì)

擎創(chuàng)團(tuán)隊(duì)的核心成員主要由BMC、微軟等美國企業(yè)服務(wù)上市公司的運(yùn)維老兵,與新浪、餓了么等知名互聯(lián)網(wǎng)公司的大數(shù)據(jù)、算法專家組成,核心團(tuán)隊(duì)成員至少擁有10年以上的行業(yè)經(jīng)驗(yàn)。其中CEO楊辰是國內(nèi)最頂級(jí)的B端銷售,曾帶領(lǐng)團(tuán)隊(duì)獲得10倍的業(yè)績(jī)?cè)鲩L(zhǎng);CTO葛曉波擁有長(zhǎng)達(dá)15年的企業(yè)級(jí)軟件開發(fā)和運(yùn)維經(jīng)驗(yàn);而產(chǎn)品總監(jiān)屈中泠則來自甲方,創(chuàng)業(yè)前為浦發(fā)硅谷銀行企業(yè)架構(gòu)師,深知甲方對(duì)企業(yè)運(yùn)維產(chǎn)品的需求。這個(gè)曾經(jīng)深耕于運(yùn)維企業(yè)服務(wù)市場(chǎng)的團(tuán)隊(duì),如今在智能運(yùn)維企業(yè)服務(wù)賽道繼續(xù)領(lǐng)跑,讓擎創(chuàng)科技成為最懂企業(yè)的客戶,最值得企業(yè)客戶信賴的軟件廠商。

主要產(chǎn)品

“夏洛克AIOps” 作為擎創(chuàng)自主研發(fā)的大數(shù)據(jù)智能運(yùn)維主打產(chǎn)品,自2016年上線以來,已從1.0版本升級(jí)至1.9版本,可應(yīng)用在金融、大型制造業(yè)、鐵路民航、能源電力等涉及國家發(fā)展和民生問題的多種行業(yè)。在2017全球運(yùn)維大會(huì)上,夏洛克AIOps獲得由中國信息通信研究院與高效運(yùn)維社區(qū)聯(lián)合頒發(fā)的“年度最具影響力AIOps產(chǎn)品”獎(jiǎng)。

“夏洛克AIOps”充分利用自研算法輔助客戶實(shí)現(xiàn)IT運(yùn)維價(jià)值,結(jié)合客戶的現(xiàn)有情況,規(guī)劃從傳統(tǒng)ITOM至AIOps智能運(yùn)維的一站式路徑,助其運(yùn)營(yíng)落地,由此打破數(shù)據(jù)孤島,建立統(tǒng)一的大數(shù)據(jù)智能分析平臺(tái),實(shí)現(xiàn)以人工智能為核心,驅(qū)動(dòng)傳統(tǒng)IT運(yùn)維監(jiān)、管、控三個(gè)層面,并將相關(guān)運(yùn)維數(shù)據(jù)及業(yè)務(wù)數(shù)據(jù)實(shí)時(shí)展現(xiàn)。

“夏洛克AIOps”擁有多項(xiàng)自研算法,猶如運(yùn)維界的福爾摩斯,能迅速發(fā)現(xiàn)并定位運(yùn)維問題的根因,實(shí)現(xiàn)秒級(jí)排障,最大程度避免企業(yè)產(chǎn)生重大損失。更有價(jià)值的是,“夏洛克AIOps”還能通過長(zhǎng)期的數(shù)據(jù)積累和機(jī)器學(xué)習(xí),運(yùn)用新型深度神經(jīng)網(wǎng)絡(luò)算法對(duì)企業(yè)的業(yè)務(wù)數(shù)據(jù)進(jìn)行預(yù)測(cè),幫助企業(yè)提前規(guī)劃IT資源,高效預(yù)防各類黑天鵝事件的發(fā)生。

商業(yè)模式

目前,擎創(chuàng)科技已與多家金融和制造行業(yè)標(biāo)桿客戶形成穩(wěn)定的合作關(guān)系,包括浦發(fā)銀行、浦發(fā)硅谷銀行、國家開發(fā)銀行、上海鐵路局、銀聯(lián)、海爾、浙江能源等。針對(duì)不同客戶,采用個(gè)性化的商業(yè)模式進(jìn)行服務(wù),目前主要有私有模式和SaaS模式兩種,都具有較強(qiáng)的可復(fù)制性。

核心優(yōu)勢(shì)

第4篇:計(jì)算機(jī)視覺知識(shí)點(diǎn)范文

關(guān)鍵詞:Python編程;教學(xué)設(shè)計(jì);非計(jì)算機(jī)專業(yè);編程語言

Python是一門免費(fèi)、開源的跨平臺(tái)高級(jí)動(dòng)態(tài)編程語言,可以處理系統(tǒng)運(yùn)維、圖形處理、數(shù)據(jù)庫編程、多媒體編程、軟件分析、Web編程、科學(xué)計(jì)算與可視化、機(jī)器學(xué)習(xí)、人工智能等,擁有眾多狂熱的支持者,使得各個(gè)領(lǐng)域的人員能快速實(shí)現(xiàn)和驗(yàn)證自己的思路與創(chuàng)意。Python早就廣泛應(yīng)用到企業(yè)之中,早在2004年,Google便已決心在快速開發(fā)方面使用Python。近日,IEEESpectrum了第四屆頂級(jí)編程語言交互排行榜。因?yàn)橛懈鞣N不同語言的排行,所以IEEESpectrum依據(jù)不同的變量對(duì)流行度進(jìn)行了排行。Python擊敗Java,C,C++等語言,躍居編程語言交互排行榜第一名。非計(jì)算機(jī)專業(yè)學(xué)習(xí)編程的目的并非為了培養(yǎng)專業(yè)的編程開發(fā)人員,而是一方面為了鍛煉學(xué)生邏輯思維、扎實(shí)的問題分析能力;另一方面為了方便學(xué)生在各個(gè)領(lǐng)域進(jìn)行研究實(shí)踐。Python語言的優(yōu)勢(shì)在于資源豐富,擁有堅(jiān)實(shí)的數(shù)值算法、圖標(biāo)和數(shù)據(jù)處理基礎(chǔ)設(shè)施,建立了非常良好的生態(tài)環(huán)境,吸引了大批科學(xué)家以及各領(lǐng)域的專家使用。這也是非計(jì)算機(jī)專業(yè)學(xué)生學(xué)習(xí)Python編程的必要性。

1編程語言的學(xué)習(xí)對(duì)非計(jì)算機(jī)專業(yè)的重要性

1.1程序設(shè)計(jì)基礎(chǔ)在非計(jì)算機(jī)專業(yè)開設(shè)情況

我國大學(xué)針對(duì)非計(jì)算機(jī)專業(yè)開設(shè)的程序設(shè)計(jì)基礎(chǔ)課程,使用C語言作為基礎(chǔ)語言的較多。C語言作為程序設(shè)計(jì)基礎(chǔ)語言,能夠讓學(xué)生明白程序運(yùn)行原理,計(jì)算機(jī)各個(gè)部件如何交互,程序在內(nèi)存中是怎樣的狀態(tài)以及操作系統(tǒng)與程序有怎樣的關(guān)系。但是對(duì)于非計(jì)算機(jī)專業(yè)學(xué)生來說,C語言語法復(fù)雜,調(diào)試程序困難,學(xué)生缺少對(duì)計(jì)算機(jī)體系的整體認(rèn)識(shí),也無需了解計(jì)算機(jī)底層知識(shí),后續(xù)工作很難使用C語言來解決問題,所以并不適合教授給沒有任何計(jì)算機(jī)認(rèn)知背景的非計(jì)算機(jī)專業(yè)學(xué)生。Java語言也是部分高校面向全校開設(shè)的程序設(shè)計(jì)基礎(chǔ)編程公選課,是一門面向?qū)ο蟮木幊陶Z言,具有簡(jiǎn)單性、分布式、健壯性、可移植性、平立、動(dòng)態(tài)性等特點(diǎn)。Java語言廣泛應(yīng)用在Android應(yīng)用、金融業(yè)應(yīng)用的服務(wù)器程序、網(wǎng)站、嵌入式領(lǐng)域、大數(shù)據(jù)技術(shù)和科學(xué)應(yīng)用等領(lǐng)域。但是對(duì)于非計(jì)算機(jī)專業(yè)學(xué)生而言,Java語言學(xué)習(xí)成本比較高,工作后的應(yīng)用場(chǎng)景較少,語言本身重點(diǎn)關(guān)注代碼復(fù)用性和可移植性,這些特點(diǎn)說明Java并不適用于非計(jì)算機(jī)專業(yè)學(xué)生[1]。

1.2非計(jì)算機(jī)專業(yè)選擇Python的原因

Python語言由荷蘭人GuidovanRossum于1989年發(fā)明,第一個(gè)公開發(fā)行版發(fā)行于1991年,已經(jīng)有28年的歷史。Python在設(shè)計(jì)上堅(jiān)持了清晰劃一的風(fēng)格,這使得其成為一門易讀、易維護(hù),并且被大量用戶所歡迎的、用途廣泛的語言。Python的設(shè)計(jì)哲學(xué)是“優(yōu)雅”“明確”“簡(jiǎn)單”,具有豐富和強(qiáng)大的庫[2]。Python語言是最接近自然語言的編程語言,代碼簡(jiǎn)潔高效,對(duì)于沒有編程經(jīng)驗(yàn)的學(xué)生來說較易上手,學(xué)生無需糾結(jié)語法和程序編寫方式,而是更快的抽象問題并提出解決方案,這樣更容易激發(fā)學(xué)生的學(xué)習(xí)熱情。非計(jì)算機(jī)專業(yè)涉及范圍較廣,Python所能完成的工作也非常廣泛,除了Web編程、圖形處理、計(jì)算機(jī)視覺、軟件分析、物聯(lián)網(wǎng)管理、科學(xué)計(jì)算與可視化等領(lǐng)域,一些意想不到的領(lǐng)域Python也能涉及。例如Python也能夠用于電影視覺特效的制作,其中就包括了《星球大戰(zhàn)》某些電影特效的制作,從集體渲染到批量處理再到影片合成,Python將所有步驟都緊密黏合在了一起。2017年,“人工智能”首次被列入政府工作報(bào)告,Python也借助人工智能(ArtificialIntelligence,AI)和數(shù)據(jù)科學(xué),攀爬到了編程語言生態(tài)鏈的頂級(jí)位置。隨著AI應(yīng)用的發(fā)展,數(shù)百萬之眾的教師、公司職員、工程師、翻譯、編輯、醫(yī)生、銷售、管理者和公務(wù)員將裹挾著各自領(lǐng)域中的行業(yè)知識(shí)和數(shù)據(jù)資源,涌入Python和AI大潮之中,深刻地改變整個(gè)IT,或者說數(shù)據(jù)科技(DataTechnology,DT)產(chǎn)業(yè)的整體格局和面貌。

2非計(jì)算機(jī)專業(yè)Python編程教學(xué)設(shè)計(jì)

對(duì)于非計(jì)算機(jī)專業(yè)學(xué)生,學(xué)習(xí)編程語言是很有挑戰(zhàn)性的,學(xué)生專業(yè)不同,思維方式也不相同。為了引發(fā)學(xué)生學(xué)習(xí)興趣,達(dá)到較好的教學(xué)效果,教師要轉(zhuǎn)變課堂上的角色,讓學(xué)生成為課堂的主角[3]。針對(duì)該課程和學(xué)生特點(diǎn),提出“分方向的理論與實(shí)踐指導(dǎo)”,學(xué)生可以有重點(diǎn)、有目標(biāo)地進(jìn)行學(xué)習(xí)。

2.1教學(xué)目標(biāo)

計(jì)算機(jī)編程延伸到非計(jì)算機(jī)專業(yè),對(duì)學(xué)生的掌握計(jì)算機(jī)理論知識(shí)和實(shí)踐技能要求較高?!俺绦蛟O(shè)計(jì)基礎(chǔ)”作為入門課程,除了教授學(xué)生一門編程語言的概念、語法及使用,還要教會(huì)學(xué)生編程思想、分析問題和解決問題的能力。

2.2教學(xué)內(nèi)容

非計(jì)算機(jī)專業(yè)Python編程教學(xué)涵蓋的基本內(nèi)容包括:基礎(chǔ)知識(shí)、Python序列、流程控制語句、函數(shù)、面向?qū)ο蟪绦蛟O(shè)計(jì)等。后續(xù)應(yīng)當(dāng)著重針對(duì)學(xué)生的學(xué)習(xí)方向或者興趣點(diǎn),有針對(duì)性地講解Python的標(biāo)準(zhǔn)庫和擴(kuò)展庫,并以案例或者項(xiàng)目的形式展現(xiàn)Python在各個(gè)領(lǐng)域中的應(yīng)用。通常,不同學(xué)校的公選課的學(xué)時(shí)不同,32學(xué)時(shí)或者48學(xué)時(shí)。無論多少,學(xué)生都無法只利用上課時(shí)間達(dá)到最佳的學(xué)習(xí)效果,所以課下的自主學(xué)習(xí)尤為重要。在學(xué)習(xí)每個(gè)知識(shí)點(diǎn)后,教師安排部分課下自主學(xué)習(xí)的內(nèi)容,以幫助學(xué)生更充分地掌握所學(xué)內(nèi)容,并安排大量與實(shí)際工作學(xué)習(xí)相關(guān)案例。

2.3教學(xué)方法

除了講授法、案例法等傳統(tǒng)教學(xué)方法,教師應(yīng)當(dāng)充分分析學(xué)生特點(diǎn),并時(shí)刻觀察學(xué)生的反應(yīng)。教師在引入新概念、新理論時(shí)要以學(xué)生學(xué)習(xí)或者生活中熟悉的內(nèi)容為切入點(diǎn),自然并具有邏輯性,能夠解決問題,引發(fā)學(xué)習(xí)積極思考問題。實(shí)踐是編程語言學(xué)習(xí)必不可少的過程,通過實(shí)踐夯實(shí)理論知識(shí),并親自動(dòng)手操作解決實(shí)際問題。教師應(yīng)當(dāng)分專業(yè)引導(dǎo)學(xué)生參與課題或項(xiàng)目中的部分模塊,給學(xué)生創(chuàng)造更多機(jī)會(huì)去實(shí)踐,學(xué)生完成課題或項(xiàng)目后,充分體驗(yàn)到編程的樂趣,從而更好地激發(fā)學(xué)生學(xué)習(xí)興趣。

2.4拓展學(xué)生視野

由于學(xué)生專業(yè)不同,教師應(yīng)當(dāng)充分備課,了解Python在各個(gè)領(lǐng)域中的突出應(yīng)用,并學(xué)習(xí)相關(guān)領(lǐng)域中的應(yīng)用背景與相關(guān)知識(shí)。如果能將所學(xué)知識(shí)帶入實(shí)際情境中,學(xué)生用于解決工作和學(xué)習(xí)中遇到的各類非通用計(jì)算問題,理解并實(shí)踐計(jì)算思維[3]。在拓展學(xué)生視野的過程中同時(shí)增進(jìn)了教與學(xué)的相互促進(jìn),教師與學(xué)生都積極參與到教與學(xué)的互動(dòng)中,提升了教學(xué)效果。隨著互聯(lián)網(wǎng)與傳統(tǒng)行業(yè)深度融合以及人工智能的火熱,前沿性、基礎(chǔ)性、交叉性的學(xué)科研究越來越多,有利于培養(yǎng)學(xué)生的創(chuàng)新意識(shí)和開拓精神。

3結(jié)語

身為教育工作者,從教與學(xué)的理論上思考編程語言公選課的教學(xué)問題。筆者認(rèn)為,“分方向的理論與實(shí)踐指導(dǎo)”能夠培養(yǎng)學(xué)生基于自身學(xué)習(xí)、研究方向,學(xué)好用活書本知識(shí),更重要的是與實(shí)踐應(yīng)用相聯(lián)系,有利于培養(yǎng)學(xué)生的創(chuàng)新能力、探究精神和創(chuàng)新思維能力。本文提出了面向非計(jì)算機(jī)專業(yè)學(xué)生開設(shè)Python編程教學(xué)入門的必要性,并針對(duì)該編程語言特點(diǎn)闡述了“分方向的理論與實(shí)踐指導(dǎo)”的教學(xué)設(shè)計(jì),這是編程公選課教學(xué)適應(yīng)高素質(zhì)人才培養(yǎng)要求的一種嘗試。只有在教學(xué)過程中,聯(lián)系本校學(xué)生實(shí)際情況,不斷創(chuàng)新、改革,才能使教學(xué)設(shè)計(jì)達(dá)到更好的效果,為社會(huì)培養(yǎng)真正有用的人才。

[參考文獻(xiàn)]

[1]王立翔.基于計(jì)算思維的python語言課程教學(xué)改革芻議[J].教育現(xiàn)代化,2017(15):12-13.

[2]嵩天,黃天羽,禮欣.Python語言:程序設(shè)計(jì)課程教學(xué)改革的理想選擇[J].中國大學(xué)教學(xué),2016(2):42-47.

第5篇:計(jì)算機(jī)視覺知識(shí)點(diǎn)范文

關(guān)鍵詞:計(jì)算機(jī)專業(yè);校企合作;“3+1”;人才培養(yǎng);實(shí)踐教學(xué)

文章編號(hào):1672-5913(2013)03-0108-05

中圖分類號(hào):G642

進(jìn)入21世紀(jì),隨著我國高等教育規(guī)模的不斷擴(kuò)大,從1999年到2009年的10年間,我國新建地方性本科院校已達(dá)200多所,占全國普通本科院??偭康?/3。原教育部副部長(zhǎng)吳啟迪指出新建本科院校應(yīng)以培養(yǎng)高級(jí)應(yīng)用型人才為主,服務(wù)于地方經(jīng)濟(jì)建設(shè)和社會(huì)進(jìn)步。新建本科院校由于缺乏辦學(xué)經(jīng)驗(yàn),在專業(yè)特色建設(shè)和實(shí)踐教學(xué)環(huán)節(jié)等方面存在諸多問題。根據(jù)榆林學(xué)院“立足榆林,面向陜西,輻射周邊,為榆林建成陜甘寧蒙晉接壤區(qū)中心城市、國家能源化工基地和陜西現(xiàn)代特色農(nóng)業(yè)基地的‘兩基地、一中心’服務(wù),著力培養(yǎng)高素質(zhì)應(yīng)用型人才”的辦學(xué)定位,為滿足服務(wù)地方經(jīng)濟(jì)建設(shè)和信息社會(huì)對(duì)IT人才的需要,榆林學(xué)院信息工程學(xué)院從2005級(jí)學(xué)生開始,進(jìn)行校企合作“3+1”人才培養(yǎng)模式的探索與實(shí)踐。

1 改革思路與措施

首先,我們制定切實(shí)可行的“3+1”人才培養(yǎng)模式課程教學(xué)體系,基本思想就是把4年的學(xué)習(xí)分成2個(gè)階段。第1階段是學(xué)生在大學(xué)前3年完成公共基礎(chǔ)平臺(tái)、學(xué)科基礎(chǔ)平臺(tái)和專業(yè)基礎(chǔ)(含專業(yè)選修)課程學(xué)習(xí);第2階段是學(xué)生從大四開始進(jìn)入企業(yè)實(shí)訓(xùn),結(jié)合企業(yè)項(xiàng)目和開發(fā)平臺(tái)學(xué)習(xí)相關(guān)的開發(fā)工具和技術(shù)。其次,企業(yè)負(fù)責(zé)幫助學(xué)生進(jìn)行8門課程的實(shí)踐培訓(xùn),以便與校內(nèi)相應(yīng)課程進(jìn)行學(xué)分置換,并指定具有工程師以上職稱的技術(shù)人員與校內(nèi)教師共同指導(dǎo)學(xué)生完成畢業(yè)設(shè)計(jì),保證學(xué)生順利畢業(yè)并獲取學(xué)士學(xué)位。這些都有利于提高校外實(shí)訓(xùn)效果,全面提高計(jì)算機(jī)專業(yè)畢業(yè)生的就業(yè)質(zhì)量和就業(yè)率,解決畢業(yè)生就業(yè)問題,具體措施有以下幾個(gè)方面。

1)為配合“3+1”人才培養(yǎng)模式的實(shí)施,我們對(duì)2006版人才培養(yǎng)方案進(jìn)行修訂,以下稱2009版人才培養(yǎng)方案。公共基礎(chǔ)課程及課時(shí)是由國家教育部明確規(guī)定的,因此我們主要對(duì)數(shù)學(xué)基礎(chǔ)類課程、硬件基礎(chǔ)類課程和部分專業(yè)課程進(jìn)行整合和調(diào)整。把高等數(shù)學(xué)(上、下)、線性代數(shù)、概率論與數(shù)理統(tǒng)計(jì)的總學(xué)時(shí)由26時(shí)減至203學(xué)時(shí);把匯編語言、微機(jī)原理與接口技術(shù)整合成組成原理與匯編語言,壓縮了92學(xué)時(shí);將大學(xué)物理(上、下)壓縮了32學(xué)時(shí);把電路、模電和數(shù)電3門課程整合為電子技術(shù)基礎(chǔ),壓縮了98學(xué)時(shí);結(jié)合多位專家的建議,去掉計(jì)算機(jī)導(dǎo)論及實(shí)驗(yàn)課程,減少了75學(xué)時(shí);對(duì)安排有課程設(shè)計(jì)的核心課程的課內(nèi)實(shí)驗(yàn)課時(shí)也進(jìn)行壓縮;增加選修課程以滿足學(xué)生興趣的多樣性,有利于學(xué)生對(duì)專業(yè)前沿技術(shù)的了解和掌握。修訂后的教學(xué)計(jì)劃符合《高等學(xué)校計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)發(fā)展戰(zhàn)略研究報(bào)告暨專業(yè)規(guī)范(試行)》和《高等學(xué)校計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)人才專業(yè)能力構(gòu)成與培養(yǎng)》所規(guī)定的專業(yè)核心課程及學(xué)時(shí)的要求。

2)積極推進(jìn)計(jì)算機(jī)專業(yè)實(shí)驗(yàn)內(nèi)容和實(shí)驗(yàn)?zāi)J降母母锖蛣?chuàng)新,進(jìn)行理論、實(shí)驗(yàn)、實(shí)訓(xùn)“三位一體”的教學(xué)模式探索與改革,以做到“精理論、重實(shí)驗(yàn)、強(qiáng)實(shí)訓(xùn)、會(huì)設(shè)計(jì)”。通過增加綜合性和設(shè)計(jì)性實(shí)驗(yàn)項(xiàng)目,減少驗(yàn)證性實(shí)驗(yàn)等方式,提高學(xué)生的創(chuàng)新意識(shí)、實(shí)際動(dòng)手能力、分析和解決問題能力。在2009版人才培養(yǎng)方案中,實(shí)踐學(xué)分占到總學(xué)分的33%。

3)建立穩(wěn)定的校企合作實(shí)習(xí)和實(shí)訓(xùn)基地。學(xué)校要與實(shí)訓(xùn)機(jī)構(gòu)共同研究基地建設(shè)規(guī)劃,合理制訂實(shí)習(xí)計(jì)劃,真正把培養(yǎng)學(xué)生的全面素質(zhì)和綜合能力、提高學(xué)生的就業(yè)競(jìng)爭(zhēng)力作為首要任務(wù)來考慮。榆林學(xué)院現(xiàn)已與西安軟件服務(wù)外包學(xué)院、西安行知匯元、西安加中、西安達(dá)內(nèi)、北京用友軟件學(xué)院、北京渥瑞達(dá)等多家實(shí)訓(xùn)機(jī)構(gòu)簽訂了合作協(xié)議。

4)建立雙師型專業(yè)教學(xué)團(tuán)隊(duì)。學(xué)校利用假期派教師參加各種雙師型教師培訓(xùn)班,或由合作企業(yè)派出具有項(xiàng)目開發(fā)經(jīng)驗(yàn)的工程師結(jié)合真實(shí)案例,有針對(duì)性地對(duì)榆林學(xué)院教師進(jìn)行項(xiàng)目開發(fā)類課程的培訓(xùn)及項(xiàng)目實(shí)踐指導(dǎo),提高教師的項(xiàng)目開發(fā)能力。目前,已有7位教師取得相關(guān)機(jī)構(gòu)頒發(fā)的雙師型資格培訓(xùn)證書。

2 三級(jí)遞進(jìn)式實(shí)踐教學(xué)體系建設(shè)

按照“3+1”人才培養(yǎng)模式的培養(yǎng)目標(biāo),我們建立了圖1所示從“課內(nèi)實(shí)驗(yàn)-課程設(shè)計(jì)-項(xiàng)目實(shí)訓(xùn)(含畢業(yè)設(shè)計(jì))”的三級(jí)遞進(jìn)式實(shí)踐教學(xué)體系。為保證該實(shí)踐教學(xué)體系正常運(yùn)行,信息工程學(xué)院在2009年新建了Web工程、系統(tǒng)測(cè)試與分析、計(jì)算機(jī)視覺、項(xiàng)目實(shí)訓(xùn)4個(gè)創(chuàng)新實(shí)驗(yàn)室,由教授或博士擔(dān)任實(shí)驗(yàn)室負(fù)責(zé)人,同時(shí)成立相應(yīng)的科研團(tuán)隊(duì),以團(tuán)隊(duì)為單位申請(qǐng)校級(jí)科研、教改和橫向課題,在年終獎(jiǎng)勵(lì)成績(jī)突出的科研團(tuán)隊(duì)并給予崗位津貼。此方法極大地激發(fā)了榆林學(xué)院教師的科研熱情,使得榆林學(xué)院申報(bào)科研項(xiàng)目數(shù)連續(xù)2年在省、校兩級(jí)科研項(xiàng)目申報(bào)中名列第一。同時(shí),我們還建立了“主講教師進(jìn)實(shí)驗(yàn)室,實(shí)驗(yàn)教師進(jìn)課堂”制度;將理論教學(xué)與實(shí)驗(yàn)教學(xué)緊密結(jié)合,促進(jìn)課程建設(shè)與改革,也使教師能夠不斷進(jìn)步和提高。

同時(shí),我們圍繞“能力分解、階梯推進(jìn)”的課程實(shí)驗(yàn)改革思路和基于階段項(xiàng)目訓(xùn)練的課程體系建設(shè)規(guī)劃,結(jié)合計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)課程的特點(diǎn),對(duì)專業(yè)課程的實(shí)驗(yàn)環(huán)節(jié)進(jìn)行重組和系統(tǒng)性規(guī)劃。我們?yōu)轫?xiàng)目實(shí)訓(xùn)室購進(jìn)上海睿亞訓(xùn)IT實(shí)踐能力提升平臺(tái)(PCIP),該平臺(tái)是針對(duì)高校教育行業(yè)量身打造的一款涵蓋軟件開發(fā)、軟件測(cè)試、電子商務(wù)、嵌入式、物聯(lián)網(wǎng)等多個(gè)軟件領(lǐng)域項(xiàng)目開發(fā)實(shí)踐軟件。該平臺(tái)不僅可以通過標(biāo)準(zhǔn)化的企業(yè)實(shí)戰(zhàn)項(xiàng)目案例及系統(tǒng)化的知識(shí)體系,為客戶提供完整的理論和實(shí)踐體系,還可以模擬企業(yè)實(shí)際開發(fā)流程,涵蓋軟件工程的全生命周期,提供從需求分析、基本設(shè)計(jì)、詳細(xì)設(shè)計(jì)到實(shí)現(xiàn)、測(cè)試的體驗(yàn)式教育平臺(tái),將軟件行業(yè)的職業(yè)化場(chǎng)景真正引入課程體系和教學(xué)全過程中,依托軟件企業(yè)的真實(shí)案例和項(xiàng)目資源庫,使學(xué)生在學(xué)習(xí)專業(yè)知識(shí)的同時(shí)接受“職業(yè)化”熏陶。圍繞綜合實(shí)驗(yàn)課程案例,對(duì)現(xiàn)有課程實(shí)驗(yàn)進(jìn)行重組,課程設(shè)計(jì)的規(guī)劃重點(diǎn)是能把各課程的知識(shí)點(diǎn)貫穿統(tǒng)一,為綜合項(xiàng)目實(shí)驗(yàn)服務(wù)。調(diào)整后的課程實(shí)驗(yàn)關(guān)系如圖2所示。

3 實(shí)施效果及評(píng)價(jià)

自2008年5月榆林學(xué)院開始嘗試校企合作“3+1”人才培養(yǎng)模式以來,參與就業(yè)實(shí)訓(xùn)的學(xué)生共有170人,占到畢業(yè)生總?cè)藬?shù)的50%。經(jīng)社會(huì)和用人單位反饋,這部分學(xué)生的綜合素質(zhì)較高,專業(yè)能力較強(qiáng)。在大學(xué)生就業(yè)市場(chǎng)普遍不景氣的情況下,信息工程學(xué)院畢業(yè)生的就業(yè)率非但沒有下降反而有所提高。畢業(yè)生的就業(yè)范圍主要是各類IT企業(yè)、服務(wù)外包、電子商務(wù)、電子政務(wù)、電信公司、銀行、證券公司等單位,主要分布在北京、上海、天津、廣州、武漢、深圳等13個(gè)一線城市和大連、蘇州、貴陽、東莞、昆山等10個(gè)二線城市。實(shí)訓(xùn)生就業(yè)分析統(tǒng)計(jì)如表1所示。

本項(xiàng)目研究結(jié)束之后,我們將總結(jié)經(jīng)驗(yàn)并完善培養(yǎng)模式,將此培養(yǎng)模式推廣應(yīng)用到信息工程學(xué)院信息管理與信息系統(tǒng)專業(yè)及榆林學(xué)院其他工科專業(yè)的人才培養(yǎng)中。

3.1畢業(yè)生就業(yè)率及就業(yè)質(zhì)量得到提升

在2010年和2011年的畢業(yè)生就業(yè)反饋?zhàn)剷?huì)上,參加“3+1”就業(yè)實(shí)訓(xùn)的學(xué)生對(duì)教改的感受最深刻,也是教改最大的受益者,他們普遍認(rèn)同校企合作“3+1”人才培養(yǎng)模式。這主要表現(xiàn)在兩方面:一是就業(yè)面拓寬,學(xué)生經(jīng)過1年的實(shí)訓(xùn)已具備了較好的工程素質(zhì)和實(shí)際工作能力,因此比較受企業(yè)歡迎,挑選工作單位的余地大,所得薪金也相對(duì)較高;二是崗位適應(yīng)能力強(qiáng),學(xué)生在企業(yè)實(shí)訓(xùn)中已了解到在企業(yè)中為人處事的態(tài)度與方法,因此工作后很容易融入企業(yè)文化,有很好的親和力和團(tuán)隊(duì)合作精神,易開展工作,也容易出成績(jī)。用人單位與企業(yè)對(duì)經(jīng)過“3+1”就業(yè)實(shí)訓(xùn)的學(xué)生認(rèn)可度較高,這些學(xué)生因具有實(shí)訓(xùn)經(jīng)歷和生產(chǎn)研發(fā)經(jīng)驗(yàn),與同期到企業(yè)工作的其他大學(xué)生相比,角色轉(zhuǎn)換快,動(dòng)手能力強(qiáng),工作作風(fēng)硬,肯吃苦,沒有一般大學(xué)生的嬌、驕氣,很容易受到企業(yè)重視,能更快地得到重用和提拔。

3.2該人才培養(yǎng)模式的應(yīng)用推廣

在計(jì)算機(jī)本科專業(yè)“3+1”人才培養(yǎng)模式3年試點(diǎn)的基礎(chǔ)上,榆林學(xué)院數(shù)學(xué)系數(shù)學(xué)及應(yīng)用數(shù)學(xué)本科專業(yè)的13名學(xué)生在2010年7月也參與到就業(yè)實(shí)訓(xùn)中來。該人才培養(yǎng)模式在學(xué)校就業(yè)指導(dǎo)中心的支持下逐步擴(kuò)展到能源學(xué)院和管理學(xué)院部分專業(yè),并已得到學(xué)校、教務(wù)處、就業(yè)指導(dǎo)中心等主管部門的肯定。

4 存在的問題與思考

4.1加強(qiáng)雙師型隊(duì)伍建設(shè)

參加校企合作“3+1”實(shí)訓(xùn)的學(xué)生為什么能找到好的工作?因?yàn)樗麄兘?jīng)過1年有針對(duì)性的崗位技能訓(xùn)練后,一到公司或企業(yè)就能干活。每個(gè)學(xué)生每天學(xué)習(xí)近10小時(shí),其中8個(gè)小時(shí)在機(jī)房寫代碼,真正體現(xiàn)了應(yīng)用型人才培養(yǎng)要遵循“精講多練”的思想。實(shí)訓(xùn)機(jī)構(gòu)能做到的事情,為何在學(xué)校就做不到呢?我們一直在反思這個(gè)問題。除了人才培養(yǎng)方案制訂過程中存在問題之外,還有教師自身問題,缺乏雙師型教師是問題的關(guān)鍵所在。因此,雙師型教師隊(duì)伍的建設(shè)迫在眉捷,學(xué)校人事部門應(yīng)出臺(tái)相關(guān)政策,除了引進(jìn)雙師型教師外,還應(yīng)要求青年教師到公司或企業(yè)進(jìn)行項(xiàng)目開發(fā),即轉(zhuǎn)型培養(yǎng)。

4.2加快校內(nèi)項(xiàng)目實(shí)訓(xùn)平臺(tái)建設(shè)

目前,實(shí)訓(xùn)機(jī)構(gòu)作為學(xué)校和企業(yè)的橋梁,幫助校企實(shí)現(xiàn)合作。沒有去實(shí)訓(xùn)機(jī)構(gòu)參加實(shí)訓(xùn)的學(xué)生,即在校學(xué)生,如何按照該模式在校內(nèi)進(jìn)行培訓(xùn)呢?建立一個(gè)企業(yè)化的項(xiàng)目實(shí)訓(xùn)仿真平臺(tái)是當(dāng)務(wù)之急。學(xué)校建立“虛擬軟件工廠”就是一個(gè)很好的實(shí)踐,這個(gè)平臺(tái)既能培養(yǎng)教師的項(xiàng)目管理能力,又能充分調(diào)動(dòng)學(xué)生的學(xué)習(xí)積極性和主動(dòng)性。通過與培訓(xùn)企業(yè)、軟件外包企業(yè)合作,學(xué)生可以按照外包企業(yè)的軟件開發(fā)標(biāo)準(zhǔn)和業(yè)務(wù)流程進(jìn)行軟件開發(fā)。信息工程學(xué)院在2010年9月,成立了由海歸博士負(fù)責(zé)的“項(xiàng)目實(shí)訓(xùn)”實(shí)驗(yàn)室,下設(shè)7個(gè)項(xiàng)目組團(tuán)隊(duì),分別是手機(jī)開發(fā)部、JAVA開發(fā)部、NET開發(fā)部、PHP開發(fā)部、網(wǎng)頁制作部、圖像聲音研究部、C++開發(fā)部,團(tuán)隊(duì)成員來自全校各專業(yè)。

第6篇:計(jì)算機(jī)視覺知識(shí)點(diǎn)范文

關(guān)鍵詞:機(jī)器學(xué)習(xí);深度學(xué)習(xí);推薦算法;遠(yuǎn)程教育

深度學(xué)習(xí)(DeepLearning),也叫階層學(xué)習(xí),是機(jī)器學(xué)習(xí)領(lǐng)域研究的分支,它是學(xué)習(xí)樣本數(shù)據(jù)的表示層次和內(nèi)在規(guī)律,在學(xué)習(xí)的過程中獲取某些信息,對(duì)于數(shù)據(jù)的解釋有巨大幫助。比如對(duì)文字?jǐn)?shù)據(jù)的學(xué)習(xí),在網(wǎng)絡(luò)上獲取關(guān)鍵字,對(duì)圖像數(shù)據(jù)的學(xué)習(xí),進(jìn)行人臉識(shí)別等等。

一、深度學(xué)習(xí)發(fā)展概述

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域里一種對(duì)數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的方法。一句話總結(jié)三者之間的關(guān)系就是:“機(jī)器學(xué)習(xí),實(shí)現(xiàn)人工智能的方法;深度學(xué)習(xí),實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)。深度學(xué)習(xí)目前是機(jī)器學(xué)習(xí)和人工智能領(lǐng)域研究的主要方向,為計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)視覺等領(lǐng)域帶來了革命性的進(jìn)步。機(jī)器學(xué)習(xí)最早在1980年被提出,1984年分類與回歸樹出現(xiàn),直到1986年,Rumelhart等人反向傳播(BackPropaga-tion,BP)算法的提出,解決了感知模型只能處理線性分類的問題,1989年出現(xiàn)的卷積神經(jīng)網(wǎng)絡(luò)(ConvolutionalNeuralNet-works,CNN)也因此得到了一定的發(fā)展。在1990年至2012年,機(jī)器學(xué)習(xí)逐漸成熟并施以應(yīng)用,GeoffreyHinton在2006年設(shè)計(jì)出了深度信念網(wǎng)絡(luò),解決了反向傳播算法神經(jīng)網(wǎng)絡(luò)中梯度消失的問題,正式提出了深度學(xué)習(xí)的概念,逐漸走向深度學(xué)習(xí)飛速發(fā)展的時(shí)期。隨后,各種具有獨(dú)特神經(jīng)處理單元和復(fù)雜層次結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)不斷涌現(xiàn),深度學(xué)習(xí)技術(shù)不斷提高人工智能領(lǐng)域應(yīng)用方面的極限。

二、深度學(xué)習(xí)主要模型

1、卷積神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)(ConvolutionalNeuralNetworks,CNN)是指有著深度結(jié)構(gòu)又包含著卷積計(jì)算的前饋神經(jīng)網(wǎng)絡(luò)。卷積物理上理解為系統(tǒng)某一時(shí)刻的輸出是有多個(gè)輸入共同疊加的結(jié)果,就是相當(dāng)于對(duì)一個(gè)原圖像的二次轉(zhuǎn)化,提取特點(diǎn)的過程。卷積神經(jīng)網(wǎng)絡(luò)實(shí)際上就是一個(gè)不斷提取特征,進(jìn)行特征選擇,然后進(jìn)行分類的過程,卷積在CNN里,首先對(duì)原始圖像進(jìn)行特征提取。所以卷積神經(jīng)網(wǎng)絡(luò)能夠得到數(shù)據(jù)的特征,在模式識(shí)別、圖像處理等方面應(yīng)用廣泛。一個(gè)卷積神經(jīng)網(wǎng)絡(luò)主要由三層組成,即卷積層(convolutionlayer)、池化層(poolinglayer)、全連接層(fullyconnectedlayer)。卷積層是卷積神經(jīng)網(wǎng)絡(luò)的核心部分,通過一系列對(duì)圖像像素值進(jìn)行的卷積運(yùn)算,得到圖像的特征信息,同時(shí)不斷地加深節(jié)點(diǎn)矩陣的深度,從而獲得圖像的深層特征;池化層的本質(zhì)是對(duì)特征圖像進(jìn)行采樣,除去冗雜信息,增加運(yùn)算效率,不改變特征矩陣的深度;全連接將層間所有神經(jīng)元兩兩連接在一起,對(duì)之前兩層的數(shù)據(jù)進(jìn)行分類處理。CNN的訓(xùn)練過程是有監(jiān)督的,各種參數(shù)在訓(xùn)練的過程中不斷優(yōu)化,直到得到最好的結(jié)果。目前,卷積神經(jīng)網(wǎng)絡(luò)的改進(jìn)模型也被廣泛研究,如全卷積神經(jīng)網(wǎng)絡(luò)(FullyConvolutionalNeuralNetworks,F(xiàn)CN)和深度卷積神經(jīng)網(wǎng)絡(luò)(DeepConvolutionalNeuralNetworks,DCNN)等等。2、循環(huán)神經(jīng)網(wǎng)絡(luò)區(qū)別于卷積神經(jīng)網(wǎng)絡(luò)在圖片處理領(lǐng)域的應(yīng)用,循環(huán)神經(jīng)網(wǎng)絡(luò)(RecurrentNeuralNetwork,RNN)主要應(yīng)用在自然語言處理領(lǐng)域。RNN最大的特點(diǎn)就是神經(jīng)元的輸出可以繼續(xù)作為輸入,再次利用到神經(jīng)元中循環(huán)使用。RNN是以序列的方式對(duì)數(shù)據(jù)進(jìn)行讀取,這也是RNN最為獨(dú)特的特征。RNN的串聯(lián)式結(jié)構(gòu)適用于時(shí)間序列的數(shù)據(jù),可以完好保持?jǐn)?shù)據(jù)中的依賴關(guān)系。循環(huán)神經(jīng)網(wǎng)絡(luò)主要有三層結(jié)構(gòu),輸入層,隱藏層和輸出層。隱藏層的作用是對(duì)輸入層傳遞進(jìn)來的數(shù)據(jù)進(jìn)行一系列的運(yùn)算,并將結(jié)果傳遞給輸出層進(jìn)行輸出。RNN可用于許多不同的地方。下面是RNN應(yīng)用最多的領(lǐng)域:1.語言建模和文本生成,給出一個(gè)詞語序列,試著預(yù)測(cè)下一個(gè)詞語的可能性。這在翻譯任務(wù)中是很有用的,因?yàn)樽钣锌赡艿木渥訉⑹强赡苄宰罡叩膯卧~組成的句子;2.語音識(shí)別;3.生成圖像描述,RNN一個(gè)非常廣泛的應(yīng)用是理解圖像中發(fā)生了什么,從而做出合理的描述。這是CNN和RNN相結(jié)合的作用。CNN做圖像分割,RNN用分割后的數(shù)據(jù)重建描述。這種應(yīng)用雖然基本,但可能性是無窮的;4.視頻標(biāo)記,可以通過一幀一幀地標(biāo)記視頻進(jìn)行視頻搜索。3、深度神經(jīng)網(wǎng)絡(luò)深度神經(jīng)網(wǎng)絡(luò)(deepneuralnetworks,DNN)可以理解為有很多隱藏層的神經(jīng)網(wǎng)絡(luò)。多層神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)DNN其實(shí)也是指的一個(gè)東西,DNN有時(shí)也叫做多層感知機(jī)(Mul-ti-Layerperceptron,MLP)。DNN內(nèi)部的神經(jīng)網(wǎng)絡(luò)層也是分為三類,輸入層,隱藏層和輸出層,一般來說第一層是輸入層,最后一層是輸出層,而中間的層數(shù)都是隱藏層。深度神經(jīng)網(wǎng)絡(luò)(DNN)目前作為許多人工智能應(yīng)用的基礎(chǔ),并且在語音識(shí)別和圖像識(shí)別上有突破性應(yīng)用。DNN的發(fā)展也非常迅猛,被應(yīng)用到工業(yè)自動(dòng)駕駛汽車、醫(yī)療癌癥檢測(cè)等領(lǐng)域。在這許多領(lǐng)域中,深度神經(jīng)網(wǎng)絡(luò)技術(shù)能夠超越人類的準(zhǔn)確率,但同時(shí)也存在著計(jì)算復(fù)雜度高的問題。因此,那些能夠解決深度神經(jīng)網(wǎng)絡(luò)表現(xiàn)準(zhǔn)確度或不會(huì)增加硬件成本高效處理的同時(shí),又能提升效率和吞吐量的技術(shù)是現(xiàn)在人工智能領(lǐng)域能夠廣泛應(yīng)用DNN技術(shù)的關(guān)鍵。

三、深度學(xué)習(xí)在教育領(lǐng)域的影響

1、學(xué)生學(xué)習(xí)方面通過網(wǎng)上學(xué)習(xí)的實(shí)時(shí)反饋數(shù)據(jù)對(duì)學(xué)生的學(xué)習(xí)模式進(jìn)行研究,并修正現(xiàn)有教學(xué)模式存在的不足。分析網(wǎng)絡(luò)大數(shù)據(jù),相對(duì)于傳統(tǒng)在線學(xué)習(xí)本質(zhì)區(qū)別在于捕捉學(xué)生學(xué)習(xí)過程,有針對(duì)性,實(shí)現(xiàn)學(xué)生個(gè)性化學(xué)習(xí)。舉個(gè)例子,在學(xué)習(xí)過程中,可以通過學(xué)習(xí)平臺(tái)對(duì)學(xué)生學(xué)習(xí)課程所花費(fèi)的時(shí)間,參與的程度,知識(shí)的偏好等等數(shù)據(jù)加以分析。也可以通過學(xué)生學(xué)習(xí)某門課程的次數(shù),鼠標(biāo)點(diǎn)擊次數(shù)、停留的時(shí)間等,來推斷學(xué)生學(xué)習(xí)情況。通過以上或類似數(shù)據(jù)匯總分析,可以正向引導(dǎo)學(xué)生學(xué)習(xí),并給予積極的學(xué)習(xí)評(píng)價(jià)。這種利用計(jì)算機(jī)收集分析出來的客觀數(shù)據(jù),很好展示了學(xué)生學(xué)習(xí)行為的結(jié)果,總結(jié)學(xué)習(xí)規(guī)律,而不需要教師多年的教學(xué)經(jīng)驗(yàn)來判斷。對(duì)于教育研究者而言,利用深度學(xué)習(xí)技術(shù)可以更客觀準(zhǔn)確地了解學(xué)生,使教學(xué)工作良好發(fā)展更進(jìn)一步。2、教學(xué)方面學(xué)習(xí)平臺(tái)的數(shù)據(jù)能夠?qū)虒W(xué)模式的適應(yīng)度進(jìn)行預(yù)測(cè),通過學(xué)生的考試成績(jī)和對(duì)教師的線上評(píng)價(jià)等加以分析,能夠預(yù)測(cè)出某一階段的教學(xué)方式發(fā)發(fā)是否可行,影響如何。通過學(xué)生與教師的在線互動(dòng),學(xué)生測(cè)驗(yàn)時(shí)完成的時(shí)間與完成的結(jié)果,都會(huì)產(chǎn)生大量的有效的數(shù)據(jù),都可以為教師教學(xué)支持服務(wù)的更好開展提供幫助,從而避免低效率的教學(xué)模式造成教學(xué)資源的浪費(fèi)。

四、成人遠(yuǎn)程教育中深度學(xué)習(xí)技術(shù)的可應(yīng)用性

深度學(xué)習(xí)方面的應(yīng)用在眾多領(lǐng)域都取得了成功,比如電商商品推薦、圖像識(shí)別、自然語言處理、棋類博弈等等。在遠(yuǎn)程教育方面,深度學(xué)習(xí)的技術(shù)還有很大的發(fā)揮空間,智能網(wǎng)絡(luò)教育的實(shí)現(xiàn)是人們的眾望所盼。若要將深度學(xué)習(xí)技術(shù)應(yīng)用到遠(yuǎn)程教育平臺(tái),首先要清楚學(xué)生的需求和教學(xué)資源如何分配。1、針對(duì)學(xué)生的學(xué)習(xí)需求與學(xué)習(xí)特征進(jìn)行分析美國斯坦福大學(xué)克里斯皮希研究團(tuán)隊(duì)的研究成果顯示,通過對(duì)學(xué)生知識(shí)學(xué)習(xí)進(jìn)行時(shí)間建模,可以精確預(yù)測(cè)出學(xué)生對(duì)知識(shí)點(diǎn)的掌握情況,以及學(xué)生在下一次學(xué)習(xí)中的表現(xiàn)。深度學(xué)習(xí)的應(yīng)用可以幫助教師推測(cè)出學(xué)生的學(xué)習(xí)能力發(fā)展水平。通過學(xué)生與教學(xué)環(huán)境的交互行為,分析其學(xué)習(xí)風(fēng)格,避免教師用經(jīng)驗(yàn)進(jìn)行推斷而產(chǎn)生的誤差。2、教學(xué)資源的利用與分配深度學(xué)習(xí)技術(shù)能夠形成智能的分析結(jié)論。計(jì)算機(jī)實(shí)時(shí)采集數(shù)據(jù)集,對(duì)學(xué)生的學(xué)習(xí)情況加以分析,使教師對(duì)學(xué)生的學(xué)習(xí)狀態(tài)、情緒狀態(tài)等有更加清晰、準(zhǔn)確的了解。有了上面良好的教學(xué)模式,教師對(duì)學(xué)生的學(xué)習(xí)狀態(tài)有了更準(zhǔn)確的掌握,對(duì)學(xué)生的學(xué)習(xí)結(jié)果就有了更科學(xué)的教學(xué)評(píng)價(jià)?;谏疃葘W(xué)習(xí)的人工智能技術(shù),還可以輔助教師實(shí)現(xiàn)智能閱卷,通過智能閱卷自動(dòng)總結(jié)出學(xué)習(xí)中出現(xiàn)的問題,幫助教師減少重復(fù)性勞動(dòng),減輕教師負(fù)擔(dān)。作為成人高校,遠(yuǎn)程教育是我們的主要教學(xué)手段,也是核心教學(xué)方式,學(xué)校的教學(xué)必定是在學(xué)生方便學(xué)習(xí)的同時(shí),以學(xué)生的學(xué)習(xí)效果為重。通過深度學(xué)習(xí)技術(shù),可以科學(xué)地分析出學(xué)生的學(xué)習(xí)效果,對(duì)后續(xù)教與學(xué)給予科學(xué)、可靠的數(shù)據(jù)支撐。我們可以在平臺(tái)上為每位同學(xué)建立學(xué)習(xí)模型,根據(jù)學(xué)生的學(xué)習(xí)習(xí)慣為其定制個(gè)性化方案,按他們的興趣進(jìn)行培養(yǎng),發(fā)揮他們專業(yè)的潛能。同時(shí),可以將學(xué)生正式在線參加學(xué)習(xí)和考試的學(xué)習(xí)行為和非學(xué)習(xí)時(shí)間瀏覽網(wǎng)站的行為結(jié)合到一起,更加科學(xué)地分析出學(xué)生在學(xué)習(xí)網(wǎng)站上感興趣的地方。采用深度學(xué)習(xí)算法,根據(jù)學(xué)生學(xué)習(xí)行為產(chǎn)生的海量數(shù)據(jù)推算出學(xué)生當(dāng)前狀態(tài)與目標(biāo)狀態(tài)之間的差距,做到精準(zhǔn)及時(shí)的學(xué)習(xí)需求反饋。有助于幫助學(xué)生明確學(xué)習(xí)目標(biāo),教師確立教學(xué)目標(biāo),真正做好因材施教。基于深度學(xué)習(xí)各種智能識(shí)別技術(shù),可以為教師的線上教學(xué)活動(dòng)增光添彩,在反饋學(xué)生學(xué)習(xí)狀態(tài)的同時(shí),采用多種形式的教學(xué)方法吸引學(xué)生的注意力,增強(qiáng)教學(xué)活動(dòng)的互動(dòng)性,達(dá)到良好的教學(xué)效果。