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卷積神經(jīng)網(wǎng)絡(luò)的歷史主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：卷積神經(jīng)網(wǎng)絡(luò)的歷史范文

關(guān)鍵詞：物聯(lián)網(wǎng)；人臉識(shí)別；視頻網(wǎng)絡(luò)

1物聯(lián)網(wǎng)及人臉識(shí)別視頻網(wǎng)絡(luò)技術(shù)的發(fā)展

1.1物聯(lián)網(wǎng)視頻網(wǎng)絡(luò)技術(shù)的發(fā)展?fàn)顩r

最近幾年，隨著物聯(lián)網(wǎng)技術(shù)、圖像處理技術(shù)以及數(shù)據(jù)傳輸技術(shù)的快速發(fā)展，視頻網(wǎng)絡(luò)技術(shù)應(yīng)運(yùn)而生并取得了長(zhǎng)足的發(fā)展。當(dāng)前，視頻網(wǎng)絡(luò)系統(tǒng)作為一種模擬數(shù)字控制系統(tǒng)，其具有非常成熟和穩(wěn)定的性能，已廣泛應(yīng)用于實(shí)際工程中。雖然數(shù)字系統(tǒng)發(fā)展迅速，但尚未完全形成相應(yīng)的體系，因此，混合數(shù)字和模擬應(yīng)用程序逐漸遷移到數(shù)字系統(tǒng)將成為未來(lái)發(fā)展的主要趨勢(shì)之一。當(dāng)前，國(guó)內(nèi)外市場(chǎng)上主流的產(chǎn)品主要有兩種，即模擬視頻數(shù)字網(wǎng)絡(luò)系統(tǒng)、數(shù)字視頻網(wǎng)絡(luò)系統(tǒng)。前者技術(shù)先進(jìn)，性能穩(wěn)定，被廣泛應(yīng)用于實(shí)際工程應(yīng)用中，特別是大中型視頻網(wǎng)絡(luò)項(xiàng)目。后者作為一種新興技術(shù)，是一種通過(guò)以計(jì)算機(jī)技術(shù)和視頻壓縮為核心的新型視頻網(wǎng)絡(luò)系統(tǒng)，其有效的避免了模擬系統(tǒng)所存在的一些弊端，但未來(lái)仍需要進(jìn)行不斷的改進(jìn)和發(fā)展。外部集成、視頻數(shù)字化、視頻網(wǎng)絡(luò)連接、系統(tǒng)集成是未來(lái)視頻網(wǎng)絡(luò)系統(tǒng)發(fā)展的重要研究方向。數(shù)字化是網(wǎng)絡(luò)的前提，而網(wǎng)絡(luò)是系統(tǒng)集成的基礎(chǔ)。因此，視頻網(wǎng)絡(luò)領(lǐng)域的兩個(gè)最大發(fā)展特征是：數(shù)字化和網(wǎng)絡(luò)化。

1.2人臉識(shí)別視頻網(wǎng)絡(luò)的發(fā)展?fàn)顩r

人臉識(shí)別技術(shù)作為模式識(shí)別領(lǐng)域中的一項(xiàng)前沿課題，截止目前，已有三十多年的研究歷史。人臉識(shí)別目前是模式識(shí)別和人工智能的研究熱點(diǎn)，目前主要采用AdaBoost分類器進(jìn)行人臉區(qū)域的檢測(cè)，人臉識(shí)別研究的內(nèi)容大致分為以下內(nèi)容：（1）人臉檢測(cè)：其指的是在不同場(chǎng)景下的人臉檢測(cè)及其位置。人臉檢測(cè)是通過(guò)在整個(gè)輸入的圖像中找到一個(gè)合適的人臉區(qū)域?yàn)槟康?，并將該圖像分為人臉區(qū)域和非人臉區(qū)域兩部分。在實(shí)際的某些理想情況下，由于可以人為手動(dòng)控制拍攝環(huán)境，因此，可以輕松確定人臉的位置；但是在大多數(shù)情況下，由于場(chǎng)景更加復(fù)雜，因此，人臉的位置是未知的。因而在實(shí)際的人臉識(shí)別視頻網(wǎng)絡(luò)過(guò)程中，首先必須確定識(shí)別場(chǎng)景中是否有人臉的存在，如果存在人臉，再進(jìn)一步確定圖像中人臉的具體區(qū)域。（2）人臉識(shí)別：將系統(tǒng)檢測(cè)到的人臉特征信息與系統(tǒng)數(shù)據(jù)庫(kù)中存在的已知人臉信息進(jìn)行充分識(shí)別與匹配，以此獲取相關(guān)信息，該過(guò)程的本質(zhì)是選擇正確的人臉模型和匹配策略。在實(shí)際生活的應(yīng)用當(dāng)中，由于成人的面部模型處于不斷變化當(dāng)中，且容易受到時(shí)間、光線、相機(jī)角度等方面的差異，因而很難用一張圖紙表達(dá)同一個(gè)人的面部圖像，這使得提取特征變得困難，由于大量的原始灰度圖像數(shù)據(jù)，神經(jīng)元的數(shù)量通常很大并且訓(xùn)練時(shí)間很長(zhǎng)。除此之外，完全依賴于神經(jīng)網(wǎng)絡(luò)的識(shí)別方法具有當(dāng)前計(jì)算機(jī)系統(tǒng)固有的局限性，盡管神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的感應(yīng)能力，但是隨著樣本數(shù)量的增加，其性能可能會(huì)大大降低。簡(jiǎn)而言之，由于年齡，表情，傾斜度和其他表征對(duì)象的因素的多樣性，很難進(jìn)行人臉識(shí)別，因此，識(shí)別該對(duì)象的效果仍遠(yuǎn)未達(dá)到現(xiàn)實(shí)。目前，普遍采用AdaBoost算法來(lái)對(duì)出現(xiàn)在視頻中的人臉區(qū)域進(jìn)行檢測(cè)，以此達(dá)到實(shí)時(shí)獲取人臉圖像的目的，AdaBoost算法的原理是通過(guò)訓(xùn)練得到多個(gè)不同的弱分類器并將這些弱分類器通過(guò)疊加、級(jí)聯(lián)得到強(qiáng)分類器，AdaBoost算法流程如圖1所示。（3）表情分析：即對(duì)面部表情信息（幸福，悲傷，恐懼，驚奇等）進(jìn)行分析和分類。當(dāng)前，由于問(wèn)題的復(fù)雜性，正在對(duì)面部表情的分析進(jìn)行研究，它仍處于起步階段。心理學(xué)表明，至少有六種與不同面部表情相關(guān)的情緒：幸福，悲傷，驚奇，恐懼，憤怒和惡心。即與沒(méi)有表情的面部特征相比，這六個(gè)表情的面部特征具有相對(duì)獨(dú)特的運(yùn)動(dòng)規(guī)則。（4）生理分類：分析已知面孔的生理特征，并獲得相關(guān)信息，例如種族、年齡、性別和職業(yè)。顯然，此過(guò)程需要大量知識(shí)，通常非常困難和復(fù)雜。

2物聯(lián)網(wǎng)卷積神經(jīng)網(wǎng)絡(luò)人臉識(shí)別方法分析

卷積神經(jīng)網(wǎng)絡(luò)是專門設(shè)計(jì)用于識(shí)別二維形狀的多層感知器。通常，可以使用梯度下降和反向傳播算法來(lái)訓(xùn)練網(wǎng)絡(luò)。從結(jié)構(gòu)上講，卷積神經(jīng)網(wǎng)絡(luò)包含三個(gè)概念：局部感受野、權(quán)重共享和下采樣，使其在平移，縮放，傾斜或其他形式的變形中相當(dāng)穩(wěn)定。當(dāng)前，卷積神經(jīng)網(wǎng)絡(luò)被廣泛用于模式識(shí)別，圖像處理和其他領(lǐng)域。卷積神經(jīng)網(wǎng)絡(luò)（CNN）用于提取目標(biāo)人臉圖像的特征。訓(xùn)練網(wǎng)絡(luò)后，將先前測(cè)試的模型用作面部分類器，微調(diào)可以縮短網(wǎng)絡(luò)模型的訓(xùn)練時(shí)間。卷積神經(jīng)網(wǎng)絡(luò)的基本體系結(jié)構(gòu)是輸入層，卷積層（conv），歸約層（字符串），完全連接層和輸出層（分類器）。通常有多個(gè)卷積層+速記層，此程序?qū)崿F(xiàn)的CNN模型是LeNet5，并且有兩個(gè)“卷積+下采樣層”LeNetConvPoolLayer。完全連接的層等效于MLP（多層感知器）中的HiddenLayer。輸出層是一個(gè)分類器，通常使用softmax回歸（有些人稱為直接邏輯回歸，它實(shí)際上是多類邏輯回歸）。LogisticRegression也直接提供了該軟件。人臉圖像在視頻監(jiān)控中實(shí)時(shí)發(fā)送到計(jì)算機(jī)，并且面部區(qū)域部分由AdaBoost算法確定。在預(yù)處理之后，將臉部圖像注入到新訓(xùn)練的預(yù)訓(xùn)練模型中進(jìn)行識(shí)別。該過(guò)程如圖2所示。

3物聯(lián)網(wǎng)人臉識(shí)別視頻網(wǎng)絡(luò)多目標(biāo)算法優(yōu)化

多目標(biāo)優(yōu)化問(wèn)題的實(shí)質(zhì)是協(xié)調(diào)并在各個(gè)子目標(biāo)之間達(dá)成折衷，以便使不同的子目標(biāo)功能盡可能地最佳。工程優(yōu)化的大多數(shù)實(shí)際問(wèn)題都是多用途優(yōu)化問(wèn)題，目標(biāo)通常相互沖突。長(zhǎng)期以來(lái)，多目標(biāo)優(yōu)化一直受到人們的廣泛關(guān)注，現(xiàn)在已經(jīng)開(kāi)發(fā)出更多的方法來(lái)解決多目標(biāo)優(yōu)化問(wèn)題。如果多標(biāo)準(zhǔn)優(yōu)化沒(méi)有最差的解決方案，那么通常會(huì)有無(wú)限多的解決方案，這并不是最差的解決方案。解決面部強(qiáng)調(diào)時(shí)，人們不能直接應(yīng)用許多次等解決方案。作為最后的決定，我們只能選擇質(zhì)量不是最低，最能滿足我們要求的解決方案。找到最終解決方案的方法主要有三種。因此，只有通過(guò)找到大量有缺陷的解決方案以形成有缺陷的解決方案的子集，然后根據(jù)我們的意圖找到最終的解決方案?；诖?，多目標(biāo)算法是通過(guò)將多準(zhǔn)則問(wèn)題轉(zhuǎn)變?yōu)橐粋€(gè)關(guān)鍵問(wèn)題，這種方法也可以視為輔助手段。這種方法的棘手部分是如何獲取實(shí)際體重信息，至于面部特征，我們將建議一種基于權(quán)重的多功能優(yōu)化算法，該算法可以更好地反映臉部的特征。我們將人臉的每個(gè)特征都視為多個(gè)目標(biāo)，并且在提取面部特征時(shí)，面部特征會(huì)受到外界的強(qiáng)烈影響，例如位置，光照條件和強(qiáng)度的變化，并且所有部位和每個(gè)部位都會(huì)受到影響。因此，我們可以使用加權(quán)方法從每個(gè)受影響的分?jǐn)?shù)中提取不同的權(quán)重。通過(guò)開(kāi)展試驗(yàn)測(cè)試，結(jié)果表明，在有多目標(biāo)優(yōu)化的算法的作用下，比在沒(méi)有多目標(biāo)優(yōu)化的算法作用下人臉識(shí)別效果有所提高，大約提高了5—10個(gè)百分點(diǎn)。

4結(jié)論

鑒于多準(zhǔn)則優(yōu)化算法在科學(xué)研究的各個(gè)領(lǐng)域中的廣泛使用，本文提出了一種多準(zhǔn)則優(yōu)化算法來(lái)對(duì)復(fù)雜的多準(zhǔn)則人臉圖像上的各種面部特征進(jìn)行特征提取的多準(zhǔn)則優(yōu)化，以達(dá)到提高人臉識(shí)別率的目標(biāo)、提高整個(gè)人臉識(shí)別視頻網(wǎng)絡(luò)系統(tǒng)的性能。

參考文獻(xiàn)

[1]江斌,桂冠.基于物聯(lián)網(wǎng)的人臉識(shí)別視頻網(wǎng)絡(luò)的優(yōu)化方法研究[C]//物聯(lián)網(wǎng)與無(wú)線通信-2018年全國(guó)物聯(lián)網(wǎng)技術(shù)與應(yīng)用大會(huì)論文集.2018.

[2]余雷.基于物聯(lián)網(wǎng)的遠(yuǎn)程視頻監(jiān)控優(yōu)化方法研究[J].科技通報(bào),2014(6).

[3]張勇.遠(yuǎn)程視頻監(jiān)控系統(tǒng)的傳輸技術(shù)的實(shí)現(xiàn)[D].電子科技大學(xué),2011(9)

第2篇：卷積神經(jīng)網(wǎng)絡(luò)的歷史范文

    雖然目前公眾媒體將無(wú)線通信炒的很熱,但這個(gè)領(lǐng)域從1897年馬可尼成功演示無(wú)線電波開(kāi)始,已經(jīng)有超過(guò)一百年的歷史。到1901年就實(shí)現(xiàn)了跨大西洋的無(wú)線接收,表明無(wú)線通信技術(shù)曾經(jīng)有過(guò)一段快速發(fā)展時(shí)期。在之后的幾十年中,眾多的無(wú)線通信系統(tǒng)生生滅滅。

    20世紀(jì)80年代以來(lái),全球范圍內(nèi)移動(dòng)無(wú)線通信得到了前所未有的發(fā)展,與第三代移動(dòng)通信系統(tǒng)(3G)相比,未來(lái)移動(dòng)通信系統(tǒng)的目標(biāo)是,能在任何時(shí)間、任何地點(diǎn)、向任何人提供快速可靠的通信服務(wù)。因此,未來(lái)無(wú)線移動(dòng)通信系統(tǒng)應(yīng)具有高的數(shù)據(jù)傳輸速度、高的頻譜利用率、低功耗、靈活的業(yè)務(wù)支撐能力等。但無(wú)線通信是基于電磁波在自由空間的傳播來(lái)實(shí)現(xiàn)信息傳輸?shù)?。信?hào)在無(wú)線信道中傳輸時(shí),無(wú)線頻率資源受限、傳輸衰減、多徑傳播引起的頻域選擇性衰落、多普勒頻移引起的時(shí)間選擇性衰落以及角度擴(kuò)展引起的空間選擇性衰落等都使得無(wú)線鏈路的傳輸性能差。和有線通信相比,無(wú)線通信主要由兩個(gè)新的問(wèn)題。一是通信行道經(jīng)常是隨時(shí)間變化的,二是多個(gè)用戶之間常常存在干擾。無(wú)線通信技術(shù)還需要克服時(shí)變性和干擾。由于這個(gè)原因,無(wú)線通信中的信道建模以及調(diào)制編碼方式都有所不同。

    1.無(wú)線數(shù)字通信中盲源分離技術(shù)分析

    盲源分離(BSS:Blind source separation),是信號(hào)處理中一個(gè)傳統(tǒng)而又極具挑戰(zhàn)性的問(wèn)題,BSS指僅從若干觀測(cè)到的混合信號(hào)中恢復(fù)出無(wú)法直接觀測(cè)的各個(gè)原始信號(hào)的過(guò)程,這里的“盲”,指源信號(hào)不可測(cè),混合系統(tǒng)特性事先未知這兩個(gè)方面。在科學(xué)研究和工程應(yīng)用中,很多觀測(cè)信號(hào)都可以看成是多個(gè)源信號(hào)的混合,所謂“雞尾酒會(huì)”問(wèn)題就是個(gè)典型的例子。其中獨(dú)立分量分析ICA(Independent component analysis)是一種盲源信號(hào)分離方法,它已成為陣列信號(hào)處理和數(shù)據(jù)分析的有力工具,而B(niǎo)SS比ICA適用范圍更寬。目前國(guó)內(nèi)對(duì)盲信號(hào)分離問(wèn)題的研究,在理論和應(yīng)用方面取得了很大的進(jìn)步,但是還有很多的問(wèn)題有待進(jìn)一步研究和解決。盲源分離是指在信號(hào)的理論模型和源信號(hào)無(wú)法精確獲知的情況下,如何從混迭信號(hào)(觀測(cè)信號(hào))中分離出各源信號(hào)的過(guò)程。盲源分離和盲辨識(shí)是盲信號(hào)處理的兩大類型。盲源分離的目的是求得源信號(hào)的最佳估計(jì),盲辨識(shí)的目的是求得傳輸通道混合矩陣。盲源信號(hào)分離是一種功能強(qiáng)大的信號(hào)處理方法,在生物醫(yī)學(xué)信號(hào)處理,陣列信號(hào)處理,語(yǔ)音信號(hào)識(shí)別,圖像處理及移動(dòng)通信等領(lǐng)域得到了廣泛的應(yīng)用。

    根據(jù)源信號(hào)在傳輸信道中的混合方式不同,盲源分離算法分為以下三種模型:線性瞬時(shí)混合模型、線性卷積混合模型以及非線性混合模型。

    1.1 線性瞬時(shí)混合盲源分離

    線性瞬時(shí)混合盲源分離技術(shù)是一項(xiàng)產(chǎn)生、研究最早,最為簡(jiǎn)單,理論較為完善,算法種類多的一種盲源分離技術(shù),該技術(shù)的分離效果、分離性能會(huì)受到信噪比的影響。盲源分離理論是由雞尾酒會(huì)效應(yīng)而被人們提出的,雞尾酒會(huì)效應(yīng)指的是雞尾酒會(huì)上,有音樂(lè)聲、談話聲、腳步 聲、酒杯餐具的碰撞聲等,當(dāng)某人的注意集中于欣賞音樂(lè)或別人的談話,對(duì)周圍的嘈雜聲音充耳不聞時(shí),若在另一處有人提到他的名字,他會(huì)立即有所反應(yīng),或者朝 說(shuō)話人望去,或者注意說(shuō)話人下面說(shuō)的話等。該效應(yīng)實(shí)際上是聽(tīng)覺(jué)系統(tǒng)的一種適應(yīng)能力。當(dāng)盲源分離理論提出后很快就形成了線性瞬時(shí)混合模型。線性瞬時(shí)混合盲源分離技術(shù)是對(duì)線性無(wú)記憶系統(tǒng)的反應(yīng),它是將N個(gè)源信號(hào)在線性瞬時(shí)取值混合后,由多個(gè)傳感器進(jìn)行接收的分離模型。

    20世紀(jì)八、九十年代是盲源技術(shù)迅猛發(fā)展的時(shí)期,在1986年由法國(guó)和美國(guó)學(xué)者共同完了將兩個(gè)相互獨(dú)立的源信號(hào)進(jìn)行混合后實(shí)現(xiàn)盲源分離的工作,這一工作的成功開(kāi)啟了盲源分離技術(shù)的發(fā)展和完善。在隨后的數(shù)十年里對(duì)盲源技術(shù)的研究和創(chuàng)新不斷加深,在基礎(chǔ)理論的下不斷有新的算法被提出和運(yùn)用,但先前的算法不能夠完成對(duì)兩個(gè)以上源信號(hào)的分離;之后在1991年,法國(guó)學(xué)者首次將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到盲源分離問(wèn)題當(dāng)中,為盲源分離提出了一個(gè)比較完整的數(shù)學(xué)框架。到了1995年在神經(jīng)網(wǎng)絡(luò)技術(shù)基礎(chǔ)上盲源分離技術(shù)有了突破性的進(jìn)展,一種最大化的隨機(jī)梯度學(xué)習(xí)算法可以做到同時(shí)分辨出10人的語(yǔ)音,大大推動(dòng)了盲源分離技術(shù)的發(fā)展進(jìn)程。

    1.2 線性卷積混合盲源分離

    相比瞬時(shí)混合盲源分離模型來(lái)說(shuō),卷積混合盲源分離模型更加復(fù)雜。在線性瞬時(shí)混合盲源分離技術(shù)不斷發(fā)展應(yīng)用的同時(shí),應(yīng)用中也有無(wú)法準(zhǔn)確估計(jì)源信號(hào)的問(wèn)題出現(xiàn)。常見(jiàn)的是在通信系統(tǒng)中的問(wèn)題,通信系統(tǒng)中由于移動(dòng)客戶在使用過(guò)程中具有移動(dòng)性,移動(dòng)用戶周圍散射體會(huì)發(fā)生相對(duì)運(yùn)動(dòng),或是交通工具發(fā)生的運(yùn)動(dòng)都會(huì)使得源信號(hào)在通信環(huán)境中出現(xiàn)時(shí)間延遲的現(xiàn)象,同時(shí)還造成信號(hào)疊加,產(chǎn)生多徑傳輸。正是因?yàn)檫@樣問(wèn)題的出現(xiàn),使得觀測(cè)信號(hào)成為源信號(hào)與系統(tǒng)沖激響應(yīng)的卷積,所以研究學(xué)者將信道環(huán)境抽象成為線性卷積混合盲源分離模型。線性卷積混合盲源分離模型按照其信號(hào)處理空間域的不同可分為時(shí)域、頻域和子空間方法。

    1.3 非線性混合盲源分離

    非線性混合盲源分離技術(shù)是盲源分離技術(shù)中發(fā)展、研究最晚的一項(xiàng),許多理論和算法都還不算成熟和完善。在衛(wèi)星移動(dòng)通信系統(tǒng)中或是麥克風(fēng)錄音時(shí),都會(huì)由于乘性噪聲、放大器飽和等因素的影響造成非線性失真。為此,就要考慮非線性混合盲源分離模型。非線性混合模型按照混合形式的不同可分為交叉非線性混合、卷積后非線性混合和線性后非線性混合模型三種類型。在最近幾年里非線性混合盲源分離技術(shù)受到社會(huì)各界的廣泛關(guān)注,特別是后非線性混合模型。目前后非線性混合盲源分離算法中主要有參數(shù)化方法、非參數(shù)化方法、高斯化方法來(lái)抵消和補(bǔ)償非線性特征。

    2.無(wú)線通信技術(shù)中的盲源分離技術(shù)

    在無(wú)線通信系統(tǒng)中通信信號(hào)的信號(hào)特性參數(shù)復(fù)雜多變,實(shí)現(xiàn)盲源分離算法主要要依據(jù)高階累積量和峭度兩類參數(shù)。如圖一所示,這是幾個(gè)常見(jiàn)的通信信號(hào)高階累積量。

    在所有的通信系統(tǒng)中,接收設(shè)備處總是會(huì)出現(xiàn)白色或是有色的高斯噪聲,以高階累積量為準(zhǔn)則的盲源分離技術(shù)在處理這一問(wèn)題時(shí)穩(wěn)定性較強(qiáng),更重要的是對(duì)不可忽略的加性高斯白噪聲分離算法同時(shí)適用。因此,由高階累積量為準(zhǔn)則的盲源分離算法在通信系統(tǒng)中優(yōu)勢(shì)明顯。

    分離的另一個(gè)判據(jù)就是峭度,它是反映某個(gè)信號(hào)概率密度函數(shù)分布情況與高斯分布的偏離程度的函數(shù)。峭度是由信號(hào)的高階累積量定義而來(lái)的,是度量信號(hào)概率密度分布非高斯性大小的量值。

第3篇：卷積神經(jīng)網(wǎng)絡(luò)的歷史范文

Master的“過(guò)人之處”

2016年年末，圍棋界對(duì)阿爾法狗留下的心理陰影正在消散，這不單是因?yàn)樵诰€圍棋網(wǎng)站上冒出了更多AI棋手―如日本的DEEPZEN、中國(guó)的“絕藝”――更重要的是，人類棋手在與之較量時(shí)互有勝負(fù)。特別是當(dāng)中國(guó)第一高手柯潔曾完勝“絕藝”的升級(jí)版“刑天”（被認(rèn)為棋力相當(dāng)于阿爾法狗）一局并宣稱可以找到AI漏洞后，人類棋手歡欣鼓舞。

可是，Master就是在這樣的背景下登場(chǎng)并毫無(wú)懸念地收割勝利的。賽后，棋圣聶衛(wèi)平感喟“我們無(wú)法像電腦那樣從不犯錯(cuò)”，而柯潔則連連慨嘆，“人類數(shù)千年的實(shí)戰(zhàn)演練進(jìn)化，計(jì)算機(jī)卻告訴我們?nèi)际清e(cuò)的……”那么，Master究竟強(qiáng)在哪里呢？阿爾法狗研發(fā)團(tuán)隊(duì)的黃士杰博士表示，其“過(guò)人之處”即在于背靠多組超級(jí)計(jì)算機(jī)組成的卷積神經(jīng)網(wǎng)絡(luò)，這使得Master不僅具備類似人腦的“策略網(wǎng)絡(luò)”（選擇某一手棋的最優(yōu)下法），更擁有人類難以企及的“價(jià)值網(wǎng)絡(luò)”（判斷每一步靜態(tài)棋局的精準(zhǔn)勝率）。與此同時(shí)，Master還可以通過(guò)每天自我對(duì)弈數(shù)十萬(wàn)局來(lái)增長(zhǎng)棋力――人類棋手一年最多下1000局。由此，Master得以拋開(kāi)事倍功半的窮舉分析，并以閃電般的高效應(yīng)對(duì)使人類棋手難以招架。

電腦將“學(xué)會(huì)”文化創(chuàng)意

對(duì)計(jì)算機(jī)而言，一切任務(wù)都是邏輯運(yùn)算，而算法和算力是提升效率的主要指標(biāo)。優(yōu)化算法可以更輕易地解決問(wèn)題，提升算力則能在單位時(shí)間內(nèi)獲得更多成果。當(dāng)一項(xiàng)活動(dòng)具備邏輯運(yùn)行特征時(shí)，即可交由計(jì)算機(jī)執(zhí)行；其中的變化規(guī)則越多地被掌握，計(jì)算機(jī)越是容易立于不敗之地。國(guó)際象棋就是一個(gè)例子，由于棋路變化相對(duì)簡(jiǎn)單，今天安裝在手機(jī)上的對(duì)弈程序都已經(jīng)有了國(guó)際特級(jí)大師的棋力。專業(yè)級(jí)弈棋程序（如Rybka）幾乎已經(jīng)算盡棋路，在與人類棋手對(duì)決時(shí)穩(wěn)居上風(fēng)。

常人的直覺(jué)是，計(jì)算方面輸給電腦是正常的，文化創(chuàng)意方面人類則是永遠(yuǎn)的贏家。而事實(shí)上，文藝創(chuàng)作活動(dòng)也可以通過(guò)算法轉(zhuǎn)化為邏輯運(yùn)算。著名科幻作家劉慈欣就曾開(kāi)發(fā)過(guò)一款寫(xiě)詩(shī)軟件，設(shè)定創(chuàng)作一首三行詩(shī)，韻腳為a，按下“生成”就跳出結(jié)果：“伏特加，請(qǐng)霧化吧！懸崖，請(qǐng)磁化吧！我們都是嘩嘩啦啦的籌碼，我們要掙扎！”而如果在這一領(lǐng)域樹(shù)立一尊“圣杯”，那無(wú)疑是嘗試創(chuàng)造博爾赫斯筆下的“通天塔圖書(shū)館”。這座由小說(shuō)家臆想出來(lái)的圖書(shū)館中，收藏著以不同字符、數(shù)字、標(biāo)點(diǎn)符號(hào)組合而成的所有文本――既包括我們讀過(guò)的書(shū)，也包括消逝在歷史塵埃中的書(shū)，更包括尚未被寫(xiě)出的書(shū)……計(jì)算機(jī)通過(guò)羅列全部組合的方式來(lái)締造這個(gè)圖書(shū)館，不斷優(yōu)化的算法會(huì)通過(guò)剔除大量無(wú)意義結(jié)果來(lái)為算力減壓。

當(dāng)代的計(jì)算機(jī)尚無(wú)法構(gòu)建這個(gè)圖書(shū)館，正如它們還無(wú)法窮盡圍棋套路的變化那樣。但處理器性能是以指數(shù)級(jí)速度發(fā)展的，1946年人類第一臺(tái)電子計(jì)算機(jī)“埃尼阿克”的算力在今天連手持計(jì)算器都不如，我們又怎能設(shè)想一個(gè)世紀(jì)后的電腦將強(qiáng)大到何種程度呢？可以確定的是，一旦計(jì)算機(jī)可以“創(chuàng)作”，那么它也必然會(huì)攻克音樂(lè)、繪畫(huà)等人文藝術(shù)領(lǐng)域，人類靈感創(chuàng)意的專屬領(lǐng)地將遭遇機(jī)器邏輯的入侵。

與AI共生的未來(lái)

AI（人工智能）有強(qiáng)、弱之分。弱人工智能只擅長(zhǎng)某個(gè)特定領(lǐng)域，比如駕駛、裝配或掃地吸塵。阿爾法狗亦屬于此，但它的本質(zhì)是一種深度學(xué)習(xí)引擎，而不是只會(huì)下圍棋。按照谷歌公司的藍(lán)圖，它將被運(yùn)用在協(xié)助判斷早期病癥等領(lǐng)域。強(qiáng)人工智能將擁有類似人類的語(yǔ)言、情感以及思維能力，它們?cè)诤芏喾矫鏁?huì)超越人類本身，因此研發(fā)的意義不是為解決某種具體問(wèn)題，而是用它們來(lái)開(kāi)創(chuàng)出更多視界。

第4篇：卷積神經(jīng)網(wǎng)絡(luò)的歷史范文

關(guān)鍵詞：電廠；熱工自動(dòng)化；控制

一、電廠熱工自動(dòng)化概述

對(duì)于電廠而言，熱工過(guò)程是其生產(chǎn)中不可或缺的重要環(huán)節(jié)之一，在該過(guò)程中，自動(dòng)化技術(shù)的應(yīng)用已經(jīng)有比較長(zhǎng)的歷史，早期的熱能動(dòng)力設(shè)備自動(dòng)化控制裝置主要有鍋爐給水調(diào)節(jié)設(shè)備、蒸汽機(jī)離心擺調(diào)速設(shè)備等等。隨著科技水平的不斷進(jìn)步，火電機(jī)組由以往的中低壓、小容量發(fā)展至現(xiàn)如今的高參數(shù)、大容量、單元式機(jī)組，其生產(chǎn)運(yùn)行方式也由人工手動(dòng)控制逐步轉(zhuǎn)變?yōu)樽詣?dòng)化控制，這不但使電廠生產(chǎn)的自動(dòng)化水平顯著提升，而且還為其帶來(lái)了巨大的經(jīng)濟(jì)效益。電廠熱工自動(dòng)化涉及的范圍相對(duì)較廣，具體包括主機(jī)自動(dòng)化、輔助設(shè)備自動(dòng)化以及公用系統(tǒng)自動(dòng)化等等，大體上可將之歸納為以下幾個(gè)方面：測(cè)量與顯示、模擬量控制、開(kāi)關(guān)量控制、自動(dòng)保護(hù)以及綜合自動(dòng)化技術(shù)?？梢哉f(shuō)熱工自動(dòng)化控制對(duì)于電廠運(yùn)行的各個(gè)方面有著非常重要的現(xiàn)實(shí)意義，其不但能夠確保各類設(shè)備的運(yùn)行要求，而且還能實(shí)現(xiàn)自動(dòng)化的控制操作，它的特點(diǎn)如圖1所示。

二、電廠熱工自動(dòng)化技術(shù)的應(yīng)用現(xiàn)狀分析

（一）變頻技術(shù)的應(yīng)用

在控制系統(tǒng)中，變頻器是一個(gè)重要的功率變換部件，主要負(fù)責(zé)為控制系統(tǒng)提供高性能變壓變頻可控的交流電源，早些年間在電廠小型電機(jī)的控制上應(yīng)用較為廣泛。變頻調(diào)速具備調(diào)速精度高、范圍廣、動(dòng)態(tài)響應(yīng)快、工作效率高、操作便捷等優(yōu)勢(shì)，并且還能夠取得良好的節(jié)能效果，在交流變頻調(diào)速技術(shù)不斷發(fā)展的情況下，變頻技術(shù)也被逐步試用到電廠的水泵電機(jī)、引風(fēng)機(jī)等高壓電機(jī)的轉(zhuǎn)速控制上。隨著高壓變頻器可靠性的提高、投資成本的降低以及對(duì)電網(wǎng)諧波干擾的減少，高壓變頻器在節(jié)能方面的優(yōu)勢(shì)日益凸顯，越來(lái)越多的機(jī)組大電機(jī)應(yīng)用了變頻調(diào)速控制，在電廠節(jié)能工作中發(fā)揮了重要作用。

（二）優(yōu)化控制技術(shù)的應(yīng)用

由于過(guò)程生產(chǎn)對(duì)控制系統(tǒng)的要求不斷提高，從而使得傳統(tǒng)的控制技術(shù)很難滿足電廠熱工流程對(duì)系統(tǒng)安全性、穩(wěn)定性以及性能最優(yōu)化方面的要求，汽溫超標(biāo)也成為制約電廠機(jī)組設(shè)備負(fù)荷變化響應(yīng)能力的關(guān)鍵性因素之一。在這一背景下，大量的現(xiàn)代化控制方法被逐步應(yīng)用到了電廠的熱工過(guò)程控制當(dāng)中，其中較為典型的有模擬預(yù)測(cè)控制法、模糊控制法、前饋控制法等等，這些技術(shù)和方法的有效運(yùn)用進(jìn)一步提升了電廠熱工系統(tǒng)的自動(dòng)化控制效果。例如，某電廠應(yīng)用了SIMENS公司研發(fā)的PROFI系統(tǒng)，該系統(tǒng)中的汽溫控制原理如圖2所示。

在圖2當(dāng)中，采用了狀態(tài)觀測(cè)器來(lái)解決因汽溫延遲引起的控制之后，焓值變?cè)鲆婵刂破鞯膽?yīng)用有效地解決了蒸汽壓力變化對(duì)溫控的影響，Smith預(yù)估器的運(yùn)用對(duì)導(dǎo)前溫度的變化進(jìn)行了提前控制，自學(xué)習(xí)模塊的運(yùn)用對(duì)減溫水閥門的特性變化給予了實(shí)時(shí)補(bǔ)償；煙道擋板成為再熱氣溫控制的主要調(diào)節(jié)手段，這進(jìn)一步提升了機(jī)組自身的運(yùn)行效率；協(xié)調(diào)控制模塊中非最小化形式描述的離散卷積和模型的運(yùn)用提高了系統(tǒng)的魯棒性。PROFI系統(tǒng)投入生產(chǎn)之后，AGC狀態(tài)下的負(fù)荷變化響應(yīng)時(shí)間大幅度縮短，主蒸汽溫度偏差穩(wěn)態(tài)時(shí)的溫度控制在2℃以內(nèi)，動(dòng)態(tài)控制在5℃以內(nèi)。

三、電廠熱工自動(dòng)化的未來(lái)發(fā)展趨勢(shì)

（一）監(jiān)控系統(tǒng)集中化

在以往的電廠監(jiān)控系統(tǒng)中，一臺(tái)或兩臺(tái)的機(jī)組使用一個(gè)集控室，同時(shí)電子室的小型電子設(shè)備間較多且設(shè)置在主設(shè)備的周圍，以達(dá)到節(jié)省電纜的目的，在這種情況下，電廠必須配置多個(gè)輔助車間以滿足運(yùn)行要求。隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，機(jī)組容量的不斷擴(kuò)大，對(duì)電廠監(jiān)控系統(tǒng)的管理要求也隨之提高，這促使全廠的監(jiān)控系統(tǒng)必須向集中化的方向發(fā)展，將單元機(jī)組容于一個(gè)控制室，以提高輔助車間的工作運(yùn)行效率。在監(jiān)控系統(tǒng)集中化的發(fā)展趨勢(shì)下，電廠單元機(jī)組的電子設(shè)備間會(huì)越來(lái)越集中，為此應(yīng)當(dāng)利用I/O柜的配置方式分配監(jiān)視信號(hào)，實(shí)現(xiàn)遠(yuǎn)程監(jiān)控。如，浙江國(guó)華浙能寧海發(fā)電廠的監(jiān)控系統(tǒng)曾獲國(guó)家級(jí)科技創(chuàng)新金獎(jiǎng)，該電廠由一個(gè)控制室同時(shí)監(jiān)控四臺(tái)機(jī)組，集中配置單元機(jī)組電子室，大幅度提高了機(jī)組的運(yùn)行管理效率和經(jīng)濟(jì)效益。

（二）單元機(jī)組監(jiān)控智能化

隨著DCS系統(tǒng)被廣泛應(yīng)用于電廠的單元機(jī)組，促使了電廠機(jī)組的監(jiān)控系統(tǒng)日益完善。但是，電廠的機(jī)組監(jiān)控系統(tǒng)仍未發(fā)展到智能化控制階段，依然存在著工作效率偏低、工作量大、耗用時(shí)間多等問(wèn)題。近年來(lái)，我國(guó)冶金化工行業(yè)已經(jīng)廣泛應(yīng)用了智能化監(jiān)視控制系統(tǒng)，在提高經(jīng)濟(jì)效益和工作效率方面取得了顯著成效，然而我國(guó)電力行業(yè)對(duì)智能化監(jiān)視系統(tǒng)的應(yīng)用仍處于起步階段，尚需要不斷嘗試與完善。隨著電子技術(shù)的快速發(fā)展，智能化、自動(dòng)化已經(jīng)成電廠單元機(jī)組的必然發(fā)展趨勢(shì)，可以預(yù)見(jiàn)，單元機(jī)組智能化監(jiān)控也會(huì)被廣泛應(yīng)用于電廠機(jī)組的監(jiān)控系統(tǒng)中，從而提高電廠運(yùn)行的經(jīng)濟(jì)效益和社會(huì)效益，使電廠熱工自動(dòng)化技術(shù)的應(yīng)用適應(yīng)新時(shí)期下電廠可持續(xù)發(fā)展的需要。

（三）人工智能與神經(jīng)網(wǎng)絡(luò)

在未來(lái)的熱工自動(dòng)化控制系統(tǒng)當(dāng)中，可以逐步將人工智能的研究成果應(yīng)用其中。傳統(tǒng)的溫度與壓力控制系統(tǒng)一般都是以某一點(diǎn)的溫度或是壓力值作為控制依據(jù)，但在電廠的實(shí)際生產(chǎn)中，常常需要對(duì)多個(gè)點(diǎn)的溫度和壓力進(jìn)行控制，但由于技術(shù)方面的制約，使得這種控制很難實(shí)現(xiàn)?，F(xiàn)如今，隨著人工神經(jīng)網(wǎng)路技術(shù)的發(fā)展，為這種控制方案的實(shí)現(xiàn)提供了可能，該技術(shù)的應(yīng)用，將會(huì)使控制系統(tǒng)的性能獲得顯著提升。

（四）APS技術(shù)

所謂的APS技術(shù)又稱為火力發(fā)電廠自動(dòng)啟/停機(jī)控制系統(tǒng)，在具體運(yùn)行時(shí)，只需要按下某個(gè)控制按鈕，機(jī)組便可以根據(jù)預(yù)先設(shè)計(jì)好的程序進(jìn)行啟動(dòng)或是停止，這樣一來(lái)，便可以使集控運(yùn)行人員操作次數(shù)大幅度減少，從而能夠盡量杜絕人為操作不當(dāng)引起的各種問(wèn)題。鑒于此，APS將會(huì)成為電廠機(jī)組控制未來(lái)一段時(shí)期的重點(diǎn)研究方向。

（五）系統(tǒng)保護(hù)措施完善化

隨著電廠熱工自動(dòng)化技術(shù)的不斷發(fā)展，熱工自動(dòng)化系統(tǒng)運(yùn)行的保護(hù)措施勢(shì)必會(huì)更加完善，主要體現(xiàn)在以下三個(gè)方面：首先，做好全面調(diào)試。在完成設(shè)備安裝后，要及時(shí)進(jìn)行全面調(diào)試，并對(duì)重要硬件設(shè)備的調(diào)試情況做好跟蹤記錄。電廠熱工保護(hù)系統(tǒng)的安全、有效運(yùn)行，與系統(tǒng)硬件的調(diào)試情況有著直接關(guān)系，為此必須認(rèn)真記錄系統(tǒng)硬件的運(yùn)行情況。尤其是保護(hù)出口卡的情況，要在每一次保護(hù)投入運(yùn)行時(shí)進(jìn)行設(shè)備校驗(yàn)，確保設(shè)備合格。其次，采用冗余思路。在電廠熱工保護(hù)系統(tǒng)設(shè)計(jì)中，要充分結(jié)合電廠的發(fā)展現(xiàn)狀與未來(lái)發(fā)展需要，采用冗余設(shè)計(jì)思路提高電廠自動(dòng)控制系統(tǒng)的運(yùn)行效率。再次，使用優(yōu)質(zhì)元件。電廠熱工保護(hù)系統(tǒng)要配置高質(zhì)量的元件，并運(yùn)用成熟的技術(shù)，以提高系統(tǒng)的穩(wěn)定性。隨著電廠熱控系統(tǒng)日趨復(fù)雜化，其對(duì)熱控元件可靠性的要求也會(huì)隨之提高。

結(jié)論：

總而言之，電廠肩負(fù)著電能生產(chǎn)的重要使命，其生產(chǎn)效率的高低關(guān)系重大。由于電廠生產(chǎn)過(guò)程中的設(shè)備相對(duì)較多，其中不乏一些大型化和復(fù)雜化的設(shè)備，尤其是在熱工生產(chǎn)領(lǐng)域中，為了確保這些設(shè)備能夠安全、穩(wěn)定、可靠運(yùn)行，必須對(duì)其進(jìn)行有效控制，在這一背景下，熱工自動(dòng)化技術(shù)在電廠中獲得了廣泛應(yīng)用。未來(lái)一段時(shí)期，應(yīng)當(dāng)逐步加大與之相關(guān)方面的研究力度，使該技術(shù)能夠更好地為電廠生產(chǎn)服務(wù)。

參考文獻(xiàn)

[1]彭道剛..電廠熱工設(shè)備智能狀態(tài)診斷分析系統(tǒng)軟件設(shè)計(jì)[J].上海電力.2012（7）.

[2]史運(yùn)濤.故障診斷與容錯(cuò)控制在電廠熱工系統(tǒng)中的應(yīng)用研究[D].華北電力大學(xué).2013.

[3]俞磊.提高電廠熱工保護(hù)系統(tǒng)可靠性對(duì)策研究[J].技術(shù)與市場(chǎng).2012（6）.