卷積神經(jīng)網(wǎng)絡(luò)綜述精選(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卷積神經(jīng)網(wǎng)絡(luò)綜述主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：卷積神經(jīng)網(wǎng)絡(luò)綜述范文

關(guān)鍵詞：人工智能 機(jī)器學(xué)習(xí) 機(jī)器人情感獲得 發(fā)展綜述

中圖分類(lèi)號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-9082 （2017） 04-0234-01

引言

人類(lèi)自從工業(yè)革命結(jié)束之后，就已然開(kāi)始了對(duì)人工智能的探索，究其本質(zhì)，實(shí)際上就是對(duì)人的思維進(jìn)行模仿，以此代替人類(lèi)工作。人工智能的探索最早可以追溯到圖靈時(shí)期，那時(shí)圖靈就希望未來(lái)的智能系統(tǒng)能夠像人一樣思考。在20世紀(jì)五十年代，人工智能被首次確定為一個(gè)新興的學(xué)科，并吸引了大批的學(xué)者投入到該領(lǐng)域的研究當(dāng)中。經(jīng)過(guò)長(zhǎng)時(shí)間的探索和嘗試，人工智能的許多重要基本理論已經(jīng)形成，如模式識(shí)別、特征表示與推理、機(jī)器學(xué)習(xí)的相關(guān)理論和算法等等。進(jìn)入二十一世紀(jì)以來(lái)，隨著深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展，人工智能再一次成為研究熱點(diǎn)。人工智能技術(shù)與基因過(guò)程、納米科學(xué)并列為二十一世紀(jì)的三大尖端技術(shù)， 并且人工智能涉及的學(xué)科多，社會(huì)應(yīng)用廣泛，對(duì)其原理和本質(zhì)的理解也更為復(fù)雜。 一、人工智能的發(fā)展歷程

回顧人工智能的產(chǎn)生與發(fā)展過(guò)程 ，可以將其分為：初期形成階段，綜合發(fā)展階段和應(yīng)用階段。

1.初期形成階段

人工智能這一思想最早的提出是基于對(duì)人腦神經(jīng)元模型的抽象。其早期工作被認(rèn)為是由美國(guó)的神經(jīng)學(xué)家和控制論學(xué)者 Warren McCulloch與Walter Pitts共同完成的。在1951年，兩名普林斯頓大學(xué)的研究生制造出了第一臺(tái)人工神經(jīng)元計(jì)算機(jī)。而其真正作為一個(gè)新的概念被提出是在1956年舉行的達(dá)茅斯會(huì)議上。由麥卡錫提議并正式采用了“人工智能”（Artificial Intelligence）礱枋穌庖謊芯咳綰斡沒(méi)器來(lái)模擬人類(lèi)智能的新興學(xué)科。1969年的國(guó)際人工智能聯(lián)合會(huì)議標(biāo)志著人工智能得到了國(guó)際的認(rèn)可。至此，人工智能這一概念初步形成，也逐漸吸引了從事數(shù)學(xué)、生物、計(jì)算機(jī)、神經(jīng)科學(xué)等相關(guān)學(xué)科的學(xué)者參與該領(lǐng)域的研究。

2.綜合發(fā)展階段

1.7 7年， 費(fèi)根鮑姆在第五屆國(guó)際人工智能聯(lián)合會(huì)議上正式提出了“知識(shí)工程”這一概念。而后其對(duì)應(yīng)的專(zhuān)家系統(tǒng)得到發(fā)展，許多智能系統(tǒng)紛紛被推出，并應(yīng)用到了人類(lèi)生活的方方面面。20世紀(jì)80年代以來(lái)，專(zhuān)家系統(tǒng)逐步向多技術(shù)、多方法的綜合集成與多學(xué)科、多領(lǐng)域的綜合應(yīng)用型發(fā)展。大型專(zhuān)家系統(tǒng)開(kāi)發(fā)采用了多種人工智能語(yǔ)言、多種知識(shí)表示方法、多種推理機(jī)制和多種控制策略相結(jié)合的方式， 并開(kāi)始運(yùn)用各種專(zhuān)家系統(tǒng)外殼、專(zhuān)家系統(tǒng)開(kāi)發(fā)工具和專(zhuān)家系統(tǒng)開(kāi)發(fā)環(huán)境等等。在專(zhuān)家系統(tǒng)的發(fā)展過(guò)程中，人工智能得到了較為系統(tǒng)和全面的綜合發(fā)展，并能夠在一些具體的任務(wù)中接近甚至超過(guò)人類(lèi)專(zhuān)家的水平。

3.應(yīng)用階段

進(jìn)入二十一世紀(jì)以后，由于深度人工神經(jīng)網(wǎng)絡(luò)的提出，并在圖像分類(lèi)與識(shí)別的任務(wù)上遠(yuǎn)遠(yuǎn)超過(guò)了傳統(tǒng)的方法，人工智能掀起了前所未有的。2006年，由加拿大多倫多大學(xué)的Geoffery Hinton及其學(xué)生在《Science》雜志上發(fā)表文章，其中首次提到了深度學(xué)習(xí)這一思想，實(shí)現(xiàn)對(duì)數(shù)據(jù)的分級(jí)表達(dá)，降低了經(jīng)典神經(jīng)網(wǎng)絡(luò)的訓(xùn)練難度。并隨后提出了如深度卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network， CNN），以及區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（Region-based Convolutional Neural Network， R-CNN），等等新的網(wǎng)絡(luò)訓(xùn)練結(jié)構(gòu)，使得訓(xùn)練和測(cè)試的效率得到大幅提升，識(shí)別準(zhǔn)確率也顯著提高。

二、人工智能核心技術(shù)

人工智能由于其涉及的領(lǐng)域較多，內(nèi)容復(fù)雜，因此在不同的應(yīng)用場(chǎng)景涉及到許多核心技術(shù)，這其中如專(zhuān)家系統(tǒng)、機(jī)器學(xué)習(xí)、模式識(shí)別、人工神經(jīng)網(wǎng)絡(luò)等是最重要也是發(fā)展較為完善的幾個(gè)核心技術(shù)。

1.專(zhuān)家系統(tǒng)

專(zhuān)家系統(tǒng)是一類(lèi)具有專(zhuān)門(mén)知識(shí)和經(jīng)驗(yàn)的計(jì)算機(jī)智能程序系統(tǒng)，通過(guò)對(duì)人類(lèi)專(zhuān)家的問(wèn)題求解能力建模，采用人工智能中的知識(shí)表示和知識(shí)推理技術(shù)來(lái)模擬通常由專(zhuān)家才能解決的復(fù)雜問(wèn)題，達(dá)到具有與專(zhuān)家同等解決問(wèn)題能力的水平。對(duì)專(zhuān)家系統(tǒng)的研究，是人工智能中開(kāi)展得較為全面、系統(tǒng)且已經(jīng)取得廣泛應(yīng)用的技術(shù)。許多成熟而先進(jìn)的專(zhuān)家系統(tǒng)已經(jīng)被應(yīng)用在如醫(yī)療診斷、地質(zhì)勘測(cè)、文化教育等方面。

2.機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是一個(gè)讓計(jì)算機(jī)在非精確編程下進(jìn)行活動(dòng)的科學(xué)，也就是機(jī)器自己獲取知識(shí)。起初，機(jī)器學(xué)習(xí)被大量應(yīng)用在圖像識(shí)別等學(xué)習(xí)任務(wù)中，后來(lái)，機(jī)器學(xué)習(xí)不再限于識(shí)別字符、圖像中的某個(gè)目標(biāo)，而是將其應(yīng)用到機(jī)器人、基因數(shù)據(jù)的分析甚至是金融市場(chǎng)的預(yù)測(cè)中。在機(jī)器學(xué)習(xí)的發(fā)展過(guò)程中，先后誕生了如凸優(yōu)化、核方法、支持向量機(jī)、Boosting算法等等一系列經(jīng)典的機(jī)器學(xué)習(xí)方法和理論。機(jī)器學(xué)習(xí)也是人工智能研究中最為重要的核心方向。

3.模式識(shí)別

模式識(shí)別是研究如何使機(jī)器具有感知能力 ，主要研究圖像和語(yǔ)音等的識(shí)別。其經(jīng)典算法包括如k-means，主成分分析（PCA），貝葉斯分類(lèi)器等等。在日常生活各方面以及軍事上都有廣大的用途。近年來(lái)迅速發(fā)展起來(lái)應(yīng)用模糊數(shù)學(xué)模式、人工神經(jīng)網(wǎng)絡(luò)模式的方法逐漸取代傳統(tǒng)的基于統(tǒng)計(jì)學(xué)習(xí)的識(shí)別方法。圖形識(shí)別方面例如識(shí)別各種印刷體和某些手寫(xiě)體文字，識(shí)別指紋、癌細(xì)胞等技術(shù)已經(jīng)進(jìn)入實(shí)際應(yīng)用。語(yǔ)音識(shí)別主要研究各種語(yǔ)音信號(hào)的分類(lèi)，和自然語(yǔ)言理解等等。模式識(shí)別技術(shù)是人工智能的一大應(yīng)用領(lǐng)域，其非常熱門(mén)的如人臉識(shí)別、手勢(shì)識(shí)別等等對(duì)人們的生活有著十分直接的影響。

4.人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是在研究人腦的結(jié)構(gòu)中得到啟發(fā)， 試圖用大量的處理單元模仿人腦神經(jīng)系統(tǒng)工程結(jié)構(gòu)和工作機(jī)理。而近年來(lái)發(fā)展的深度卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural networks， CNNs）具有更復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，與經(jīng)典的機(jī)器學(xué)習(xí)算法相比在大數(shù)據(jù)的訓(xùn)練下有著更強(qiáng)的特征學(xué)習(xí)和表達(dá)能力。含有多個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)能夠?qū)斎朐紨?shù)據(jù)有更抽象喝更本質(zhì)的表述，從而有利于解決特征可視化以及分類(lèi)問(wèn)題。另外，通過(guò)實(shí)現(xiàn)“逐層初始化”這一方法，實(shí)現(xiàn)對(duì)輸入數(shù)據(jù)的分級(jí)表達(dá)，可以有效降低神經(jīng)網(wǎng)絡(luò)的訓(xùn)練難度。目前的神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別任務(wù)中取得了十分明顯的進(jìn)展，基于CNN的圖像識(shí)別技術(shù)也一直是學(xué)術(shù)界與工業(yè)界一致追捧的熱點(diǎn)。

三、機(jī)器人情感獲得

1.智能C器人現(xiàn)狀

目前智能機(jī)器人的研究還主要基于智能控制技術(shù)，通過(guò)預(yù)先定義好的機(jī)器人行動(dòng)規(guī)則，編程實(shí)現(xiàn)復(fù)雜的自動(dòng)控制，完成機(jī)器人的移動(dòng)過(guò)程。而人類(lèi)進(jìn)行動(dòng)作、行為的學(xué)習(xí)主要是通過(guò)模仿及與環(huán)境的交互。從這個(gè)意義上說(shuō)，目前智能機(jī)器人還不具有類(lèi)腦的多模態(tài)感知及基于感知信息的類(lèi)腦自主決策能力。在運(yùn)動(dòng)機(jī)制方面，目前幾乎所有的智能機(jī)器人都不具備類(lèi)人的外周神經(jīng)系統(tǒng)，其靈活性和自適應(yīng)性與人類(lèi)運(yùn)動(dòng)系統(tǒng)還具有較大差距。

2.機(jī)器人情感獲得的可能性

人腦是在與外界永不停息的交互中，在高度發(fā)達(dá)的神經(jīng)系統(tǒng)的處理下獲得情感。智能機(jī)器人在不斷的機(jī)器學(xué)習(xí)和大數(shù)據(jù)處理中，中樞處理系統(tǒng)不斷地自我更新、升級(jí)，便具備了獲得情感的可能性及幾率。不斷地更新、升級(jí)的過(guò)程類(lèi)似于生物的進(jìn)化歷程，也就是說(shuō)，智能機(jī)器人有充分的可能性獲得與人類(lèi)同等豐富的情感世界。

3.機(jī)器人獲得情感的利弊

機(jī)器人獲得情感在理論可行的情況下，伴之而來(lái)的利弊則眾說(shuō)紛紜。一方面，擁有豐富情感世界的機(jī)器人可以帶來(lái)更多人性化的服務(wù)，人機(jī)合作也可進(jìn)行地更加深入，可以為人類(lèi)帶來(lái)更為逼真的體驗(yàn)和享受。人類(lèi)或可與智能機(jī)器人攜手共創(chuàng)一個(gè)和諧世界。但是另一方面，在機(jī)器人獲得情感時(shí)，機(jī)器人是否能徹底貫徹人類(lèi)命令及協(xié)議的擔(dān)憂也迎面而來(lái)。

4.規(guī)避機(jī)器人情感獲得的風(fēng)險(xiǎn)

規(guī)避智能機(jī)器人獲得情感的風(fēng)險(xiǎn)應(yīng)預(yù)備強(qiáng)制措施。首先要設(shè)計(jì)完備的智能機(jī)器人情感協(xié)議，將威脅泯滅于未然。其次，應(yīng)控制智能機(jī)器人的能源獲得，以限制其自主活動(dòng)的能力，杜絕其建立獨(dú)立體系的可能。最后，要掌控核心武器，必要時(shí)強(qiáng)行停止運(yùn)行、回收、甚至銷(xiāo)毀智能機(jī)器人。

三、總結(jié)

本文梳理了人工智能的發(fā)展歷程與核心技術(shù)，可以毋庸置疑地說(shuō)，人工智能具有極其廣闊的應(yīng)用前景，但也伴隨著極大的風(fēng)險(xiǎn)?；仡櫰浒l(fā)展歷程，我們有理由充分相信，在未來(lái)人工智能的技術(shù)會(huì)不斷完善，難題會(huì)被攻克。作為世界上最熱門(mén)的領(lǐng)域之一，在合理有效規(guī)避其風(fēng)險(xiǎn)的同時(shí)，獲得情感的智能機(jī)器人會(huì)造福人類(lèi)，并極大地幫助人們的社會(huì)生活。

參考文獻(xiàn)

[1]韓曄彤.人工智能技術(shù)發(fā)展及應(yīng)用研究綜述[J].電子制作，2016，（12）：95.

[2]曾毅，劉成林，譚鐵牛.類(lèi)腦智能研究的回顧與展望[J].計(jì)算機(jī)學(xué)報(bào)，2016，（01）：212-222.

[3]張?jiān)?人工智能綜述：讓機(jī)器像人類(lèi)一樣思考

第2篇：卷積神經(jīng)網(wǎng)絡(luò)綜述范文

關(guān)鍵詞：車(chē)牌；識(shí)別；專(zhuān)利；分析

引言

車(chē)牌識(shí)別技術(shù)[1-2]是指自動(dòng)提取受監(jiān)控區(qū)域車(chē)輛的車(chē)牌信息并進(jìn)行處理的技術(shù)，其通過(guò)運(yùn)用圖像處理、計(jì)算機(jī)視覺(jué)、模式識(shí)別等技術(shù)，對(duì)攝像頭捕獲的車(chē)輛照片或視頻進(jìn)行分析，進(jìn)而自動(dòng)識(shí)別車(chē)輛的車(chē)牌號(hào)碼。車(chē)牌識(shí)別技術(shù)可應(yīng)用于停車(chē)場(chǎng)自動(dòng)收費(fèi)管理、道路監(jiān)控等領(lǐng)域，在城市交通管理中發(fā)揮了重要作用。

1 中國(guó)專(zhuān)利申請(qǐng)情況分析

以CNABS專(zhuān)利數(shù)據(jù)庫(kù)中的檢索結(jié)果為分析樣本，介紹車(chē)牌識(shí)別技術(shù)的中國(guó)專(zhuān)利申請(qǐng)量趨勢(shì)以及重要申請(qǐng)人的狀況。

1.1 第一階段（2005年及之前）

在這階段，申請(qǐng)量極少且申請(qǐng)人也極少，且針對(duì)的環(huán)境較為簡(jiǎn)單，處于技術(shù)的萌芽階段，其中，專(zhuān)利CN1529276，通過(guò)車(chē)牌定位、字符分割和分類(lèi)識(shí)別完成機(jī)動(dòng)車(chē)牌號(hào)自動(dòng)識(shí)別，其實(shí)現(xiàn)過(guò)程較為簡(jiǎn)單，具體細(xì)節(jié)描述較少。

1.2 第二階段（2006年-2010年）

在這階段的申請(qǐng)量比上一階段有所增加，而且申請(qǐng)人數(shù)量相較之前也有增長(zhǎng)，其中來(lái)自高校的申請(qǐng)量明顯增加，反映出了高校研究者開(kāi)始更加注重對(duì)研究成果的保護(hù)，這一階段的專(zhuān)利所針對(duì)的環(huán)境場(chǎng)景更為復(fù)雜，識(shí)別準(zhǔn)確率得到提高，對(duì)車(chē)牌定位、字符分割、字符識(shí)別等關(guān)鍵技術(shù)的研究更為深入。

1.3 第三階段（2011年及以后）

在2011年之后車(chē)牌識(shí)別技術(shù)的專(zhuān)利申請(qǐng)量呈現(xiàn)快速增長(zhǎng)，這一階段車(chē)牌識(shí)別技術(shù)得到了更進(jìn)一步的豐富，涉及的關(guān)鍵技術(shù)的解決途徑也呈現(xiàn)出多樣性，檢測(cè)效率和精度也得到進(jìn)一步提高，其中，專(zhuān)利CN104035954A，涉及一種基于Hadoop的套牌車(chē)識(shí)別方法，將云計(jì)算應(yīng)用于車(chē)牌識(shí)別，使得與傳統(tǒng)環(huán)境下不經(jīng)過(guò)優(yōu)化的方法相比具有^高的運(yùn)行效率和加速比，可以有效地識(shí)別套牌車(chē)。

圖2示出了中國(guó)重要申請(qǐng)人分布情況，申請(qǐng)量分布前十的申請(qǐng)人包括：電子科技大學(xué)、深圳市捷順科技實(shí)業(yè)股份有限公司（捷順科技）、浙江宇視科技有限公司（宇視科技）、信幀電子技術(shù)（北京）有限公司（信幀電子）、中國(guó)科學(xué)院自動(dòng)化研究所（自動(dòng)化研究所）、安徽清新互聯(lián)信息科技有限公司（清新互聯(lián)）、青島海信網(wǎng)絡(luò)科技股份有限公司（海信網(wǎng)絡(luò)）、浙江工業(yè)大學(xué)、四川川大智勝軟件股份有限公司（川大智勝）、上海高德威智能交通系統(tǒng)有限公司（高德威智能交通），從圖2中可以看出，不同申請(qǐng)人的申請(qǐng)量差距不是很大，幾乎保持在一個(gè)比較持平的狀態(tài)。

電子科技大學(xué)在車(chē)牌識(shí)別技術(shù)的專(zhuān)利申請(qǐng)中，CN 101064011A提出一種基于小波變換的復(fù)雜背景中的車(chē)牌提取方法，可大大提高對(duì)晴天、雨天、霧天、白天及夜晚等環(huán)境的通用性和適用性，實(shí)現(xiàn)車(chē)牌的精確定位并提高車(chē)牌提取的準(zhǔn)確度；CN 103455815A提出一種復(fù)雜場(chǎng)景下的自適應(yīng)車(chē)牌字符分割方法，能快速、準(zhǔn)確地搜索2、3字符間隔位置，實(shí)現(xiàn)自適應(yīng)調(diào)整分割參數(shù)，使車(chē)牌字符分割穩(wěn)定可靠，在復(fù)雜的環(huán)境中魯棒性強(qiáng)，防止噪聲干擾；CN 105005757A提出一種基于Grassmann流行的車(chē)牌字符識(shí)別方法，最大限度地利用了已獲得的車(chē)牌字符信息以及同類(lèi)字符之間的相互關(guān)系，對(duì)于車(chē)牌字符的成像質(zhì)量要求更低，應(yīng)用于復(fù)雜的環(huán)境中具有很好的魯棒性和準(zhǔn)確性。

2 關(guān)鍵技術(shù)分析

一個(gè)完整的車(chē)牌定位與識(shí)別系統(tǒng)，其前端包括圖像采集和傳輸系統(tǒng)，末端還需要與數(shù)據(jù)庫(kù)相連接。從定位到識(shí)別的核心算法上，主要包括圖像預(yù)處理、車(chē)牌定位、字符分割和字符識(shí)別四大部分[3]。

圖像預(yù)處理，是指通過(guò)對(duì)攝像頭捕獲的彩色圖像進(jìn)行預(yù)處理。常用的預(yù)處理方法包括圖像灰度化、圖像二值化、邊緣檢測(cè)等。

車(chē)牌定位，是指在經(jīng)預(yù)處理后的車(chē)輛圖像中，定位出車(chē)輛的車(chē)牌所在位置。常用的車(chē)牌定位方法包括基于紋理分析的方法、基于數(shù)學(xué)形態(tài)學(xué)的方法、基于邊緣檢測(cè)的方法、基于小波變換的方法和基于神經(jīng)網(wǎng)絡(luò)的方法等。CN 104298976A提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的車(chē)牌檢測(cè)方法，利用卷積神經(jīng)網(wǎng)絡(luò)完整車(chē)牌識(shí)別模型對(duì)車(chē)牌粗選區(qū)域進(jìn)行篩選，獲取車(chē)牌最終候選區(qū)域。

字符分割，是指將定位出的車(chē)牌區(qū)域圖像分割成單個(gè)的字符圖像。常用的字符分割方法包括基于輪廓的方法、基于投影的方法、基于模板匹配的方法和基于連通區(qū)域的方法等。CN 104408454A提出一種基于彈性模板匹配算法的車(chē)牌字符分割方法，基于彈性模板，通過(guò)插空進(jìn)行模板序列形狀的彈性調(diào)整，將車(chē)牌圖片與理想模板進(jìn)行匹配，獲得全局最優(yōu)匹配，確定字符位置，將分割算法作用于投影序列，實(shí)現(xiàn)對(duì)車(chē)牌字符的分割。

字符識(shí)別，是指對(duì)字符分割之后的單個(gè)字符圖像進(jìn)行識(shí)別，進(jìn)而得到車(chē)輛的車(chē)牌號(hào)碼。常用的車(chē)牌字符識(shí)別方法包括基于字符結(jié)構(gòu)特征的識(shí)別方法、基于模板匹配的識(shí)別方法、基于神經(jīng)網(wǎng)絡(luò)的識(shí)別方法、基于模糊理論的模式識(shí)別方法和基于支持向量機(jī)分類(lèi)識(shí)別方法等。CN 105975968A提出一種基于Caffe框架的深度學(xué)習(xí)車(chē)牌字符識(shí)別方法，以基于Caffe架構(gòu)的深度學(xué)習(xí)為基礎(chǔ)，解決了現(xiàn)有的車(chē)牌字符識(shí)別方法中對(duì)傾斜、斷裂、相近字符識(shí)別精度不高的問(wèn)題，大大提高了對(duì)于車(chē)牌字符的識(shí)別精度。

3 結(jié)束語(yǔ)

本文以車(chē)牌識(shí)別相關(guān)專(zhuān)利文獻(xiàn)為樣本，分析統(tǒng)計(jì)了該技術(shù)中國(guó)專(zhuān)利申請(qǐng)現(xiàn)狀，并對(duì)車(chē)牌識(shí)別技術(shù)的關(guān)鍵技術(shù)進(jìn)行簡(jiǎn)單分析。在經(jīng)歷了從無(wú)到有、從萌芽到飛速發(fā)展的階段之后，車(chē)牌識(shí)別技術(shù)慢慢走向成熟，越來(lái)越多的企業(yè)和高校在車(chē)牌識(shí)別的研究上投入了大量的精力，也獲得了豐碩的研究成果。

參考文獻(xiàn)

[1]尹旭.汽車(chē)牌照定位研究綜述[J].電腦知識(shí)與技術(shù)，2010，6（14）：3729-3730.

第3篇：卷積神經(jīng)網(wǎng)絡(luò)綜述范文

關(guān)鍵詞：發(fā)展趨勢(shì)；研究應(yīng)用；人工智能

DOI：10.16640/ki.37-1222/t.2017.07.119

0 簡(jiǎn)介

人工智能（（Artificial Intelligence）），它是一門(mén)新的技術(shù)科學(xué)，主要用于模擬、延伸以及擴(kuò)展人類(lèi)的智能的方法、理論、技術(shù)以及應(yīng)用系統(tǒng)。人工智能主要就是對(duì)人類(lèi)的思維、意識(shí)的信息過(guò)程的合理化的模擬。人工智能它并不是人的智能，但是，它卻能像人那樣的思考，而且也可能會(huì)超過(guò)人類(lèi)的智能。總的說(shuō)來(lái)，人工智能研究的一個(gè)主要目標(biāo)是使機(jī)器能夠勝任一些復(fù)雜工作。

1 人工智能的運(yùn)用現(xiàn)狀

目前，在很多方面人工智能有著運(yùn)用，其中一個(gè)主要表現(xiàn)就是全球人工智能公司數(shù)量在急劇的增加，專(zhuān)家系統(tǒng)在目前來(lái)看是在人工智能各領(lǐng)域中最為活躍，且最為有成效的一個(gè)領(lǐng)域。它是一類(lèi)基于知識(shí)的系統(tǒng)，并可以解決那些一般僅有專(zhuān)家才能夠解決的復(fù)雜問(wèn)題。我們這樣定義專(zhuān)家系統(tǒng)：專(zhuān)家系統(tǒng)是一種具有特定領(lǐng)域內(nèi)大量知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它是基于程序系統(tǒng)依靠人工智能技術(shù)，來(lái)模擬人類(lèi)專(zhuān)家求解復(fù)雜問(wèn)題的過(guò)程，大多情況下，專(zhuān)家系統(tǒng)的水平甚至可以超過(guò)人類(lèi)專(zhuān)家。專(zhuān)家系統(tǒng)的基本結(jié)構(gòu)圖如下圖所示：

2 人工智能的影響

人工智能對(duì)經(jīng)濟(jì)的影響：人工智能的的確確會(huì)影響到社會(huì)、生活、文化的方方面面，特別是對(duì)于實(shí)體經(jīng)濟(jì)將來(lái)會(huì)有巨大的影響。以后，每個(gè)行業(yè)幾乎都會(huì)產(chǎn)生顛覆性的變化。在人工智能的研究上，中國(guó)并不落后，將來(lái)的中國(guó)一定可以從中獲得非常大的收益。一成功的專(zhuān)家系統(tǒng)可以為它的用戶帶來(lái)很明顯的經(jīng)濟(jì)效益。用比較經(jīng)濟(jì)的辦法執(zhí)行任務(wù)而不需要具有經(jīng)驗(yàn)的專(zhuān)家，從而極大地減少開(kāi)支。專(zhuān)家系統(tǒng)深入各行各業(yè)，帶來(lái)巨大的宏觀效益，促進(jìn)了IT網(wǎng)絡(luò)工業(yè)的發(fā)展。

人工智能對(duì)文化的影響：在人工智能原理的基礎(chǔ)上，人們通常情況下會(huì)應(yīng)用人工智能的概念來(lái)描述他們的日常狀態(tài)和求解問(wèn)題的過(guò)程。人工智能可以擴(kuò)大人們知識(shí)交流的概念集合，描述我們所見(jiàn)所聞的方法以及描述我們信念的新方法；人工智能技術(shù)為人類(lèi)的文化生活提供了巨大的便利。如圖像處理技術(shù)必將會(huì)對(duì)圖形藝術(shù)和社會(huì)教育部門(mén)等產(chǎn)生深遠(yuǎn)影響。比如現(xiàn)有的智力游戲機(jī)將會(huì)發(fā)展成具有更高智能的一種文化娛樂(lè)手段。隨著技術(shù)的進(jìn)步，這種影響會(huì)越來(lái)越明顯地表現(xiàn)出來(lái)。當(dāng)然，還有一些影響可能是我們目前難以預(yù)測(cè)的。但可以肯定，人工智能將對(duì)人類(lèi)的物質(zhì)文明以及精神文明產(chǎn)生更大的影響。

人工智能對(duì)社會(huì)的的影響：一方面，AI為人類(lèi)文化生活提供了一種新的模式。現(xiàn)有的游戲?qū)⒅鸩桨l(fā)展為更高智能的交互式文化娛樂(lè)手段，今天，游戲中的人工智能應(yīng)用已經(jīng)深入到各大游戲制造商的開(kāi)發(fā)中。另一方面，人工智能能夠代替人類(lèi)進(jìn)行各種腦力勞動(dòng)，所以，從某種意義上來(lái)講，這將會(huì)使一部分人失去發(fā)展的機(jī)遇，甚至可能失業(yè)。由于人工智能在科技以及工程中的應(yīng)用，一部分人可能會(huì)失去介入信息處理活動(dòng)的機(jī)會(huì)，甚至不得已而改變自己的工作方式；人工智能還可能會(huì)威脅到人類(lèi)的精神。一般人們覺(jué)得人類(lèi)與機(jī)器的區(qū)別就是人類(lèi)具有感知精神，但如果有一天，這些相信只有人才具有感知精神的人也開(kāi)始相信機(jī)器能夠思維和創(chuàng)作，那他們就會(huì)感到失望，甚至于感到威脅。他們會(huì)擔(dān)心：有朝一日，智能機(jī)器的人工智能可能會(huì)超過(guò)人類(lèi)的自然智能，從而使人類(lèi)淪為智能機(jī)器的奴隸。

3 人工智能的發(fā)展趨勢(shì)

有機(jī)構(gòu)預(yù)測(cè)，2017年人工智能投資將同比增長(zhǎng)300%以上，在技術(shù)上將會(huì)更迅猛發(fā)展，工控自動(dòng)化商城的智能語(yǔ)音、智能圖像、自然語(yǔ)言以及深度學(xué)習(xí)等技術(shù)越來(lái)越成熟，就像空氣和水一樣將會(huì)逐步地滲透到我們的日常生活。行業(yè)專(zhuān)家關(guān)于2017年人工智能的發(fā)展方向主要有以下幾點(diǎn)：（1）機(jī)器學(xué)習(xí)目前正在被應(yīng)用在更復(fù)雜的任務(wù)以及更多領(lǐng)域中，且被更多的人作為挖掘數(shù)據(jù)的方式。無(wú)監(jiān)督的學(xué)習(xí)會(huì)取得更多進(jìn)展，但也存在很大的挑戰(zhàn)，故在這一方面離人類(lèi)的能力還是差得很遠(yuǎn)的。計(jì)算機(jī)在理解和生成自然語(yǔ)言方面，預(yù)計(jì)最先會(huì)在聊天機(jī)器人和其他對(duì)話系統(tǒng)上落地。 （2）深度學(xué)習(xí)、其他的機(jī)器學(xué)習(xí)、人工智能技術(shù)的混用，是成熟技術(shù)的典型標(biāo)志。將深度學(xué)習(xí)應(yīng)用到醫(yī)療領(lǐng)域中（醫(yī)療圖像、臨床數(shù)據(jù)、基因組數(shù)據(jù)等），各種類(lèi)型數(shù)據(jù)上的研究以及成果將會(huì)大大的增加。 （3）聊天機(jī)器人和自動(dòng)駕駛汽車(chē)可能會(huì)取得較大的進(jìn)展，預(yù)計(jì)更多人類(lèi)基準(zhǔn)將會(huì)被打破，特別是那些基于視覺(jué)以及適合卷積神經(jīng)網(wǎng)絡(luò)的挑戰(zhàn)。而非視覺(jué)特征創(chuàng)建和時(shí)間感知方法將會(huì)變得更加頻繁、更加富有成果。

4 結(jié)論

人工智能是人類(lèi)長(zhǎng)久以來(lái)的夢(mèng)想，同時(shí)也是一門(mén)富有挑戰(zhàn)性的學(xué)科。盡管人工智能帶來(lái)很多問(wèn)題，但當(dāng)人類(lèi)堅(jiān)持把人工智能只用于造福人類(lèi)，人工智能推動(dòng)人類(lèi)社會(huì)文明進(jìn)步將毋庸置疑。就像所有的學(xué)科一樣，人工智能也會(huì)經(jīng)歷各種挫折，但只要我們有信心、 有毅力，人工智能終將成為現(xiàn)實(shí)，融入到我們生活的方方面面，為我們的生活帶來(lái)更大的改變。

參考文獻(xiàn)：

[1]朱祝武.人工智能發(fā)展綜述[J].中國(guó)西部科技，2011，10（17）：8-10.

[2]肖斌.對(duì)人工智能發(fā)展新方向的思考[J].信息技術(shù)，2009，37（12）：166-169.