船舶智能制造的背景及内涵-深度学习.pptxVIP

船舶智能制造的背景及内涵 ——深度学习 ;【学习目标】 了解深度学习的概念、发展趋势。 了解深度学习在制造业中的应用 【重点】 理解深度学习发展、演变与在制造业中的应用。 【建议学时】2课时。 ; 全球科技巨头纷纷拥抱深度学习，自动驾驶、AI医疗、语音识别、图像识别、智能翻译以及震惊世界的AlphaGo，背后都是深度学习在发挥神奇的作用。深度学习是人工智能从概念到繁荣得以实现的主流技术。经过深度学习训练的计算机，不再被动按照指令运转，而是像自然进化的生命那样，开始自主地从经验中学习。 本节通过介绍深度学习发展、演变与在制造业中的应用，回溯了深度学习浪潮在过去60年间的发展脉络与人工智能的螺旋上升，并前瞻性地预测了智能时代的商业图景。 ; 深度学习（DL， Deep Learning）是机器学习（ML，Machine Learning）领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI，Artificial Intelligence)。 深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。 深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。?;1;深度学习的应用领域方向主要包括机器视觉、工业检测等。 一个机器视觉系统如图所示，可以描述为如下几个部分。 ;（1）分析图像。 （2）生成一个对被成像物体(或场景)的描述。 相比传统机器视觉通过视觉工程师来设计算法模型，深度学习技术最大的不同在于程序能够自主发现需要用什么特征，通过什么样的逻辑关系来完成图像分析任务，实现由程序来设计算法模型。 以乐高积木来类比的话，在传统机器视觉里，人类的工作是从100个乐高元素里挑出数十个，组装起来执行人类设计好的逻辑动作，完成相关任务；而深度学习里，人类告诉机器需要完成的任务，由机器从1亿个乐高元素里，挑出数万个，组装起来并选择需要执行的逻辑动作来完成该任务。这说明其表达能力远远高于人类专家，即使需要检测的物品特征以可以接受的方式微妙的发生着变化，深度学习也能够精确的检查并分类。 ; 在工业检测中，尤其是应用场景缺陷判别有尺寸基准情况下，建议是”图像处理+深度学习“相结合，图像处理主要负责旋转校正、图像滤波增强、准缺陷分割，深度学习主实现缺陷分类。 其他行业如半导体芯片行业，以ASML-Brion著名的OPC（光学邻近效应修正）示例来说：使用深度学习来加速OPC或ILT（反演光刻技术）的初始嵌入，运行时间将会减少一半。众所周知，运行时间是OPC中最重要的问题之一。其运作原理是使用深度学习的模式匹配能力，来创建一个比现有的替代方案更好的初始嵌入。这样做可以大大减少完成掩膜版（mask）设计所需的优化迭代次数，从而大幅度降低整体的运行时间。; 请简述云计算的概念和发展历程。