人工智能技术 课件 8神经网络应用技术

用应络网经神技术目录/Contents0103神经网络基本原理0402神经网络-图片识别神经网络的数据分类BPRBF网络的回归01神经网络应用技术

计算机设备也是我们为了方便我们生活，提高我们工作效率而产生的。我们知道，计算机的发展历程也并不长，从世界上的第一台计算机“ENIAC”的诞生到现在也不过经历了短短的七八十年。计算机的体量也从当年的占地一百多平方米发展成为现在的小型微型计算机，计算速度也从每秒数十次到现在的每秒数亿次。当前的计算机技术已经能够基本满足我们普通人的正常工作生活需求，极大地提高了我们工作的效率。5.1神经网络基本原理5.1.1生物神经网络

人类可以说是地球上具有最高智慧的生物，人类有着智慧、有着情感、有着处理各种事情的能力，面对现实世界中各种不同的复杂场景，人类可以产生不同的情感、不同的思考，也会做出不同的反馈，这就是人类的智慧所在。人类数万年来发展进化到现在，能够顺应自然、改造自然，提出问题、解决问题，都是通过人类的智慧所完成的，而这种智慧的获得，是一代一代人学习和传递得到的。那么，人类的智慧到底是怎样工作的呢？这就要提到神经网络了。20世纪初期的神经生物学已经阐明，人的智力功能定位在人的大脑皮层，而人的大脑皮层是由大量的神经元和支持神经元的胶质细胞组成的，其中，神经元是基本的信息处理单元。

类似地，人工神经网络（ANN）中也有生物神经网络等价的结构，如图5-4所示。其中输入连接就对应于下图中的每个圆圈，也就是代表一个神经元。每个神经元接受0个或多个输入，要么来自初始输入，输入层Input的输入是初始输入，相当于人体最表层的感知神经元，要么来自网络中的前一层；线性计算和激活函数，也就是图中的每一条线表明两个神经元间的信息传递，这些“累加”输入共同作用，影响着是否激活当前这个神经元；输出连接，即传递激活信号至网络中下一层的神经元。如图所示，我们把每个神经元按位置分为输入层、隐藏层、输出层三层；其中输入层的功能就是输入变量，有时称为可见层；隐藏层即输入和输出层之间的节点层；输出层即生成输出变量的节点层。5.1.2人工神经网络图5-4人工神经网络5.2神经网络-图片识别

神经网络的技术不断在发展，精度准确率也不断在提高，当前神经网络技术最主要的应用场景也是我们生活中最常能见到的应用场景就是对于图像的处理。近年来随着互联网技术的发展，网络上无时无刻不在产生着海量的数据，这些数据中就包含了大量的图像数据，但是当前随着互联网技术的发展普及，迎来了大数据时代的到来，面对海量的图片数据，仅仅依靠我们人进行手工的图像识别、处理、分析去获取图像当中的信息知识就显得尤为局促，效率低下满足不了当前我们的需求。计算机视觉就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像，简而言之计算机视觉的主要任务可以概括为两点：1）让计算机具有人类视觉的所有功能。2）让计算机从图像数据中，提取有用的信息。5.2.1卷积神经网络

在深度学习入门的过程中，卷积神经网络（ConvolutionalNeuralNetwork，CNN）模型的学习是必不可少的，CNN是深度学习理论和方法中的重要组成部分，对卷积神经网络的研究始于二十世纪80至90年代，时间延迟网络和LeNet-5是最早出现的卷积神经网络；在21世纪后，随着深度学习理论的提出和数值计算设备的改进，卷积神经网络得到了快速发展，并被应用于计算机视觉、自然语言处理等领域。卷积神经网络也是一种神经网络，他是在深度神经网络的基础上发展起来的针对图像分类和识别而特别设计的一种深度学习方法。图5-6深度神经网5.3BP神经网络的数据分类——语音特征信号分类5.3.1BP神经网络BP（backpropagation）神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络。图5-10BP神经网络5.3.2语音特征信号识别

语音特征信号识别是语音识别研究领域中的一个重要方面，其根本目的就是判断某种语音信号属于类别。语音特征信号是指用特定的算法把语音转变为特定的数学序列，语音特征信号识别既是用语音特征信号来判断该语音信号属于哪类。语音特征信号识别的方法很多，比较适合于BP网络求解，用训练数据对BP网络进行训练后，即可以用BP网络来根据语音特征信号判断该语音所属类别。

5.4BPRBF网络的回归--非线性函数回归的实现

人工神经网络以其独特的信息处理能力在许多领域得到了成功的应用。它不仅具有强大的非线性映射能力，而且具有自适应、自学习和容错性等，能够从大量的历史数据中进行聚类和学习，进而找到某些行为变化的规律，从而推动了人工智能技术的发展，让计算机具备了一定的智慧。

径向基函数（RBF）神经网络是一种新颖有效的前馈式神经网络，它具有最佳逼近和全局最优的性能，同时训练方法快速易行，不存在局部最优问题，它能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力