眼爆科技

当人工智能遇上MATLAB,模型训练简单化

时间:2018-06-01 13:00  编辑:眼爆科技

人工智能在过去两年被谷歌引爆,于是该领域的创业公司如雨后春笋般生长起来,有的做专用芯片,有的做算法,有的做机器人…人工智能到底是什么?是让机器代替人类完成重复的生产线劳动吗?这样理解为免太简单。人工智能绝对不只是让机器完成模仿,从而替代重复性工作,真正的人工智能需要机器经过训练和学习,接近或者超越人类的智能行为。

人工智能训练模型的时候,数据是最重要的因素,只有通过大数据训练,才能让训练的模型更接近于实际需求。比如,自动驾驶的模型训练,现在基本是靠自动驾驶汽车上路测试收集数据训练模型,路上的汽车只有采集到更多可能的场景,才能确保训练出的模型更接近实际路况。在人工智能训练中一般会遇到两个问题:第一,数据量不够如何训练模型?第二,数据量太大如何快速进行标注?

MathWorks产品市场经理赵志宏

迁移学习:通过模型产生数据训练神经网络如果没有数据能做人工智能吗?这是很多初创公司的困惑。在笔者的概念里,正常的AI开发流程是,先采集数据,再训练模型。在最近的Matlab大会上,MathWorks产品市场经理赵志宏先生给出了一个不一样的答案,他表示,“数据、输出和模型是整个AI开发流程的一个步骤。如果开发者想做人工智能,又没有太多的数据,可以采用迁移学习的方法。” 迁移学习又是什么概念?不防从实际例子来理解。比如:通过人工智能的方式来预测风力发电机的故障,用户不能等到采集到大量故障数据以后再预测,这样不符合设备维护的目标,而是先用Simulink模型建立一个风里发电机的模型,通过校正让这个模型非常接近风力发电机,然后通过该模型产生故障数据,进而训练机器学习或者深度学习的神经网络。

赵志宏先生表示,“基于模型设计的优势是,它是在真正做出产品之前建好一个模型,这个模型与实际产品非常的接近,不管是从数字计算、行为计算产生的结果与真正的结果都非常接近。很多工程师在设计产品的时候已经把这个模型建好了,在这个模型上加入故障情况就很容易产生故障数据,这比在实际设备上产生的故障要容易很多。因此,可以进行故障预测和维护。”

通过深度学习对大数据进行标注随着传感器的大量采用,数据量进入洪荒时代,给人工智能进行特征标记带来困难,这时候可以采用深度学习进行标记。赵志宏先生解释,“深度学习的特点是不需要人工手动找出特征值,系统可以自动从数据里提取特征值。MATLAB里面有很多自动标记的工具和功能。LiDAR三维点云技术可以对每一点进行标注,把这个点聚类在一起聚成一个目标模型,然后再把目标具体代表的实物辨别出来。有些用户已经采用MATLAB的工具进行了开发,著名的汽车配件公司AUTOLIV就在用这种方式进行自动数据标注。”

  • 共2页:
  • 上一页
  • 1
  • 2
  • 下一页




  • 上一篇:造出奔驰、宝马的德国,在人工智能上进展如何 下一篇:当执法遇上人工智能 智慧警务渐行渐近