6、人工智能在多领域的应用与发展

人工智能在多领域的应用与发展

1. 神经网络学习机制

在神经网络设计中，除了神经元的连接结构，学习过程至关重要。对于分类或函数拟合的神经网络，学习是通过一组训练示例的输入和输出之间的映射来完成的，这个学习过程可看作是一个逼近过程。

假设神经网络为(H(W, X))，它作为函数(h(X))的近似，学习过程就是不断逼近(h(X))，即(d[H(W, X∗), h(X)] <= d[H(W, X), h(X)])，其中(d[H(W, X), h(X)])是(H(W, X))和(h(X))之间近似距离的度量。

2. 计算机视觉

计算机视觉，也称为机器视觉，是一门“教导”计算机如何“看”世界的学科。它能识别、跟踪和测量目标，还能进行图像处理，使图像更适合人眼观察或仪器检测。计算机视觉研究相关理论和技术，试图建立能从图像或多维数据中获取信息的人工智能系统。近年来，计算机视觉的主要热门方向如下：
- 目标识别与检测 ：给定输入图片，算法能自动找出图片中的常见目标，并输出其类别和位置。还衍生出了人脸检测、车辆检测等子分类检测算法。许多新算法和深度学习网络结构首先应用于目标检测，如VGG - net、GoogLeNet、Resnet等。
- 运动与跟踪 ：学术界目前对跟踪的评估标准是，在给定视频的第一帧中给出被跟踪目标的位置和尺度，后续视频中跟踪算法需找到目标位置，并适应各种光照变化、运动模糊和外观变化。近年来，跟踪方法从非深度学习算法转向深度学习算法，精度越来越高。
- 视觉问答 ：视觉问答（VQA）是近年来热门领域，研究目