在MATLAB裡面做深度學習難嗎?

2020-11-29 電子發燒友

在MATLAB裡面做深度學習難嗎？

工程師8 發表於 2018-06-01 09:25:00

人工智慧在過去兩年被谷歌引爆，於是該領域的創業公司如雨後春筍般生長起來，有的做專用晶片，有的做算法，有的做機器人…人工智慧到底是什麼？是讓機器代替人類完成重複的生產線勞動嗎？這樣理解為免太簡單。人工智慧絕對不只是讓機器完成模仿，從而替代重複性工作，真正的人工智慧需要機器經過訓練和學習，接近或者超越人類的智能行為。

人工智慧訓練模型的時候，數據是最重要的因素，只有通過大數據訓練，才能讓訓練的模型更接近於實際需求。比如，自動駕駛的模型訓練，現在基本是靠自動駕駛汽車上路測試收集數據訓練模型，路上的汽車只有採集到更多可能的場景，才能確保訓練出的模型更接近實際路況。在人工智慧訓練中一般會遇到兩個問題：第一，數據量不夠如何訓練模型？第二，數據量太大如何快速進行標註？

MathWorks產品市場經理趙志宏

遷移學習：通過模型產生數據訓練神經網絡如果沒有數據能做人工智慧嗎？這是很多初創公司的困惑。在筆者的概念裡，正常的AI開發流程是，先採集數據，再訓練模型。在最近的Matlab大會上，MathWorks產品市場經理趙志宏先生給出了一個不一樣的答案，他表示，「數據、輸出和模型是整個AI開發流程的一個步驟。如果開發者想做人工智慧，又沒有太多的數據，可以採用遷移學習的方法。」 遷移學習又是什麼概念？不防從實際例子來理解。比如：通過人工智慧的方式來預測風力發電機的故障，用戶不能等到採集到大量故障數據以後再預測，這樣不符合設備維護的目標，而是先用Simulink模型建立一個風裡發電機的模型，通過校正讓這個模型非常接近風力發電機，然後通過該模型產生故障數據，進而訓練機器學習或者深度學習的神經網絡。

趙志宏先生表示，「基於模型設計的優勢是，它是在真正做出產品之前建好一個模型，這個模型與實際產品非常的接近，不管是從數字計算、行為計算產生的結果與真正的結果都非常接近。很多工程師在設計產品的時候已經把這個模型建好了，在這個模型上加入故障情況就很容易產生故障數據，這比在實際設備上產生的故障要容易很多。因此，可以進行故障預測和維護。」

通過深度學習對大數據進行標註隨著傳感器的大量採用，數據量進入洪荒時代，給人工智慧進行特徵標記帶來困難，這時候可以採用深度學習進行標記。趙志宏先生解釋，「深度學習的特點是不需要人工手動找出特徵值，系統可以自動從數據裡提取特徵值。MATLAB裡面有很多自動標記的工具和功能。LiDAR三維點雲技術可以對每一點進行標註，把這個點聚類在一起聚成一個目標模型，然後再把目標具體代表的實物辨別出來。有些用戶已經採用MATLAB的工具進行了開發，著名的汽車配件公司AUTOLIV就在用這種方式進行自動數據標註。」

以膨化食品智能檢測為例，研究人員可以在用戶咬食品的時候提取特徵，用咬合聲音和咬合力度衡量食品的鬆脆度，有了這兩個特徵，還需要開發一個機器學習的分類器，而MATLAB提供了分類學習器。開發者通過這個工具不需要一個一個去試各種分類器的算法，使用MATLAB提供的APP去一次性嘗試所有算法。開始運行APP後，用戶選好數據和需要訓練的分類器，然後進行訓練。在訓練過程中，用戶可以看到每個分類器的整體結果，選擇精確度最高的一個，然後進行更多的調查和研究。如果用戶沒有研究過AI，可以用MATLAB提供的APP進行學習，去嘗試所有機器學習的算法。

在MATLAB裡面做深度學習難嗎？用趙志宏先生的話說，只需要寫5行的MATLAB代碼，用戶就可以建出一個能夠識別食品的網絡。筆者已經多年沒接觸過MATLAB了，所以無從考證，工程師朋友們如果需要可以進行嘗試。

和開原始碼如何協作？現在市面上的開源非常熱，工程師們可以在開源社區快速獲得需要的代碼，在人工智慧領域也有很多開源資源，作為封閉資源的MATLAB和開原始碼相比更新速度可能會較慢，而且加上是收費模式，工程師們也擔心兩者的融合問題。當筆者問到這個問題的時候，趙志宏先生解釋，「開原始碼背後有很多的開發團隊，他們自願進行開發，我們也有自己的開發團隊。我們並不把開原始碼和MATLAB定義為競爭關係，實際上我們各有特點和長處，有時候我們是可以與開原始碼共用。有一些開原始碼可以在MATLAB裡面運行或者直接調用，我們在共同為科技進步做貢獻。我們雖然是付費軟體，但是提供的不僅是工具，還有很多的服務。」

「當用戶使用MATLAB時遇到問題，我們後面有很強的技術支持團隊幫用戶解決這些問題。另外，我們的工具不僅是針對某一功能產生正確的結果，我們還考慮把這個功能做得非常的容易使用。比如針對AI應用，我們把界面做得非常適合該專業領域，而且兼顧讓用戶感覺在使用熟悉的MATLAB或者Simulink的界面。這是我們的優勢，如果用戶在MATLAB或者Simulink中增加新功能，學習門檻不會很高，容易上手設計。除了提供工具，我們還給用戶提供了很多便利，這是從開源工具中所得不到的東西。」趙志宏先生補充。

打開APP閱讀更多精彩內容

聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容圖片侵權或者其他問題，請聯繫本站作侵刪。 侵權投訴

相關焦點

  • MATLAB基礎教程-臺大郭彥甫-學習筆記6
    today:1.basic plotting2.graphical objects propertiesbasicsmatlabmatlab會 refresh ，把之前的圖給清掉，如果 想保留，用 指令 hold on
  • 機器學習主要的特點是模擬人類的學習過程
    近年來，機器學習領域的發展，尤其是深度學習在語音識別、圖像識別、翻譯等應用領域取得了重大突破，與量子信息技術密切相關。本文通過量子信息技術與語音識別的深度聯繫，展現了量子信息技術與語音識別的有機結合，揭示量子信息技術在語音識別方面的潛力，有助於提升量子信息技術在語音識別領域的有效性。現在現在是機器學習的爆發年代，從智慧型手機的大火開始，機器學習開始受到了非常多的追捧。
  • 一場突如其來的討論:到底什麼是深度學習?SVM其實也是深度學習嗎?
    不過這個說法在我看來太過狹隘了，它最多是「我們現在做的深度學習」的描述，而不是對深度學習本身的定義。比如說，如果你有一個卷積網絡模型，然後你用 ADMM 訓練它的權重，它就不是深度學習了嗎？一個自己學習特徵的 HMAX 模型就不是深度學習了嗎？甚至於，用貪婪算法逐層訓練的深度神經網絡就不是深度學習了嗎？要我說的話，它們都是深度學習。
  • matlab矩陣及其運算(三)
    有流量的可以直接戳視頻二狗在用matlab學習編程過程中，發現matlab中有大量矩陣運算，矩陣的知識了解不到位，在學習算法的過程中無法找到合適的解決問題的方法或者出現編程錯誤。好比英語發音規則都不懂，如何說一口流利的英語？地基不牢，地動山搖。這不前兩天二狗做BP算法的時候涉及到矩陣求導，這可難到二狗了，非方陣矩陣的逆矩陣怎麼求？
  • 算法工匠MATLAB專訓營:Matlab繪圖,小試牛刀
    請大家到help裡面查找這兩個函數的說明文件。至於如何使用？咱們接著學習。同學們是不是得到這樣的圖形呢？再給出一個例子。在[0 , 2pi]區間，繪製一條曲線。什麼曲線呢？好學的同學可以通過matlab的help來找到問題的答案！順便再提一句：點乘和乘的差別是什麼呢？這裡又遇見了點乘了哦！休息一下！需要同學們課後找資料來學習哦。哪個函數是用來畫二維條形直方圖呢？哪個函數是用來畫二維垂直條形圖呢？
  • Matlab:不定積分和定積分
    中做積分。在調用int()命令時，我們也可以指定積分變量。前面所示例的函數基本大家都能看出積分結果，只是為了做一個說明。看看在matlab中的結果。如下：定積分在matlab中也可以做定積分，仍然使用int()命令，只需同時說明積分區間。例如下面的定積分，即直線y=x在[0,1]的面積，答案是1/2。
  • 關於MATLAB 圖像處理與深度學習的作用分析和介紹
    接下來我們將介紹如何創建該算法，並說明為何深度學習和圖像處理對於對象檢測和圖像分類同樣十分有用。 圖像處理與深度學習 我們重點介紹兩種技術： 圖像處理 按像素級別變換或者修改圖像。比如，過濾、模糊、去模糊和邊緣檢測等； 深度學習 通過學習樣本圖像自動識別圖像特點。近幾年，深度學習已經徹底改變了圖像處理領域。
  • 深度| 理解深度學習中的卷積
    以下是正文：卷積現在可能是深度學習中最重要的概念。正是靠著卷積和卷積神經網絡，深度學習才超越了幾乎其他所有的機器學習手段。但卷積為什麼如此強大？它的原理是什麼？在這篇博客中我將講解卷積及相關概念，幫助你徹底地理解它。網絡上已經有不少博客講解卷積和深度學習中的卷積，但我發現它們都一上來就加入了太多不必要的數學細節，艱深晦澀，不利於理解主旨。
  • MATLAB R2020a中文破解版 附安裝破解教程
    該軟體常用於機器人、數據分析、無線通信、深度學習、信號處理、計算機視覺等眾多領域之中，深厚上百萬科學家和工程師的信賴，提供了科學數據可視化、矩陣計算、數值分析、繪製函數、數據圖像、實時編輯器等實用的功能於一體，能夠幫助設計人員更快更好的完成設計上的工作，還支持C、C++、Python編寫的程序接口，並能在上述程式語言中設計和構建用戶界面。
  • 機器學習、深度學習,然後軟體裡面的流程是機器學習之前要做好的
    我曾帶領的團隊把他們從tmt公司挖來的一個博士團隊挖去一個成熟標準化工廠裡做mes系統項目。這麼一個典型的頂級tmt公司人才及技術人才布局，看來目前還只是「戰略布局」階段，未來人工智慧和智能製造是大家拼硬實力的時代。
  • 如何用Matlab/Python/Stata做簡單回歸分析
    %adjusted R-squared: Ra=1-((1/(N-k))*(e'*e))/((1/(N-1))*(Y-mean(Y))'*(Y-mean(Y))) Matlab導入文件的格式是*.dat文件，而實現回歸的過程其實是基於矩陣的計算：第一段使用的median/mean/corrcoef都是matlab
  • matlab矩陣及其運算(五)
    感謝大家對matlab愛好者公眾號的關注！如果公眾號文章對您有幫助，別忘了點擊分享和「在看」哦！
  • 在中國大學裡面,特別難學的4大專業,有你的專業嗎
    在大學裡，我們學習各種各樣的專業，不同的專業知識和培養程序也不同，也許有些專業很簡單，上課寫論文，但是，也有些專業就很難，期末考試的時候更難，今天和大家一起討論在中國大學裡面，特別難學的4大專業，有你的專業嗎。
  • matlab代寫hmm算法程序(隱馬爾科夫模型)需要注意什麼?
    我要做的就是把svm/rf算法的輸出，作為hmm算法的輸入，然後來預測行為。1.Svm/rf算法的輸出也是預測意圖，我想通過hmm算法結合svm/rf的輸出得到更好的預測結果。2.組合各種意圖，比如通過svm/rf得到的意圖劃分為1-7個強度,我想用hmm將這個強度劃分為1，2兩個狀態。或者1,2,3 三個狀態，然後比較這些結果與svm/rf得到的預測結果3.直接運用特徵值用hmm來進行預測。
  • 三門問題及matlab仿真驗證
    今天看到一個問題——三門問題，感覺挺有趣的，自己也親自上手利用matlab仿真模擬了一下，分享給大家。【三門問題】三門問題出自美國的電視遊戲節目Let's Make a Deal，因為是由一個叫蒙提霍爾的人提出的，所以也叫蒙提霍爾問題。
  • 深度剖析MATLAB信號處理仿真-基帶脈衝成形
    早年（比如摩託羅拉手機時代）的基帶成形都是用模擬電路做的，那會兒的數字電路密度極低，想想大學本科數電實驗裡面的各種74系列晶片，如果用這個東西拼個數字濾波器估計會瘋掉。況且，就算有數字濾波器，高速高精度的ADC、DAC也是個問題。
  • matlab符號微積分及應用舉例
    limy=limit(y,x,0)plot([-2:0.01:2],subs(y,x,[-2:0.01:2]),'r','LineWidth',2);hold onplot(xlim,double(limy)*[1,1],'k--')註：關於subs函數，其作用是將符號表達式中的某些符號變量替換為指定的新的變量，在此處不多做講解
  • 在現如今提倡深度學習的情況下淺表學習真的不能提高教學成績嗎?
    7月16日我參加了暑假學習活動「暑期深度學習與教學評一體化集訓」。這次學習活動一共要進行3天，培訓老師是崔成林教授。7月16日上午學習的是《深度學習的基本內涵與課堂的基本特徵》 。下午學習的是《深度學習模型：結構化思維課堂》。什麼是深度學習？
  • 《智慧學習方程式》:超前、超難學習真的好嗎?
    在「教育搶跑」的氛圍下,有很多家長和孩子是被裹挾著進入「超前、超難學」這場追逐戰中的。畢竟「劇場效應」下,「不跑」無疑更焦慮。然而,一方面國家政策三令五申禁止孩子超前、超綱、超難學,要減負;另一方面,家長雖為減負主張叫好,但為了培育孩子未來的競爭優勢,仍在不遺餘力帶著孩子超前、超難學。 　　那麼超前、超難學真的好嗎?不超前、超難學就真能減負嗎?
  • ...首席科學家鄧力:深度學習十年簡史和人工智慧未來展望(33PDF...
    所以我向大家推薦，講了深度學習一部分的歷史。趁此機會也向大家介紹這篇雜誌文章裡面給的深度學習的定義。從技術的角度、從科學的角度，我想再補充一些材料，使得大家對深度學習跟人工智慧有一些更深入的了解。在淺層學習的模型裡面，這個優化問題不是那麼嚴重，因為比較容易優化。但是一旦有深層之後，這個優化就成為一個非常難的問題。這也是在上世紀80年代、90年代深度神經網絡並沒有能夠產生影響的其中一個很大的原因。當時數據不夠，計算能力也不夠，而且當時算法也不夠。差不多十年之前，端到端的優化學習問題開始得到了解決——並不是說理論上得到解決，我只是說在實際算法上得到了解決。