傳感器
、大數據
、機器學習
、人工智能和機器人是怎樣擰在一起了呢？在人工智能時代硬件和軟件是共生演化的
，彼此影響的呢？

 

“物聯網”
、“大數據”和“機器人”等,其實這些趨勢是相互聯係在一起的，擰成一個大趨勢， 在這個鏈條裏，每一環都會對下一環產生影響，如此產生積極的循環。 各種連接的設備裏的傳感器會產生大量數據
，海量數據使得機器學習成為可能，機器學習的結果就是AI，而AI又指導機器人去更精確地執行任務，機器人的行動又會觸發傳感器。這整個就是一個完整的循環。

 

 

 

到2014年，連接到互聯網的設備超過了世界人口的總和。 Cisco預測，到2020年，將有500億個相互連接的設備。而這些設備中大多都會安傳感器
，可能用Electric Imp內嵌傳感器，或者用Estimote外接一個傳感器。

 

設備中的傳感器會產生前所未有的海量數據。

 

 

在2020年，預計有35ZB的數據產生，也就是2009年數據量的44倍。到時候，不管是結構化的
、或更可能是沒有結構化的數據都可以通過機器來處理，從而獲得大量洞見。

 

 

機器學習依靠數據處理和模式識別，從而讓計算機不需要編程就能去學習。現在的海量數據和計算能力都在驅使機器學習的突破。

 

機器學習的十足威力
，看看Google就知道了。

 

Google就是利用機器學習，把法國每一個企業的位置、每一個住房
、每一條街都繪製在地圖上了。整個過程隻需1個小時。

 

 

隨sui著zhe計ji算suan機ji已yi經jing在zai象xiang棋qi和he路lu標biao方fang麵mian做zuo得de比bi人ren類lei好hao了le
，我wo們men就jiu有you理li由you對dui未wei來lai有you更geng多duo期qi待dai。隨sui著zhe更geng多duo的de傳chuan感gan器qi采cai集ji到dao的de數shu據ju越yue來lai越yue多duo，這zhe能neng優you化hua更geng多duo的de機ji器qi學xue習xi算suan法fa，從cong而er我wo們men可ke以yi合he乎hu邏luo輯ji地di推tui斷duan
，與yu機ji器qi人ren結jie合he的de計ji算suan機ji執zhi行xing任ren務wu的de能neng力li會hui呈cheng指zhi數shu級ji增zeng長chang。

 

 

不僅數以百計的公司在製作可以完成各種工作的機器人，機器人本身也會變得越來越智能， 而且借助AI的進步，還能完成很多我們夢寐以求的任務。

 

 

機器采取行動觸發傳感器來收集數據，從而整個循環就完整了。

 

這就是整個人工智能生態的技術鏈。

 

 

人工智能技術能夠對傳感器係統有所幫助，它們是：基於知識的係統
、模糊邏輯、自動知識收集、神經網絡
、遺傳算法
、基ji於yu案an例li推tui理li和he環huan境jing智zhi能neng。這zhe些xie技ji術shu在zai傳chuan感gan器qi係xi統tong中zhong的de應ying用yong越yue來lai越yue廣guang泛fan，不bu僅jin因yin為wei它ta們men確que實shi有you效xiao，還hai因yin為wei今jin天tian的de計ji算suan機ji應ying用yong越yue來lai越yue普pu及ji。

 

這些人工智能技術具有最低的計算複雜度，可以應用於小型傳感器係統
、單一傳感器或者采用低容量微型控製器陣列的係統。正確應用人工智能技術將會創造更多富有競爭力的傳感器係統和應用。

 

人工智能領域的其他技術進步也將會給傳感器係統帶來衝擊

，包括數據挖掘技術、duozhutixitonghefenbushizizuzhixitong。huanjingchuanganjishunenggoujianghenduoweixingdianzichuliqihechuanganqijichengdaorichangwupinzhong，shiqijuyouzhineng。tamenkeyichuangzaozhinenghuanjing，yuqitazhinengshebeitongxun，bingyurenleishixianjiaohu。geichudejianyinenggoubangzhuyonghugengjiazhiguandiwanchengrenwu，danshizhezhongjichengjishudehouguojianghuihennanyuce。shiyonghuanjingzhinengheduozhongrengongzhinengjishudezuhenenggoujiangzhezhongjishufahuidaojizhi。

 

 

可以采用人工智能對傳感器係統進行優化。人工智能作為計算機科學的一個分支出現於20世紀50年代
，它繁衍出了很多功能強大的工具，在傳感器係統中具有巨大作用
，能夠自動解決那些原本需要人類智能才能夠解決的問題。

 

雖然人工智能進入工業領域的進程較為緩慢，但是它必將帶來靈活性
、可(ke)重(zhong)新(xin)配(pei)置(zhi)能(neng)力(li)和(he)可(ke)靠(kao)性(xing)方(fang)麵(mian)的(de)進(jin)步(bu)。全(quan)新(xin)的(de)係(xi)統(tong)設(she)備(bei)在(zai)越(yue)來(lai)越(yue)多(duo)的(de)任(ren)務(wu)中(zhong)表(biao)現(xian)出(chu)超(chao)過(guo)人(ren)類(lei)的(de)性(xing)能(neng)。隨(sui)著(zhe)它(ta)們(men)與(yu)人(ren)類(lei)越(yue)來(lai)越(yue)緊(jin)密(mi)
，我(wo)們(men)將(jiang)人(ren)類(lei)大(da)腦(nao)與(yu)計(ji)算(suan)機(ji)能(neng)力(li)結(jie)合(he)起(qi)來(lai)，實(shi)現(xian)商(shang)討(tao)、分析
、推論、通訊和發明。

 

人工智能結合了多種先進技術
，賦予了機器學習
、采納、決策的能力，給予他們全新的功能。這一成就依賴於神經網絡、專家係統

、自組織係統、mohuluojiheyichuansuanfadengjishu
，rengongzhinengjishujiangqiyingyonglingyukuozhandaolehenduoqitalingyu
，qizhongyixielingyuxuyaoduichuanganqixinxijinxingjiexihechuli，liruzhuangpei、生物傳感器、建築建模、計算機視覺、切割工具診斷、環境工程
、力值傳感、健康監控、人機交互、網絡應用
、激光銑削、維護和檢查、動力輔助、機器人
、傳感器網絡和遙控作業等等。

 

這些人工智能方麵的發展被引入到了更加複雜的傳感器係統中。點擊鼠標、輕敲開關或者大腦的思考都會將任何傳感器數據轉化為信息並發送給你。近期此項研究已經有所斬獲， 在如下七個領域中人工智能可以幫助傳感器係統。

 

 

基於知識的係統也被稱為專家係統
，它是一種計算機應用程序，整合了大量與某一領域相關聯的問題解決方案。

 

專家係統通常有兩個組成部分，知識數據庫和推斷機製。知識數據庫以“如果-那麼”的形式表述了這個領域內的各種知識

，加上各種事實陳述

、框架、對象和案例。推斷機製對存儲的知識進行操作，產生針對問題的解決方案。知識操作方法包含繼承和約束條件(在基於框架和麵向對象的專家係統)、檢索並采納案例(案例係統)和應用推斷規則(規則係統)
，具體取決於某些控製程序(前向或反向鏈接)和搜索策略(深度優先或者廣度優先)。

 

基於規則的係統將係統的知識描述為“如果-那麼-否則”的形式。特殊的知識可以用於據側。這些係統善於以人類稔熟的形式呈現知識並作出決策。

 

由於使用嚴格的規則限製，它們並不擅長於應對不確定的任務和不精確的場景。典型的規則係統具有四個組成部分：規則列表或者規則數據庫(知識數據庫的一種特殊形式)、推斷引擎或者解析器(根據輸入和規則數據庫推斷信息或者采取行動)
、臨時工作存儲器、用戶接口或者其他與外部世界的互通方法
，將輸入和輸出信號接收進來和發送出去。

 

基(ji)於(yu)案(an)例(li)推(tui)理(li)方(fang)法(fa)是(shi)基(ji)於(yu)過(guo)往(wang)問(wen)題(ti)的(de)經(jing)驗(yan)解(jie)決(jue)現(xian)有(you)問(wen)題(ti)。這(zhe)種(zhong)解(jie)決(jue)方(fang)案(an)被(bei)存(cun)儲(chu)於(yu)數(shu)據(ju)庫(ku)之(zhi)中(zhong)，作(zuo)為(wei)人(ren)類(lei)專(zhuan)家(jia)的(de)經(jing)驗(yan)總(zong)結(jie)。當(dang)係(xi)統(tong)發(fa)生(sheng)了(le)前(qian)所(suo)未(wei)有(you)的(de)問(wen)題(ti)，它(ta)會(hui)將(jiang)問(wen)題(ti)與(yu)過(guo)往(wang)問(wen)題(ti)對(dui)比(bi)，找(zhao)到(dao)一(yi)個(ge)與(yu)現(xian)有(you)問(wen)題(ti)最(zui)為(wei)相(xiang)近(jin)的(de)案(an)例(li)。然(ran)後(hou)按(an)照(zhao)過(guo)往(wang)的(de)解(jie)決(jue)方(fang)案(an)解(jie)決(jue)問(wen)題(ti)，並(bing)按(an)照(zhao)成(cheng)功(gong)和(he)失(shi)敗(bai)與(yu)否(fou)更(geng)新(xin)數(shu)據(ju)庫(ku)。基(ji)於(yu)案(an)例(li)推(tui)理(li)係(xi)統(tong)通(tong)常(chang)被(bei)認(ren)為(wei)是(shi)規(gui)則(ze)係(xi)統(tong)的(de)一(yi)種(zhong)擴(kuo)展(zhan)，他(ta)們(men)善(shan)於(yu)以(yi)人(ren)類(lei)稔(ren)熟(shu)的(de)形(xing)式(shi)呈(cheng)現(xian)知(zhi)識(shi)
，具(ju)有(you)從(cong)過(guo)往(wang)案(an)例(li)學(xue)習(xi)並(bing)產(chan)生(sheng)新(xin)案(an)例(li)的(de)能(neng)力(li)。

 

 

基於案例推理針對計算機應用形成了四個步驟：

 

1
、檢索：給出目標問題，從內存檢索相關案例以解決這個問題。案例包括問題、解決方案以及關於這個解決方案是如何得到的注釋。

 

2、重用：將解決方案從過往案例映射到目標問題上。這一過程包括對新場景適應性變更。

 

3、修改：在將解決方案從過往案例映射到目標場景之後
，測試新的解決方案在真實世界(或者仿真場景)中是否奏效，如果必要，進行修改。

 

4、保留：如果解決方案成功地解決了目標問題，那麼將解決方案作為全新案例存儲於內存中。

 

這zhe一yi方fang法fa的de爭zheng論lun點dian在zai於yu它ta采cai納na了le一yi些xie未wei經jing證zheng實shi的de證zheng據ju作zuo為wei主zhu要yao作zuo業ye準zhun則ze。沒mei有you統tong計ji相xiang關guan數shu據ju作zuo為wei支zhi撐cheng，很hen難nan確que保bao結jie論lun的de準zhun確que性xing。所suo有you根gen據ju少shao量liang數shu據ju做zuo出chu的de推tui理li都dou被bei認ren為wei是shi未wei經jing證zheng實shi的de證zheng據ju。

 

基(ji)於(yu)案(an)例(li)推(tui)理(li)這(zhe)一(yi)概(gai)念(nian)的(de)宗(zong)旨(zhi)就(jiu)是(shi)將(jiang)過(guo)往(wang)問(wen)題(ti)的(de)解(jie)決(jue)方(fang)案(an)應(ying)用(yong)在(zai)當(dang)前(qian)問(wen)題(ti)上(shang)。這(zhe)種(zhong)解(jie)決(jue)方(fang)案(an)被(bei)存(cun)儲(chu)於(yu)數(shu)據(ju)庫(ku)之(zhi)中(zhong)
，作(zuo)為(wei)人(ren)類(lei)專(zhuan)家(jia)的(de)經(jing)驗(yan)總(zong)結(jie)。當(dang)係(xi)統(tong)發(fa)生(sheng)了(le)前(qian)所(suo)未(wei)有(you)的(de)問(wen)題(ti)
，它(ta)會(hui)將(jiang)問(wen)題(ti)與(yu)過(guo)往(wang)問(wen)題(ti)對(dui)比(bi)，找(zhao)到(dao)一(yi)個(ge)與(yu)現(xian)有(you)問(wen)題(ti)最(zui)為(wei)相(xiang)近(jin)的(de)案(an)例(li)。然(ran)後(hou)按(an)照(zhao)過(guo)往(wang)的(de)解(jie)決(jue)方(fang)案(an)解(jie)決(jue)問(wen)題(ti)，並(bing)按(an)照(zhao)成(cheng)功(gong)和(he)失(shi)敗(bai)與(yu)否(fou)更(geng)新(xin)數(shu)據(ju)庫(ku)。

 

jiyuanlituilixitongtongchangbeirenweishiguizexitongdekuozhan。heguizexitongleisi
，jiyuanlituilixitongshanyuyirenleirenshudefangshichengxianzhishi，budanruci，jiyuanlituilixitonghaijuyoucongguowanganlixuexibingchanshengxinanlidenengli。tu1所示為基於案例推理係統。

 

 

圖示1是基於案例推理係統，和基於規則的係統一樣，基於案例推理係統的擅長之處在於以人類稔熟的方式呈現信息；同時
，基於案例推理係統也具有從過去案例學習進而創建新增案例的能力。

 

很多專家係統再開發時都采用了一種被稱為“殼”的程序，它是一種配備了完整的推斷和知識存儲設備但是並不具備相關領域內知識的專家係統。一些複雜的專家係統的構建依賴於“開發環境”，後者比殼的應用更加靈活，為用戶提供了構建自定義判斷和知識呈現方法的機會。

 

專(zhuan)家(jia)係(xi)統(tong)恐(kong)怕(pa)是(shi)這(zhe)些(xie)技(ji)術(shu)中(zhong)最(zui)為(wei)成(cheng)熟(shu)的(de)一(yi)種(zhong)
，有(you)很(hen)多(duo)商(shang)業(ye)殼(ke)係(xi)統(tong)和(he)開(kai)發(fa)工(gong)具(ju)可(ke)供(gong)使(shi)用(yong)。一(yi)旦(dan)某(mou)一(yi)領(ling)域(yu)內(nei)的(de)知(zhi)識(shi)被(bei)導(dao)入(ru)了(le)專(zhuan)家(jia)係(xi)統(tong)，構(gou)建(jian)整(zheng)個(ge)係(xi)統(tong)的(de)過(guo)程(cheng)就(jiu)相(xiang)對(dui)簡(jian)單(dan)了(le)。由(you)於(yu)專(zhuan)家(jia)係(xi)統(tong)便(bian)於(yu)使(shi)用(yong)，所(suo)以(yi)應(ying)用(yong)廣(guang)泛(fan)。在(zai)傳(chuan)感(gan)器(qi)係(xi)統(tong)中(zhong)，有(you)很(hen)多(duo)應(ying)用(yong)領(ling)域(yu)，包(bao)括(kuo)選(xuan)擇(ze)傳(chuan)感(gan)器(qi)輸(shu)入(ru)
、解析信號、狀態監控
、故障診斷、機器和過程控製、機器設計、過程規劃、生產規劃和係統配置。專家係統的應用還包括裝配、自動編程、複雜智能車輛的控製
、檢查規劃、預測危險、選擇工具和加工策略、工序規劃和工廠擴建的控製。

 

 

普(pu)通(tong)規(gui)則(ze)專(zhuan)家(jia)係(xi)統(tong)有(you)一(yi)個(ge)劣(lie)勢(shi)
，就(jiu)是(shi)它(ta)無(wu)法(fa)應(ying)對(dui)超(chao)出(chu)知(zhi)識(shi)數(shu)據(ju)庫(ku)範(fan)圍(wei)的(de)情(qing)況(kuang)。當(dang)這(zhe)種(zhong)情(qing)況(kuang)出(chu)現(xian)時(shi)
，這(zhe)些(xie)規(gui)則(ze)係(xi)統(tong)無(wu)法(fa)給(gei)出(chu)結(jie)果(guo)。這(zhe)些(xie)情(qing)況(kuang)發(fa)生(sheng)時(shi)係(xi)統(tong)就(jiu)會(hui)“當機”，而不似人類專家在麵對全新問題的時候表現出來的是性能降低。

 

模mo糊hu邏luo輯ji的de使shi用yong，引yin入ru了le人ren類lei判pan斷duan所suo具ju有you的de定ding型xing判pan斷duan和he不bu精jing確que的de特te性xing，可ke以yi提ti升sheng專zhuan家jia係xi統tong的de適shi應ying性xing。模mo糊hu邏luo輯ji將jiang變bian量liang值zhi變bian為wei一yi種zhong語yu言yan上shang的de描miao述shu，這zhe些xie描miao述shu的de含han義yi就jiu是shi模mo糊hu集ji合he，而er判pan斷duan正zheng是shi依yi據ju這zhe些xie表biao述shu所suo做zuo出chu。

 

模(mo)糊(hu)專(zhuan)家(jia)係(xi)統(tong)使(shi)用(yong)模(mo)糊(hu)邏(luo)輯(ji)來(lai)應(ying)對(dui)不(bu)完(wan)全(quan)數(shu)據(ju)或(huo)者(zhe)被(bei)部(bu)分(fen)損(sun)壞(huai)的(de)數(shu)據(ju)所(suo)帶(dai)來(lai)的(de)不(bu)確(que)定(ding)性(xing)。這(zhe)種(zhong)技(ji)術(shu)使(shi)用(yong)模(mo)糊(hu)集(ji)合(he)的(de)數(shu)學(xue)理(li)論(lun)來(lai)仿(fang)真(zhen)人(ren)類(lei)判(pan)斷(duan)的(de)過(guo)程(cheng)。人(ren)類(lei)可(ke)以(yi)很(hen)輕(qing)鬆(song)地(di)在(zai)決(jue)策(ce)過(guo)程(cheng)中(zhong)應(ying)對(dui)語(yu)意(yi)不(bu)明(ming)的(de)情(qing)況(kuang)(灰色地帶)
，而機器認為這很難。圖2所示為模糊邏輯控製器的架構。

 

圖2所示為模糊邏輯控製器的架構。

 

 

模糊邏輯有在傳感器係統中有很多應用，因為這一範疇的知識並不精確。模糊邏輯非常適用於那些在結構和對象無法精確匹配的領域、解析度受限的場合
、shuzizhonggoufangfahetuxiangchulilingyu。zaijiegouduixiangshibielingyuhechangjingjiexilingyudouyoumohujihedeyingyong。mohuzhuanjiaxitongshiyongyuyaoqiuchulibuquedingxinghebujingquexingdechanghe。tamenbujubeixuexidenengli，yinweixitongdeguanjiancanshudouyijingyushehaole，wufagaibian。

 

模糊邏輯在協同作業機器人領域、汽車機器人、感知預測
、供應鏈管理和焊接領域獲得了成功。

 

 

收shou集ji某mou一yi領ling域yu內nei的de知zhi識shi以yi構gou建jian知zhi識shi數shu據ju庫ku是shi非fei常chang複fu雜za且qie耗hao時shi的de，它ta往wang往wang是shi搭da建jian專zhuan家jia係xi統tong的de瓶ping頸jing所suo在zai。自zi動dong知zhi識shi收shou集ji技ji術shu被bei開kai發fa出chu來lai以yi解jie決jue這zhe一yi問wen題ti。這zhe種zhong學xue習xi程cheng序xu通tong常chang要yao求qiu采cai用yong多duo個ge案an例li作zuo為wei學xue習xi的de輸shu入ru。每mei一yi個ge案an例li都dou具ju有you多duo種zhong屬shu性xing參can數shu
，並bing按an類lei型xing歸gui類lei。一yi種zhong方fang法fa就jiu是shi采cai用yong“分治策略”，根gen據ju某mou一yi策ce略lve對dui各ge種zhong屬shu性xing進jin行xing篩shai選xuan，將jiang原yuan有you的de案an例li集ji合he劃hua分fen為wei子zi集ji合he，然ran後hou歸gui納na學xue習xi程cheng序xu建jian立li決jue策ce樹shu並bing將jiang給gei定ding的de案an例li集ji合he正zheng確que分fen類lei。決jue策ce樹shu能neng夠gou表biao述shu從cong集ji合he中zhong的de特te定ding案an例li產chan生sheng出chu什shen麼me知zhi識shi。這zhe一yi方fang法fa還hai可ke以yi後hou續xu應ying用yong於yu處chu理li那na些xie沒mei有you被bei案an例li集ji合he覆fu蓋gai的de情qing況kuang。

 

另一種方法被稱為“覆蓋法”
，歸納學習程序的目標是找到一組被某一類型的案例所共同持有的屬性，並將這一共同屬性作為“如果”的部分，將類型做為“然後”的部分。程序將集合中符合規則的案例移除直至沒有共同屬性。

 

還(hai)有(you)一(yi)種(zhong)使(shi)用(yong)邏(luo)輯(ji)程(cheng)序(xu)代(dai)替(ti)命(ming)題(ti)邏(luo)輯(ji)的(de)方(fang)法(fa)就(jiu)是(shi)對(dui)案(an)例(li)進(jin)行(xing)描(miao)述(shu)然(ran)後(hou)表(biao)述(shu)全(quan)新(xin)的(de)概(gai)念(nian)。這(zhe)種(zhong)方(fang)法(fa)使(shi)用(yong)了(le)更(geng)加(jia)強(qiang)大(da)的(de)預(yu)測(ce)邏(luo)輯(ji)來(lai)描(miao)述(shu)訓(xun)練(lian)案(an)例(li)和(he)背(bei)景(jing)知(zhi)識(shi)，然(ran)後(hou)表(biao)述(shu)全(quan)新(xin)概(gai)念(nian)。預(yu)測(ce)邏(luo)輯(ji)允(yun)許(xu)使(shi)用(yong)不(bu)同(tong)型(xing)式(shi)的(de)訓(xun)練(lian)案(an)例(li)和(he)背(bei)景(jing)知(zhi)識(shi)，它(ta)允(yun)許(xu)歸(gui)納(na)過(guo)程(cheng)的(de)結(jie)果(guo)(歸納概念)以帶有變量的一階子句的形式描述
，而不僅限於由屬性-值對組成的零階命題子句。這種係統主要有兩種類型，第一種是由上自下的歸納/總結方法，第二種是反向解析原理。

 

已經出現了不少的學習程序，例如ID3
，它是一種分治策略程序;AQ程序采用了覆蓋法；FOIL程序是采用了歸納/總結方法的ILP係統;GOLEM程序是采用反向解析方法的ILP係統。雖然大多數程序產生的都是明確的決策規則，但是也有一些算法能夠產生模糊規則。要求以嚴格的格式提供案例集合(明確的屬性和明確的分類)在zai傳chuan感gan器qi係xi統tong和he傳chuan感gan器qi網wang絡luo中zhong很hen容rong易yi滿man足zu，因yin此ci自zi動dong學xue習xi技ji術shu在zai傳chuan感gan器qi係xi統tong中zhong應ying用yong頗po為wei廣guang泛fan。這zhe種zhong類lei型xing的de學xue習xi適shi合he於yu那na些xie屬shu性xing是shi以yi離li散san的de或huo者zhe符fu號hao的de形xing式shi所suo表biao示shi，而er並bing非fei適shi用yong於yu具ju有you連lian續xu屬shu性xing值zhi的de傳chuan感gan器qi係xi統tong案an例li。一yi些xie推tui斷duan學xue習xi應ying用yong的de例li子zi包bao括kuo激ji光guang切qie割ge、礦石檢測和機器人應用。

 

圖3所示為一個虛擬係統流程圖，顯示了係統如何從圖像傳感器收集數據。視覺數據和CAD模型數據被搭配使用


，用來確定對象列表
，對象列表隨後被發送給焊接識別模塊
，然後采用人工智能技術明確焊接要求。

 

 

 

shenjingwangluoyekeyiconganlizhongtiqulingyuzhishi，tamentiqudelingyuzhishibingfeiyibiaozhengdefangshimiaoshu，liruguizehuozhejueceshu，erqietamenkeyitongshiyingduilianxushujuhelisanshuju。tamenyejuyouyumohuzhuanjiaxitongleisidebucuodeguinanengli。shenjingwangluoshidanaodejisuanjimoxing
，shenjingwangluomoxingtongchangjiashejisuanguochengkeyishiyongduogejiandandebeichengweishenjingyuandedanyuansuomiaoshu，shenjingyuankeyixianghulianjiebingxingzuoye。

 

最常見的神經網絡是多層感知器，它是一種前饋網絡：所有信號以一種方向傳輸，從輸入到輸出。前饋網絡能夠在輸入空間和輸出空間進行靜態映射：在(zai)某(mou)一(yi)時(shi)刻(ke)的(de)輸(shu)出(chu)僅(jin)與(yu)這(zhe)一(yi)時(shi)刻(ke)的(de)輸(shu)入(ru)構(gou)成(cheng)函(han)數(shu)關(guan)係(xi)。周(zhou)期(qi)型(xing)網(wang)絡(luo)中(zhong)
，某(mou)些(xie)神(shen)經(jing)元(yuan)的(de)輸(shu)出(chu)反(fan)饋(kui)會(hui)同(tong)一(yi)個(ge)神(shen)經(jing)元(yuan)或(huo)者(zhe)反(fan)饋(kui)回(hui)之(zhi)前(qian)層(ceng)級(ji)的(de)神(shen)經(jing)元(yuan)
，可(ke)以(yi)認(ren)為(wei)具(ju)有(you)動(dong)態(tai)內(nei)存(cun)：這種網絡在某一時刻的輸出受當前輸入和之前輸入和輸出的影響。

 

不顯性表述的“知識”通(tong)過(guo)對(dui)神(shen)經(jing)網(wang)絡(luo)進(jin)行(xing)訓(xun)練(lian)而(er)內(nei)置(zhi)於(yu)神(shen)經(jing)網(wang)絡(luo)內(nei)。某(mou)些(xie)神(shen)經(jing)網(wang)絡(luo)能(neng)夠(gou)使(shi)用(yong)預(yu)先(xian)定(ding)義(yi)的(de)特(te)定(ding)輸(shu)入(ru)模(mo)式(shi)進(jin)行(xing)訓(xun)練(lian)，進(jin)而(er)產(chan)生(sheng)預(yu)期(qi)的(de)輸(shu)出(chu)模(mo)式(shi)。實(shi)際(ji)輸(shu)出(chu)和(he)預(yu)期(qi)輸(shu)出(chu)之(zhi)間(jian)的(de)差(cha)異(yi)用(yong)來(lai)對(dui)神(shen)經(jing)元(yuan)之(zhi)間(jian)連(lian)接(jie)的(de)強(qiang)度(du)和(he)權(quan)值(zhi)進(jin)行(xing)修(xiu)正(zheng)。這(zhe)種(zhong)方(fang)法(fa)被(bei)稱(cheng)為(wei)監(jian)督(du)訓(xun)練(lian)。在(zai)多(duo)層(ceng)感(gan)知(zhi)器(qi)中(zhong)
，監(jian)督(du)訓(xun)練(lian)的(de)反(fan)向(xiang)傳(chuan)播(bo)算(suan)法(fa)通(tong)常(chang)用(yong)來(lai)傳(chuan)播(bo)來(lai)自(zi)於(yu)輸(shu)出(chu)神(shen)經(jing)元(yuan)的(de)誤(wu)差(cha)，然(ran)後(hou)計(ji)算(suan)出(chu)隱(yin)含(han)層(ceng)神(shen)經(jing)元(yuan)的(de)修(xiu)正(zheng)權(quan)值(zhi)。

 

rengongshenjingwangluotongchangjuyoushuruheshuchu，zaishuruheshuchuzhijiandeyinzangcengwanchengchulirenwu。shurushidulidebianliang，ershuchushixianghuguanliande。rengongshenjingwangluoshijuyoukepeizhineibucanshudelinghuodeshuxuefangcheng。weilejingquedizhanxianfuzadeguanxi，tongguoxunliansuanfalaitiaozhengzhexiecanshu。zaijiandanxunlianmoshixia，shuruanlihexiangyingdeyuqishuchutongshizhanxiangeiwangluo
，tongguojinkenengduodeanlijinxingzhongfujinxingzitiaozhengguocheng。yidanxunlianjieshu，rengongshenjingwangluojiunenggoujieshouquanxindeshuru，yucezhengquedeshuchu。

 

為(wei)了(le)產(chan)生(sheng)輸(shu)出(chu)，網(wang)絡(luo)隻(zhi)需(xu)要(yao)按(an)方(fang)程(cheng)計(ji)算(suan)即(ji)可(ke)。唯(wei)一(yi)的(de)假(jia)設(she)就(jiu)是(shi)在(zai)輸(shu)入(ru)數(shu)據(ju)和(he)輸(shu)出(chu)數(shu)據(ju)之(zhi)間(jian)存(cun)在(zai)某(mou)種(zhong)連(lian)續(xu)的(de)函(han)數(shu)關(guan)係(xi)。神(shen)經(jing)網(wang)絡(luo)適(shi)用(yong)於(yu)映(ying)射(she)設(she)備(bei)、模式歸類或者模式補全(自動聯想內容尋址內存和模式關聯器)。

 

圖4所(suo)示(shi)為(wei)傳(chuan)感(gan)器(qi)係(xi)統(tong)針(zhen)對(dui)焊(han)接(jie)識(shi)別(bie)模(mo)塊(kuai)做(zuo)出(chu)焊(han)接(jie)要(yao)求(qiu)建(jian)議(yi)。這(zhe)一(yi)模(mo)塊(kuai)評(ping)估(gu)建(jian)議(yi)並(bing)決(jue)定(ding)最(zui)佳(jia)的(de)焊(han)接(jie)軌(gui)跡(ji)。建(jian)議(yi)隨(sui)後(hou)被(bei)發(fa)送(song)給(gei)實(shi)際(ji)的(de)機(ji)器(qi)人(ren)程(cheng)序(xu)生(sheng)成(cheng)器(qi)。

 

 

近期的應用包括特征識別、熱交換器
、焊點檢查、點焊參數優化、電力、觸覺顯示和車輛傳感係統。

 

 

遺(yi)傳(chuan)算(suan)法(fa)是(shi)一(yi)種(zhong)隨(sui)機(ji)最(zui)優(you)化(hua)過(guo)程(cheng)，其(qi)靈(ling)感(gan)來(lai)自(zi)於(yu)自(zi)然(ran)演(yan)化(hua)。遺(yi)傳(chuan)算(suan)法(fa)能(neng)夠(gou)在(zai)複(fu)雜(za)的(de)多(duo)向(xiang)搜(sou)索(suo)中(zhong)產(chan)生(sheng)全(quan)局(ju)最(zui)優(you)解(jie)決(jue)方(fang)案(an)，無(wu)需(xu)針(zhen)對(dui)問(wen)題(ti)本(ben)身(shen)的(de)特(te)定(ding)知(zhi)識(shi)。遺(yi)傳(chuan)算(suan)法(fa)已(yi)經(jing)在(zai)傳(chuan)感(gan)器(qi)係(xi)統(tong)中(zhong)找(zhao)到(dao)了(le)用(yong)武(wu)之(zhi)地(di)
，包(bao)括(kuo)複(fu)雜(za)組(zu)合(he)或(huo)者(zhe)多(duo)參(can)數(shu)優(you)化(hua)，包(bao)括(kuo)裝(zhuang)配(pei)
、裝配流水線平衡、故障診斷
、健康監控和動力方向盤。

 

 

環(huan)境(jing)智(zhi)能(neng)在(zai)最(zui)近(jin)幾(ji)十(shi)年(nian)獲(huo)得(de)了(le)長(chang)足(zu)的(de)發(fa)展(zhan)，見(jian)證(zheng)了(le)人(ren)類(lei)在(zai)數(shu)字(zi)控(kong)製(zhi)環(huan)境(jing)中(zhong)便(bian)利(li)的(de)工(gong)作(zuo)過(guo)程(cheng)

，電(dian)子(zi)設(she)備(bei)可(ke)以(yi)預(yu)測(ce)他(ta)們(men)的(de)行(xing)為(wei)並(bing)做(zuo)出(chu)響(xiang)應(ying)。環(huan)境(jing)智(zhi)能(neng)的(de)概(gai)念(nian)用(yong)於(yu)實(shi)現(xian)人(ren)類(lei)和(he)傳(chuan)感(gan)器(qi)係(xi)統(tong)之(zhi)間(jian)的(de)無(wu)縫(feng)匹(pi)配(pei)
，滿(man)足(zu)實(shi)際(ji)的(de)預(yu)期(qi)的(de)需(xu)求(qiu)。工(gong)業(ye)領(ling)域(yu)內(nei)的(de)應(ying)用(yong)尚(shang)有(you)局(ju)限(xian)，但(dan)是(shi)新(xin)型(xing)的(de)更(geng)加(jia)智(zhi)能(neng)且(qie)具(ju)有(you)更(geng)高(gao)交(jiao)互(hu)性(xing)的(de)係(xi)統(tong)已(yi)經(jing)處(chu)在(zai)研(yan)究(jiu)階(jie)段(duan)。

 

 

人工智能能夠增加通訊的有效性、減少故障、最小化誤差並延長傳感器的壽命。在過去40年(nian)間(jian)，人(ren)工(gong)智(zhi)能(neng)技(ji)術(shu)帶(dai)來(lai)了(le)一(yi)係(xi)列(lie)功(gong)能(neng)強(qiang)大(da)的(de)工(gong)具(ju)，如(ru)前(qian)文(wen)所(suo)列(lie)。這(zhe)些(xie)工(gong)具(ju)在(zai)傳(chuan)感(gan)器(qi)係(xi)統(tong)中(zhong)的(de)應(ying)用(yong)越(yue)來(lai)越(yue)廣(guang)泛(fan)。合(he)理(li)地(di)采(cai)用(yong)新(xin)型(xing)人(ren)工(gong)智(zhi)能(neng)技(ji)術(shu)方(fang)法(fa)將(jiang)會(hui)有(you)助(zhu)於(yu)構(gou)建(jian)更(geng)加(jia)具(ju)有(you)競(jing)爭(zheng)力(li)的(de)傳(chuan)感(gan)器(qi)係(xi)統(tong)。由(you)於(yu)工(gong)程(cheng)師(shi)對(dui)這(zhe)種(zhong)技(ji)術(shu)的(de)陌(mo)生(sheng)以(yi)及(ji)使(shi)用(yong)這(zhe)些(xie)工(gong)具(ju)仍(reng)舊(jiu)存(cun)在(zai)的(de)技(ji)術(shu)壁(bi)壘(lei)，也(ye)許(xu)還(hai)需(xu)要(yao)另(ling)一(yi)個(ge)10年nian工gong程cheng師shi們men才cai能neng夠gou接jie納na它ta們men。然ran而er，這zhe一yi領ling域yu的de研yan究jiu不bu會hui停ting歇xie，很hen多duo新xin型xing傳chuan感gan器qi應ying用yong正zheng在zai出chu現xian，這zhe些xie技ji術shu的de搭da配pei使shi用yong將jiang會hui發fa揮hui出chu更geng大da的de作zuo用yong。

 

從智能工廠的應用，對電網、空氣
、gongludengjiancewangluodeshishi
，chuanganqidefazhanlingyuyizhizaibuduandekuoda。jihualuodihou，xianzaiyoutichurengongzhinengfeijinqianjiawanhu，jiayongchanpinhuibiandeyuelaiyuezhineng，wanwuhulianshidaizhengzaifeisudefazhan

，weilairenmendeshenghuokenengfangfangmianmiandoulibukaizuijichudechuanganqi。zheduiyuchuanganqixingyelaishuo，shimodadejiyu。

 

jiyuwangwangbansuizhetiaozhan，chuanganqixingyeyemianlinzhehenduowenti，ruheyanfachufuheshichangchaoliuhejihuazhongyaoqiudechuanganqi？ruherangchuanganqizaitongleichuanganqizhongtuoyingerchu？zhiyougensuishidaifazhandechaoliu，cainengyouzhengquedefangxiang，zhangwolehexinjishu，cainengliyububaizhidi，duiyuchuanganqixingyelaishuo，zhiyouzhuazhuzhegejiyu，zhuzhongyanfaheshichangxuqiu


，cainenggengshangyicenglou。

 

本文轉載自傳感器技術。