一、背景介紹

? ?（1）深度學(xué)習(xí)發(fā)展第一階段

神經(jīng)網(wǎng)絡(luò)模型的最早研究起源與認(rèn)知心理學(xué)、理論和計(jì)算神經(jīng)科學(xué)領(lǐng)域。1943年Warren McCulloch和Walter Pitts發(fā)明了基于數(shù)學(xué)和閾值邏輯的算法神經(jīng)網(wǎng)絡(luò)計(jì)算模型，即MCP神經(jīng)元數(shù)學(xué)模型，為神經(jīng)網(wǎng)絡(luò)的發(fā)展拉開了序幕。1958年，Rosenblatt創(chuàng)造了感知機(jī)并將其成功運(yùn)用于簡單的模式識別任務(wù)中，將神經(jīng)網(wǎng)絡(luò)的研究推向了第一次的高潮。然而好景不長，1969年Minsky和Papert直接指出目前的神經(jīng)網(wǎng)絡(luò)存在兩個(gè)關(guān)鍵的缺陷：（1）無法解決異或這類簡單的線性不可分問題；（2）計(jì)算機(jī)沒有足夠的算力來求解大型的網(wǎng)絡(luò)。這些問題直接宣判了神經(jīng)網(wǎng)絡(luò)的“死刑”，神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入了第一次寒冬。

圖1 視覺系統(tǒng)

（2）深度學(xué)習(xí)發(fā)展第二階段

1983年加州理工學(xué)院的物理學(xué)家John Hopfield利用神經(jīng)網(wǎng)絡(luò)，通過電路模擬仿真的方法求解了旅行商這個(gè)NP難問題，在學(xué)術(shù)界引起的較大的轟動，這也推動了神經(jīng)網(wǎng)絡(luò)第二次的快速發(fā)展。同時(shí)1986年BP誤差反向傳播算法被Hinton等人再次發(fā)明，這也為后來神經(jīng)網(wǎng)絡(luò)的發(fā)展奠定了基礎(chǔ)。1989年George Cybenko首次提出了sigmoid激活函數(shù)的萬能逼近定理，2年后Kurt Hornik指出萬能逼近定理并不依賴于特別的激活函數(shù)，而是由多層前饋網(wǎng)絡(luò)結(jié)構(gòu)所決定的。同時(shí)在1989年LeCun通過利用BP算法完成了對手寫數(shù)字的識別。1998年LeCun正式提出LeNet-5，該網(wǎng)絡(luò)即為標(biāo)準(zhǔn)的卷積神經(jīng)網(wǎng)絡(luò)（CNN），其采用了卷積、池化的結(jié)構(gòu)，并選擇雙曲正切激活函數(shù)和極大似然估計(jì)損失函數(shù)，同時(shí)使用BP算法進(jìn)行訓(xùn)練。

（3）深度學(xué)習(xí)發(fā)展第三階段

2006年即為Deep Learning元年，2006年Hinton在Science上發(fā)文，指出利用RBM編碼預(yù)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)與PCA相比在高維特征抽取方面有更佳的性能，即深度網(wǎng)擁有強(qiáng)大的特征提取能力。網(wǎng)絡(luò)向更深、更復(fù)雜的方向發(fā)展。在其它的領(lǐng)域如語音識別、機(jī)器翻譯、問答系統(tǒng)等某些十分微小具體的方面，深度網(wǎng)絡(luò)也表現(xiàn)出了準(zhǔn)確率優(yōu)于人類的良好性能。目前，深度學(xué)習(xí)正處于第三次發(fā)展的高潮時(shí)期，雖然現(xiàn)在的AI技術(shù)還尚不成熟，仍然需要大量的人工干預(yù)，但是越來越多的專家、互聯(lián)網(wǎng)寡頭、各個(gè)工業(yè)領(lǐng)域、大量金融資本都不斷的涌入AI的研究中，期待AI會有更廣闊的發(fā)展，讓未來的生活更加智能、更加美好。

圖2 神經(jīng)網(wǎng)絡(luò)的演化

二、實(shí)驗(yàn)?zāi)康?/p>

（1）知識

• 理解機(jī)器視覺感知與智能識別系統(tǒng)組成原理，了解基于深度學(xué)習(xí)的系統(tǒng)設(shè)計(jì)及開發(fā)流程。

• 理解深度學(xué)習(xí)模型超參數(shù)作用與對訓(xùn)練結(jié)果的影響。

• 掌握數(shù)據(jù)集構(gòu)建與增廣、深度學(xué)習(xí)網(wǎng)絡(luò)模型結(jié)構(gòu)及構(gòu)建方法。

• 掌握深度學(xué)習(xí)算法的工程應(yīng)用方法。

（2）能力

• 通過模擬機(jī)器視覺感知與能識別系統(tǒng)的理論運(yùn)用、模型設(shè)計(jì)和軟件虛擬等操作，培養(yǎng)學(xué)生思辨、綜合分析和工程實(shí)踐能力。

• 利用模型構(gòu)建和網(wǎng)絡(luò)優(yōu)化等實(shí)驗(yàn)步驟交互操作和多維評價(jià)方法，結(jié)合虛擬仿真實(shí)驗(yàn)隨時(shí)隨地學(xué)習(xí)特性，培養(yǎng)學(xué)生自主學(xué)習(xí)和終身學(xué)習(xí)能力。

（3）素養(yǎng)

• 采用案例式教學(xué)方法將課程思政融入專業(yè)實(shí)驗(yàn)教學(xué)，培養(yǎng)學(xué)生系統(tǒng)思維、工程素養(yǎng)和科學(xué)探索精神，增強(qiáng)學(xué)術(shù)自信。

北京歐倍爾機(jī)器視覺感知與智能識別虛擬仿真實(shí)驗(yàn)軟件可以促進(jìn)理解機(jī)器視覺感知與智能識別系統(tǒng)形成的原理，了解深度學(xué)習(xí)系統(tǒng)的理念，實(shí)現(xiàn)對知識的學(xué)習(xí)與鞏固。軟件還具有檢驗(yàn)自身學(xué)習(xí)情況的功能，師生都可以了解知識的掌握程度。北京歐倍爾在傳感器仿真項(xiàng)目上做了突破，采用案例式教學(xué)方法將課程思政融入專業(yè)實(shí)驗(yàn)教學(xué)，培養(yǎng)學(xué)生系統(tǒng)思維、工程素養(yǎng)和科學(xué)探索精神，增強(qiáng)學(xué)術(shù)自信。