中国艺术研究院好考吗_amd中国研究院_中国鼻科研究院在哪里

科技杂谈keji_zatan

新谈友，请点击题目下蓝字关注我

中国通信行业影响力最大的自媒体

【这是“大数据专栏”的推送文章，本专栏由中关村大数据产业联盟与科技杂谈合作提供】

文 / 谷俊丽 ，本文为谷俊丽在中关村大数据产业联盟“大数据100分”论坛上的交流探讨实录

主讲嘉宾：谷俊丽

主 持 人：中关村大数据产业联盟 副 陈新河

承 办：中关村大数据产业联盟

嘉宾介绍

谷俊丽：博士，毕业于清华大学-美国University of Illinois Urbana-champaign大学， 在清华期间作为核心人员研发过超长指令字数字信号处理器， 在美期间曾参与UIUC超级计算机上的研究工作，并工作实习于Google总部和创业公司Personify。现于AMD中国研究院高级研究员，从事异构计算平台、人工智能+Big Data相关的研究。在计算机和高性能计算领域的国际顶级会议HPCA,Micro和Usenix ATC上发表论文多篇。

以下为分享实景全文：

大家好，我是AMD中国研究院的研究员谷俊丽， 带领AMD人工智能团队，研究人工智能的在分布式硬件系统的实现和物体识别的软件应用研究。今天主要跟大家分享：

1. 目前业界主流的人工智能方法-深度神经网络学习模型

2. 主流算法和应用分析

3. 主要的研究机构和目前进展

4. 人工智能对系统设计的挑战

5. AMD的研究实践及价值

6. 基于大数据的人工智能的挑战和机遇

第一个部分带有科普性质，讲解什么是深度神经网络和其原理。第二三部分是根据我平时的文献阅读和搜集的信息总结出来的，可供了解深度学习的主要应用和都有什么研究正在进行。第四五两部分比较技术细节，做硬件系统的人可以多听听。第六部分是我个人根据在研究过程中的理解，和跟业界专家交流的经验，总结提炼出来的。人工智能是个比较复杂的算法，今天的讲稿都我在准备时尽量口语化，避免晦涩难懂，希望更能够理解。对该领域有研究的专家欢迎会后深入交流，有描述不准确的地方欢迎指正哈。

一 Big Data + 深度神经网络

人工智能是指让机器去认知、认识世界。这个过程毋庸置疑需要一定的算法放在计算机上来实现。最初的人工智能还是通过研究人员通过模仿人类来制定特定的认知和推理过程，21世纪出现了大数据，海量数据，结构复杂，种类繁多，然后人类定义的过程就不好使了。于是人们期待于希望机器自己能够从数据中学习，我今天讲的就是最近大火的基于深度神经网络的人工智能。

深度神经网络是指我们在计算机上搭建一个很多层的神经网络，只需要制定多少层，并不需要给定具体的参数，计算机通过计算大数据来自动学习最终的网络参数，不一样的网络参数能够识别不同的物体。然后这个训练好的网络就可以自动识别物体了。深度神经网络的出现得益于大数据，因为数据量够大，计算机够强大， 机器本身才能学习出各种复杂的特征。

首先回忆一下什么是神经网络。

神经网络在上世纪60年代提出，最初的神经网络非常简单，包括输入层，隐含层和输出层，共三层。输入和输出层通常由应用决定，隐含层包含神经元，隐含层跟输入和输出层之间的链接可供训练。通过训练神经网络实现从输入到输出的一个非线性映射过程。

浅层学习是机器学习的第一次浪潮，在上世纪发生。深度学习是机器学习的第二次浪潮，正在兴起。

2006年，加拿大多伦多大学教授、机器学习领域的泰斗Geoffrey Hinton和他的学生在《科学》上发表了一篇文章，开启了深度学习在学术界和工业界的浪潮。深度神经网络，又称DNN, 指包括3个层以上隐含层的神经网络，（现在主流的模型包含九个隐含层），通常每层都有上千上万级的神经元，整个网络有百万级至百亿级的参数空间，具有非常强大的学习能力和特征提取能力。看图一张：

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/dianqi/article-33771-1.html