University of Electronic Science and Technoloy of China 2、嵌入式系统的发展 嵌入式应用软件 应用软件是实现嵌入式系统功能的关键，是面 向应用开发的用户程序； >嵌入式应用软件的特点： 软件要求固态化存储； 口软件代码具有高质量和高可靠性； 要求具有高实时性； 口实现多任务并行和实时调度管理等
2、嵌入式系统的发展 n 嵌入式应用软件 Ø 应用软件是实现嵌入式系统功能的关键，是面 向应用开发的用户程序； Ø 嵌入式应用软件的特点： p 软件要求固态化存储； p 软件代码具有高质量和高可靠性； p 要求具有高实时性； p 实现多任务并行和实时调度管理等
University of Electronic Science and Technoloy of China 3、嵌入式AI技术基本概念 a什么是AI(Artificial Intelligence) 技术？ AI一人工智能技术，是研究开发用于模拟、延 伸和扩展人的智能的理论、方法、技术及应用 系统的技术科学。A领域的研究包括智能机器 (包括机器人)、语言识别、图像识别、自然 语言处理和专家系统等； 典型的AI成果： √12岁AI系统莫格理”早早 确定特朗普当选总统 VS
3、嵌入式AI技术基本概念 n 什么是AI（Artificial Intelligence）技术？ Ø AI — 人工智能技术，是研究开发用于模拟、延 伸和扩展人的智能的理论、方法、技术及应用 系统的技术科学。AI领域的研究包括智能机器 （包括机器人）、语言识别、图像识别、自然 语言处理和专家系统等； Ø 典型的AI成果： ü 12岁AI系统“莫格理”早早 确定特朗普当选总统
University of Electronic Science and Technoloy of China 3、嵌入式AI技术基本概念 典型的AI成果 微软语音识别技术达到专业转录员水平以及语 言理解能力击败人类 √特斯拉无人驾驶将车主送往医院 AlphaGo战胜韩国棋手李世石 1ee.ee
3、嵌入式AI技术基本概念 n 典型的AI成果 ü 微软语音识别技术达到专业转录员水平以及语 言理解能力击败人类 ü 特斯拉无人驾驶将车主送往医院 ü AlphaGo 战胜韩国棋手李世石
University of Electronic Science and Technoloy of China 3、嵌入式A技术基本概念 三类典型基于云的AI应用分析 1)机器学习 机器学习是CSP(云服务提供商)提供的人工 智能组合服务的核心。这些服务能够帮助开发 人员、数据从业人员和架构师们生成自己的模 型，评估这些模型、训练自己的数据，实现最 常见的机器分析类型。这些类型包括分类、聚 类和回归； 影响机器学习云服务的关键要素包括：机器学 习具体算法、实时处理能力、数据准备、数据 可视化、任务特征、实例类型、算法市场、训 练集生成、电脑硬件等
3、嵌入式AI技术基本概念 n 三类典型基于云的AI应用分析 1）机器学习 Ø 机器学习是CSP（云服务提供商）提供的人工 智能组合服务的核心。这些服务能够帮助开发 人员、数据从业人员和架构师们生成自己的模 型，评估这些模型、训练自己的数据，实现最 常见的机器分析类型。这些类型包括分类、聚 类和回归； Ø 影响机器学习云服务的关键要素包括：机器学 习具体算法、实时处理能力、数据准备、数据 可视化、任务特征、实例类型、算法市场、训 练集生成、电脑硬件等
University of Electroni Science and Tecf China 3、嵌入式A技术基本概念 2006年，Geoffrey Hinton在《科学》上发 深度学习的训练方法 表论文提出深度学习主要观点： 。 多隐层的人工神经网络具有优异的特征 监督学习 学习能力，学习得到的特征对数据有更 通过已有的训练样本（即已知数据以 本质的刻画，从而有利于可视化或分类 及其对应的输出)训练得到一个最优 。 深度神经网络在训练上的难度，可以通 模型（这个模型属于某个函数的集合， 输出层 过“逐层初始化”(layer-wise pre- 最优则表示在某个评价准则下是最佳 training)来有效克服，逐层初始化可 的)，再利用这个模型将所有的输入 通过无监督学习实现的 映射为相应的输出，对输出进行简单 的判断从而实现分类的目的，从而也 在著名的ImageNeti问题上将错误率从26 就具有了对未知数据进行分类的能力 层 %降低到了15%，并且输入没有用到其 他任何人工特征，仅仅是图像的像素 强化学习 类似人类与环境交互的方式，智能系 统从环境到行为映射的学习，以使奖 迁移学习 励信号函数值最大。环境对产生动作 输入层 将从拥有大数据的源领域上学习到的 的好坏通过奖励信号作评价，而不是 含多个隐层的深度学习模型 东西应用到仅有小数据的目标领域上 告诉强化学习系统如何去产生正确的 各种神经网络类型 去，实现个性化迁移，即举一反三、 动作。强化学习不能立即得到标记， 触类旁通。 而只能得到一个反馈，因此可以说强 >Logistic 化学习是一种具有“延迟标记信息” >RBM 典型案例：斯坦福学者使用卫星图像 的监督学习 >Auto Encoder 获取的灯光信息来分析非洲大陆的贫 >Sparse Codina 穷情况 典型案例：AlphaGo >Convolutionar
3、嵌入式AI技术基本概念