文獻(xiàn)閱讀的綜述報(bào)告

《文獻(xiàn)閱讀的綜述報(bào)告》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫(kù)。

1、為了適應(yīng)公司新戰(zhàn)略的發(fā)展，保障停車場(chǎng)安保新項(xiàng)目的正常、順利開(kāi)展，特制定安保從業(yè)人員的業(yè)務(wù)技能及個(gè)人素質(zhì)的培訓(xùn)計(jì)劃文獻(xiàn)閱讀的綜述報(bào)告　　文獻(xiàn)閱讀綜述報(bào)告　　學(xué)號(hào)：　　學(xué)　　XX年10月21日填　　摘要人類善于僅憑單個(gè)例子對(duì)新概念和經(jīng)驗(yàn)進(jìn)行推理。特別是，人類擁有單次泛化的能力：遭遇新概念，理解其結(jié)構(gòu)，然后生成這個(gè)概念的有意義的變型。大多數(shù)先進(jìn)的機(jī)器學(xué)習(xí)算法都是數(shù)據(jù)饑渴的，怎么讓人工智能擁有這方面的能力最近受到人們廣泛關(guān)注，本文系統(tǒng)概述了單點(diǎn)泛化算法的研究進(jìn)展，首先介紹了本課題的背景與意義其次介紹了研究進(jìn)展，然后介

2、紹了兩種單點(diǎn)泛化算法，包括基于貝葉斯程序算法和基于深度學(xué)習(xí)與近似貝葉斯推斷的推測(cè)能力結(jié)合的算法，最后提出單點(diǎn)泛化算法中需要進(jìn)一步改進(jìn)的問(wèn)題　　關(guān)鍵字：深度學(xué)習(xí)，單點(diǎn)學(xué)習(xí)，生成模型，貝葉斯，深度無(wú)向圖模型　　一、課題研究背景與意義目的-通過(guò)該培訓(xùn)員工可對(duì)保安行業(yè)有初步了解，并感受到安保行業(yè)的發(fā)展的巨大潛力，可提升其的專業(yè)水平，并確保其在這個(gè)行業(yè)的安全感。為了適應(yīng)公司新戰(zhàn)略的發(fā)展，保障停車場(chǎng)安保新項(xiàng)目的正常、順利開(kāi)展，特制定安保從業(yè)人員的業(yè)務(wù)技能及個(gè)人素質(zhì)的培訓(xùn)計(jì)劃　　盡管在人工智能和機(jī)器學(xué)習(xí)上有顯著的進(jìn)展，但是

3、在機(jī)器系統(tǒng)中有兩個(gè)人類概念知識(shí)方面沒(méi)有解決、第一、對(duì)于許多有趣的自然和人造種類人類善于僅憑單個(gè)例子對(duì)新概念和經(jīng)驗(yàn)進(jìn)行推理，然而機(jī)器學(xué)習(xí)需要成千上百個(gè)例子發(fā)現(xiàn)相似性。甚至小孩能通過(guò)單點(diǎn)學(xué)習(xí)[1]做出有意義的推斷。相反許多先進(jìn)的機(jī)器學(xué)習(xí)方法是數(shù)據(jù)饑渴的，尤其是在圖像和語(yǔ)言識(shí)別上有突破進(jìn)展的深度學(xué)習(xí)模型[2-7]。顯然數(shù)據(jù)越多其效果相對(duì)就會(huì)越好，但是若沒(méi)有大數(shù)據(jù)怎么辦?何況人類的知識(shí)也是一點(diǎn)點(diǎn)積累的，對(duì)于人類來(lái)說(shuō)，即便沒(méi)有積累，沒(méi)有相應(yīng)的專業(yè)知識(shí)，實(shí)際上我們也能“照貓畫虎”。從這點(diǎn)上來(lái)看，以深度學(xué)習(xí)為核心的人工智能

4、就遠(yuǎn)遠(yuǎn)不及人類，因?yàn)槿祟惷鎸?duì)陌生環(huán)境依然能夠　　通過(guò)學(xué)習(xí)做出適應(yīng)變化。因此“類人概念學(xué)習(xí)”首先就要解決深度學(xué)習(xí)的這種弊端，即不依賴大數(shù)據(jù)也能進(jìn)行自我學(xué)習(xí)。機(jī)器學(xué)習(xí)的核心挑戰(zhàn)是解釋以下兩方面的人類概念層次的學(xué)習(xí)：人類怎么從很少的例子學(xué)習(xí)新的概念，人類怎么學(xué)習(xí)抽象，豐富和靈活的模型表示。結(jié)合這兩方面提出：如何學(xué)習(xí)稀少數(shù)據(jù)并且產(chǎn)生豐富的表示。在這方面的研究如果得到突破，可以極大的提升機(jī)器學(xué)習(xí)的效率。　　二、國(guó)內(nèi)外研究現(xiàn)狀　　早在1950年圖靈就提出過(guò)隔墻對(duì)話的概念，用電腦模擬人腦和人進(jìn)行對(duì)話，人們不清楚到底是和人還

5、是電腦在交談。這種設(shè)想將計(jì)算機(jī)完全智能化，期望值太高，在以后的幾十年里，人工智能的發(fā)展遠(yuǎn)遠(yuǎn)沒(méi)有達(dá)到預(yù)想的效果。人們開(kāi)始懷疑人工智能[8]可望不可及，相關(guān)的研究領(lǐng)域是“偽科學(xué)”。目的-通過(guò)該培訓(xùn)員工可對(duì)保安行業(yè)有初步了解，并感受到安保行業(yè)的發(fā)展的巨大潛力，可提升其的專業(yè)水平，并確保其在這個(gè)行業(yè)的安全感。為了適應(yīng)公司新戰(zhàn)略的發(fā)展，保障停車場(chǎng)安保新項(xiàng)目的正常、順利開(kāi)展，特制定安保從業(yè)人員的業(yè)務(wù)技能及個(gè)人素質(zhì)的培訓(xùn)計(jì)劃　　Fei-FeiLi[9]提出用生成對(duì)象分類模型和變分貝葉斯框架從很少的數(shù)據(jù)中表示和學(xué)習(xí)視覺(jué)對(duì)象。

6、　　Salakhutdinov(XX)[10]等人發(fā)展了一個(gè)結(jié)合了玻耳茲曼機(jī)和等級(jí)狄利克雷過(guò)程的概率模型，可以學(xué)習(xí)層級(jí)概念類別，并且提供了強(qiáng)大的生成模型。　　Google的Graves[11]等人提出的神經(jīng)圖靈機(jī)，通過(guò)引入一個(gè)使用注意力程序進(jìn)行交互的外部存儲(chǔ)器來(lái)增強(qiáng)神經(jīng)網(wǎng)絡(luò)的能力。新系統(tǒng)可以與圖靈機(jī)或者馮·諾依曼體系相類比，但每個(gè)組成部分都是可微的，可以使用梯度下降進(jìn)行高效訓(xùn)練。目的-通過(guò)該培訓(xùn)員工可對(duì)保安行業(yè)有初步了解，并感受到安保行業(yè)的發(fā)展的巨大潛力，可提升其的專業(yè)水平，并確保其在這個(gè)行業(yè)的安全感。為了適

7、應(yīng)公司新戰(zhàn)略的發(fā)展，保障停車場(chǎng)安保新項(xiàng)目的正常、順利開(kāi)展，特制定安保從業(yè)人員的業(yè)務(wù)技能及個(gè)人素質(zhì)的培訓(xùn)計(jì)劃　　初步的結(jié)果顯示神經(jīng)網(wǎng)絡(luò)圖靈機(jī)能夠從輸入和輸出樣本中推理出簡(jiǎn)單的算法，如復(fù)制、排序和回憶。Google的AdamSantoro等人[12]提出了新的存儲(chǔ)讀寫更新策略，架構(gòu)通過(guò)加入可讀寫的外部存儲(chǔ)器層，實(shí)現(xiàn)用極少量新觀測(cè)數(shù)據(jù)就能有效對(duì)模型進(jìn)行調(diào)整，從而快速獲得識(shí)別未見(jiàn)過(guò)的目標(biāo)類別的元學(xué)習(xí)能力，也就是可以利用極少量樣本學(xué)習(xí)。Lake(XX)等人[13]通過(guò)風(fēng)格和內(nèi)容的分離，利用貝葉斯規(guī)劃學(xué)習(xí)實(shí)現(xiàn)了單點(diǎn)泛化，

8、并在簡(jiǎn)單圖像分類取得誤差%和圖靈視覺(jué)測(cè)試識(shí)別率52%的成績(jī)，把貝葉斯規(guī)劃學(xué)習(xí)所具有的單點(diǎn)泛化能力視為“神經(jīng)網(wǎng)絡(luò)模型的一大難題”。Google的DaniloJ.Rezende等人[14]通過(guò)把長(zhǎng)短期記憶深度神經(jīng)網(wǎng)絡(luò)嵌入到層級(jí)隱變量模型，并與近似貝葉斯推斷的推測(cè)能力結(jié)合，表明這個(gè)問(wèn)題是可以克服的。得到的深度生成模型是一般性的圖像模型，準(zhǔn)確且可規(guī)?；?，并且具有重要的單點(diǎn)泛化能力，可是失去了單點(diǎn)學(xué)習(xí)能力。