学习ios7好用吗

02版夏季如何预防"上火"07版本期热读"扒窃四人组"被抓现行"神腿"没跑多远就栽了02版本期版第期82170社区QQ群:150832549Tel新闻热线83766326-810本报地址:大连市西岗区新开路87-1号邮编:116011总机:83766326/27/28传真:83766329电子信箱:dlfzb999@163.
com广告许可证:辽工商广字B0194印刷:大连报业集团印务公司发行投诉电话:84650281本报地址:大连市西岗区新开路87-1号邮编:116011总机:83766326/27/28传真:83766329电子信箱:dlfzb999@163.
com广告许可证:辽工商广字B0194印刷:大连报业集团印务公司发行投诉电话:84650281为您提供全角度法律·社区资讯服务大连报业集团主管主办2014/7星期五国内统一刊号CN21-0077邮发代号7-901本报网址:http://www.
dlfzb.
cn逢周二、周五出版市场零售价1元社区免费直投04民生关注民生关注"机器学习"奥妙多智能生活变简单本报记者李元臣"巴西世界杯谁能拿冠军@小冰""今年哥斯达黎加踢得好棒,我很期待这匹'黑马'夺冠呦!
"前两天,市民于佐龙和朋友在预测世界杯冠军的时候,发了一条微博,并在第一时间得到了回复.
近日,新浪微博里的"小冰"可着实的火了一把,身边的微博用户无论是有问题询问还是单纯的调侃,在发出一条微博的同时总是不忘@"小冰"一下.
而"小冰"秒回的信息也成了微博用户茶余饭后的谈资.
的确,从微软发布人工智能机器人"小冰"以来,就受到了国内互联网领域的高度关注,虽然历经了QQ和微信"封杀"的坎坷,但近日随着其在微博上重新复活,"小冰"在成为用户娱乐话题的同时,也让一个新的概念——"机器学习"被人们所熟知.
如今,随着互联网特别是移动互联的大行其道,人们已经不满足于通过简单的计算机程序来完成相关应用.
如何能让机器具有自主学习的能力,从而实现更广泛的智能应用已经在业界达成了共识.
随着"大数据"时代的到来,"机器学习"已经成为推动"大数据"时代繁荣向前的重要方式.
"机器学习"随"大数据"重新火热说到"机器学习"的概念,对于多数非专业人士还是非常陌生的.
"'机器学习'简单说来,就是让计算机拥有人类的学习能力,以使其在运行过程中不断提升技能.
"中国人工智能学会机器学习专业委员会常委、大连海事大学教授鲁明羽告诉记者,"机器学习"实际上是一门多领域交叉学科,也是计算机领域的顶尖技术之一.
在学科理论上,"机器学习"融合了概率论、统计学、逼近论、凸分析和算法复杂度等多门学科.
在不少人看来,"机器学习"是"大数据"时代的新兴产物,对于专业领域来说,"机器学习"已经不是一个全新的概念,而"机器学习"理论的提出和应用也比"大数据"早了半个多世纪.
采访中记者了解到,在上世纪50年代,计算机领域快速发展的时候,人们已经率先想到了由计算机来取代人类的思考与行为,也就是人工智能研究和应用.
然而,当时多数从业者的观点是,无论是计算机还是机器人,都是由人设计研发出来的,因此无法达到甚至超过人类的思维.
若想发挥计算机更大的优势,必须让其具有"学习"的功能,使其在应用中能够根据所接收到的信息不断自我学习,从而最大程度发挥其功能应用.
在发展的历程中,"机器学习"始终被视作人工智能的一个分支不断地进步与演化,并延伸到更广泛的领域.
近年来,随着"大数据"概念的提出并被广泛认可,"机器学习"又迎来了前所未有的发展平台.
"'大数据'就像是一个巨大的金矿,而用镐头挖掘还是用现代化机械挖掘,就是'机器学习'所要研究的问题.
"中国人工智能学会机器学习专业委员会委员、大连理工大学电子信息与电气工程学部副部长林鸿飞告诉记者,现在人们都在说"大数据"的概念,而面对海量的数据如何挖掘使用,以发挥其最大的功能,"机器学习"就有了用武之地.
如今在国内,百度、腾讯和淘宝等都是"机器学习"的主要应用者,其中很重要的一个原因就是这些互联网巨头掌握了大量的数据资料,而如何使用数据并最大程度发挥其作用,数以百亿甚至万亿的数据量通过人工来处理分析显然不可能完成,"机器学习"理所应当地成为了重要的应用手段.
记者在采访中获悉,目前Google、百度等国内外互联网巨头已经充分意识到"机器学习"的重要性,相继成立了专门的事业部.
其中,百度专门成立了"百度研究院",重点研究方向就是"机器学习"特别是"深度学习",并高薪聘请了世界最顶尖的"机器学习大咖"担任相关技术负责人.
近两年,斯坦福、康奈尔等国际知名高校也相继开设了"机器学习"相关课程,国内部分高校也增添了"机器学习"领域的选修课.
在鲁明羽看来,"大数据"时代给"机器学习"带来新的发展机遇的同时也带来了前所未有的挑战.
"虽然海量数据的概念,在"大数据"提出之前业界已经有所涉猎,但是"大数据"时代如此庞大的数据量却是前所未有的,对于现有的"机器学习"技术来说也是需要不断提升才能发挥其功能.
"鲁明羽向记者举例,此前他承担了一个城市公共交通规划的项目,仅在大连一座城市,相关部门提供给项目组的交通数据资料就超过100亿条,包括各路段出行量统计、公交线路乘客统计、城市出租车分布与路线统计等.
面对这100多亿条数据,如何能够最大程度挖掘其关联性与扩展性,从而为成功的交通规划与管理提供准确的建议,对于项目组和"机器学习"从业人员来说是一个巨大的挑战.
"机器学习"让识别不再困难在记者采访时,大连理工大学数学专业本科生张译尹和项目组的课题《医学文献中蛋白质名称的自动识别》经过一年时间的研究刚刚结题.
"经过测试,用我们的方法已经实现了超过86%的蛋白质自动识别率.
"张译尹告诉记者,在以往的医学领域,不同的专家对于蛋白质名称的标注方式有很大的差异.
这也造成了在参考和引用文献时很难区分是否需要的蛋白质或者含有相关资料的文献.
而通过"机器学习"的算法可以轻松地在海量的文献中甄选出来.
据张译尹介绍,项目组通过对医学领域通常使用对蛋白质标记的字母或符号进行分类标注,并通过语料的关键词的符合程度来对不同方式标注的蛋白质进行识别.
在研究过程中,张译尹和项目组使用了大量不同的蛋白质标注类型来通过"机器学习"的方法加以训练,最后又拿出一部分数据进行测试,最终实现了超过86%的蛋白质名称自动识别.
"通过这样'机器学习'的手段,可以拓展到生物医学、化学、数学等更为广泛的领域,使得文献的检索与识别更加便利.
"张译尹说,如果某位作者在文献平台上发现了与自己研究成果关键词匹配程度较高的文献,就说明对方很可能是同一领域的专家,或许也会成为更亲密的科研伙伴.
采访中记者了解到,目前在国内外,"机器学习"已经广泛地应用在模式识别的领域.
在治安管理系统中,对于面部图像和车牌的识别应用则更为广泛.
"目前在国内外,自动识别每个路口经过车辆的车牌已经不是难事.
"林鸿飞教授告诉记者,随着汽车保有量的增加和城市治安秩序的改善,监控摄像头的数量也在大幅提升.
发生治安案件后,不同位置的摄像头是追踪犯罪嫌疑人和车辆最好的工具之一.
通过"机器学习"的计算方法,可以提供快速、精确的车牌信息,极大地减少了人工识别的成本.
据记者了解,此前有机构设计了一个基于训练模型的车牌自动生成算法,通过车牌训练的多样性,达到有效训练强分类器的目的,使得车辆在相对摄像头不同角度高速行驶的复杂环境下高效地提取车牌.
同时,通过专业图像变换进行倾斜矫正,去除边框后分割了车牌字符,获得了基本没有倾斜的低噪声的车牌字符.
一旦有被锁定车牌的车辆经过这一路口,系统会第一时间进行提示,再综合各摄像头采集到的同一车牌信息,串联出车辆行驶路线.
"现在对于人的识别也可以通过这样的方式,但是如果这个人戴了宽檐帽、口罩和太阳镜将面部完全遮挡起来,对于识别来说还有一定困难.
"林鸿飞告诉记者,不过随着"机器学习"算法的深入与多样化,不久的将来自动识别人的动作和仪态也将成为现实,那时犯罪嫌疑人若想伪装可谓难上加难.
熟悉国际象棋的读者一定对"深蓝"这个名字并不陌生.
当年,"深蓝"和"棋王"卡斯帕罗夫的对战,曾经引起了体育界和计算机界的轩然大波.
在第一次人机较量中,"深蓝"不出所料地败下阵来,这也让不少人更坚定了计算机无法战胜人脑的观点.
然而,经过一段时间调整后,"重出江湖"的"深蓝"一举战胜了卡斯帕罗夫.
原来,在调整的这段时间,"深蓝"进行了大量"机器学习"的运算,模拟了无数国际象棋对局,特别是通过对此前卡斯帕罗夫棋局的"学习",总结出一套行之有效的对战方法,在二次对决中一举战胜对手.
林鸿飞此前曾为国际化洗巨头宝洁公司提供了一套"机器学习"的计算方法.
有了这样的方法,宝洁公司可以轻松地在不同电商平台数以亿计的评论中,找到某种商品的专属评论.
例如,宝洁公司会特别要求搜索到旗下香皂品牌"舒肤佳"与竞争对手联合利华旗下的"力士"香皂的对比评论,从而了解到消费者对于两种香皂品牌耐用度、泡沫丰裕度等指标的评价,以改进产品的设计.
有趣的是,通过对于评价的识别和筛选,保洁公司获取到一条前所未有的信息——"舒肤佳"香皂经常会被老鼠吃掉.
同样在搜索和电商领域,"机器学习"也大有用武之地.
当你在百度中键入"大连"两字的时候,下拉列表中会自动弹出大连旅游、大连美食、大连天气等相关搜索关键字,而这简单的联想背后,也是根据网民的搜索习惯和同一ID下的搜索历史,通过复杂的"机器学习"的方法计算出来的.
同样在淘宝网的页面上,当不同买家输入某种"宝贝"的名称后,下方显示的商品推荐也是大不相同的.
这是由淘宝后台根据买家所在地域、性别、交易记录甚至星座等因素不断"学习"并综合计算出来的,所推荐的商品也是比较符合买家购买习惯的.
生活中,"机器学习"的实例也是随处可见,但多数情况下,人们在享受"机器学习"带来便利的同时,并没有意识到其中的奥妙.
我们日常使用一些新款的数码相机拍照,对焦点会自动锁定在所拍摄人物的面部,而有的数码相机甚至可以在检测到被拍摄者笑脸时自动按下快门.
实际上,这也是"机器学习"的应用之一.
数码相机通过感应器采集到被摄人物后,会不断地"学习"使得对笑脸的感知更多样性也更敏锐,因此对笑脸的识别度也会越来越高.
不少读者使用的"苹果"手机中也有"机器学习"的实例,那就是Siri系统,有了Siri系统,"苹果"已经不再是一台冷冰冰的手机,而真正成为使用者"会说话的智能助手".
相对于传统对于数据等信息运算的"学习",Siri的"学习"本领更高,因此业界对于此种方式重新划分为"深度学习".
也就是说,计算机模拟人脑进行分析"学习"的神经网络,来"学习"更有用的特征,从而最终提升分类或预测的准确性.
随着Siri的不断更新,其"学习"程度也在不断地提升.
目前,在最新版本的iOS7中的Siri已经可以模仿使用者的口音进行发音.
无处不在的"机器学习""机器学习"已应用到图像、声音等多个智能领域.
全国业余乒乓球高手今日挥拍