Gépi tanulás; ipari energiahatékonyság

ipari

A gépi tanulást, a mély tanulást, a mesterséges intelligenciát, a nagy adatot, a neurális hálózatot, a genetikai algoritmusokat ... a technológiát naponta használják a marketing diskurzusban, és gyakran durván. Vessünk egy pillantást a Gépi tanulásra és az ipari energiahatékonyság iránti érdeklődésre.

Definíció (k): Gépi tanulás

Gépi tanulás, ill statisztikai tanulás, a mesterséges intelligencia egyik tudományága. Metódusok és algoritmusok segítségével önálló szoftvereket fejleszt ki, amelyek képesek megtanulni ismerje fel a komplex rendszer állapotait a megfigyelt rendszer adattörténetéből.

Többféle algoritmus kombinálható (döntési fák, lineáris diszkriminanciaanalízis, klaszterezés stb.), Ideértve az idegi hálózatokat is, amelyek híresek az emberi agy működésének reprodukciójára irányuló kezdeti törekvésükről. Ami a mély tanulást illeti, a neurális hálózatok "egyszerű" (sic!) Alkalmazása.

Alkalmazások: széles spektrum

Funkcionális szempontból a gépi tanulásnak két fázisa van:

1- Kezdeti tanulás: bemeneti adatok halmazából készült, és természetesen a megfelelő kimeneti adatokból. Vegyünk egy példát az élelmiszeripartól: kezdőként a frissen sült süti hőmérséklete, a laboratórium páratartalma és környezeti hőmérséklete, a csemege méretei és egy fénykép; a kijáratnál annak megfelelősége vagy sem, valamint az esetleges elutasításának okai (főzés, méret, méret ...). Ezt a megfelelést "manuálisan" értékelték.

2- Működés: az algoritmus ekkor képes kimeneti értéket javasolni, a neki megadott bemeneti adatok alapján. Például: az érzékelők által összegyűjtött adatokból az alkalmazás megmondja a gépnek, hogy mely sütiket kell eldobni, és csak csomagolásban küldi el az utalványokat. Megjegyzés: A működési szakasz tartalmazhat tanulási funkciókat is az algoritmus készségeinek finomítása érdekében.

| Számos alkalmazás aggályos bonyolult és változatos környezet és/vagy adatsor érzékelése:

  • Objektumok felismerése képen, képindexálás, hangfelismerés ...
  • Autonóm autó.
  • Csalások felderítése.
  • Orvosi diagnózis.
  • Pénzügyi elemzés.
  • Megelőző/előrejelző ipari karbantartás.