计算机概述（七）——高新技术

计算机概述系列目录

第一章 计算机概述（一）——计算机发展历程与基础表示

第二章 计算机概述（二）——构建CPU

第三章 计算机概述（三）——编程介绍

第四章 计算机概述（四）——计算机的快速发展

第五章 计算机概述（五）——计算机网路

第六章 计算机概述（六）——计算机安全

第七章 计算机概述（七）——高新技术

---

---

前言

学习计算机概述，目前参考资料来源《计算机科学速成课》（https://www.bilibili.com/video/BV1EW411u7th?p=3），以后逐步补充、更新。
本章主要讲述计算机近年来兴起的概念。

---

一、机器学习（Machin Learning）&人工智能（Artficial Intelligence）

（一）机器学习

机器学习的本质：让计算机可以从数据中学习，然后自行作出预测和决定。
机器学习并不能让计算机能够像人一样智能，但机器学习是为了实现人工智能这个更宏大目标技术之一 。
概念：
分类（Classification）：判断事物的种类，做分类的算法叫分类器（Classifier）
特征：简化数据后的结果，用于帮助分类。
标记数据：用于训练的数据（已经分好类，且含特征）
简单的机器学习实现：区分飞蛾种类。依据标记数据通过机器学习找到区分飞蛾种类的决策边界，使得混淆矩阵（confusion matrix）中正确分类最大化+最小化错误分类。之后就能用决策边界来猜测飞蛾种类。（决策边界的表示方式有多种：决策树（decision tree）、支持向量机（Support Vector Machines））

人工神经网络（Artificial Neural Networks）
第一层输入层，提供被分类的单个飞蛾数据
输出层：分类结果，这里是两个神经元代表帝娥和月娥
中间隐藏层：负责将输入编程数据、分类（隐藏层有多层，就叫深度学习）
原理：特征以及特征的权重通过隐藏层进行训练，随着训练的标签数据越来越多，特征的权重会越来越准确，以此得到能将飞蛾分类的算法。

二、计算机视觉

让计算机理解图像和视频。
最简单的计算机视觉算法：颜色跟踪小球。记录小球中心像素点，逐行扫描图片，寻找到与记录像素点差别最小的点。——单个像素特征
为了提高准确度——多个像素特征算法：判断物体的边缘（卷积：将核应用于像素块）、卷积神经网络等，不同的核拥有不同的分辨效果，再将不同的核组合起来扫描图片。

三、自然语言处理（Natural Language Processing，NLP）

如何让计算机理解自然语言（人类语言）。
由于无法给计算机一个包含所有句子的字典，且有些词有多种含义，因此必须要让计算机理解自然语言。

1. 理解语句
   将句子划分成块，便于处理；然后通过制定短语结构规则（语言的语法规则）做出分析树，分析树为每个单词标明了可能的词性以及句子结构。之后衍生为知识图谱（类似于一个字典，包含着不同事物与事物之间的关系）
   
2. 语音识别（Speech Recognition）
   NLP算法从制定规则转向机器学习，从语言数据库中学习。
   语音识别则是对声波信息（图谱spectrogram，横轴为时间，纵轴为不同频率下的振幅；）进行机器学习，并结合语言模型（记录单词顺序的统计信息）将语音转化成文字。（波形到频率的转换算法：快速傅立叶变换（FFT））
   
3. 语音合成（Speech Synthesis）
   让计算机输出语音。把一段文字分解成多个声音播放。（早期由音素构成，后面逐渐改由机器学习）

四、机器人

机器人的运动控制：

1. 简单的负反馈回路
   通过传感器，计算机器人运动与目标值的差距，得到一个错误；控制器会处理这个错误，决定如何处理；执行器件做出动作。
   缺点：情况复杂时，机器人容易遭受各种影响（惯性、外力等），在目标值附近来回移动。
   
2. PID控制器（Portional-Integral-Derivative Controller比例-积分-微分控制器）
   更多的反馈与控制，适应复杂环境。
   基本原理：利用比例值（实际值与理想值的差距）、积分值（一段时间内误差的总和）、微分值（期望值与实际值之间的变化率，预期控制）三者的不同权重调整机器人的运动。