AI融會貫通之研究

• 卷積神經網路(Convolutional neural network, CNN)[1]
• 使用於影像辨識、聲音辨識等各種情況
• 深度學習(Deep Learning)[1]
• 深度學習是加深層術後的多層神經網路
• 在視覺辨識競賽中，深度學習使用皆以CNN為基礎
• 學習的效率是加深層數的優點之一，表示與沒有加深層數時相比，加深層數可以減少學習資料
• 受到矚目的原因為2012年舉辦視覺辨識競賽ILSVRC(ImageNet Large Scale Visual Recognition Challenge)開始成為DL轉捩點，深度學習的手法(通稱AlexNet)獲得壓倒性的優異成績，顛覆過去影像辨識的手法
• 多數DL的框架支援GPU可處理高速運算，而多個GPU與多台裝置進行分散式學習
• 多台裝置中100個GPU與一個GPU相比，可以提高56倍的速度，一位原本花7天才完成的學習，只要3小時就能解決(3*56=168/24=7)
• Google的TensorFlow、MS的CNTK(Computational Netework Toolkit)是針對分散式學習而開發
• 應用範例
• 物體偵測、影像分割、產生圖說、
• 轉換影像風格、產生影像、自動駕駛
• 強化學習(Reinforcement Learning，RL)：嘗試從錯誤的過程中，進行自主學習。代理人(Agent)是根據環境狀況來決定要採取的行動，利用該行動讓環境變化。隨環境變化，代理人獲得某些報酬。因此RL目的是決定代理人的行動方針，以獲得更好的報酬
• Deep Q-Network，DQN：使用DL的RL手法，以稱作Q學習的強化學習演算法為基礎。

Reference

[1]Book：Machine Learning and Deep Learning with Python