來源：風力發電機_廣州太和風力發電設備有限公司 發布時間：2019-03-27 點擊次數：

     在過去的兩年里，谷歌已經爆炸式發展，所以這個領域的初創企業像蘑菇一樣涌現出來，一些制造特殊芯片，一些制造算法，一些制造機器人。是什么讓機器能夠代替人類來做重復的生產線工作它絕對不僅僅是機器的模仿，而不是重復的工作。真正的人工智能需要對機器進行訓練和學習，以接近或超越人類智能。
    
     數據是人工智能訓練模型中最重要的因素。只有通過大數據培訓，才能使培訓模型更接近實際需要，如自動駕駛模型培訓基本上是基于自動駕駛車輛試驗數據采集培訓模型。只有在道路上收集到更多的車輛時，訓練模型才能更接近實際的道路狀況，人工智能訓練存在兩個問題：一是如何訓練數據不足的模型；二是如何用過多的數據快速標記模型。
    
     人工智能在沒有數據的情況下工作嗎這對許多初創企業來說是一個謎，在作者的概念中，人工智能的正常發展過程是先收集數據，然后再訓練模型，在最近的matlab會議上，mathworks的產品營銷經理趙志宏先生給出了不同的答案。他說，數據、輸出和模型是整個人工智能開發過程中的一個步驟，如果開發者想在沒有太多數據的情況下進行人工智能，可以采用轉移學習的方法，轉移學習的概念是什么例如，利用人工智能對風力發電機組的故障進行預測，用戶不能等到大量的故障數據采集后再進行預測，這與設備維護的目標不符。相反，采用與風機非常接近的Simulink模型，通過標定建立風機模型，然后通過模型生成故障數據，進行培訓，實踐機器學習或神經網絡的深入學習。
    
     趙志宏先生說，基于模型的設計的優勢在于它在制造真正的產品之前先建立模型。該模型與實際產品非常接近，數值計算和行為計算的結果與實際結果非常接近，許多工程師在設計產品時都建立了該模型。在該模型中加入故障條件，很容易生成故障數據，比實際設備故障容易得多，因此可以進行故障預測和維修。
    
     隨著傳感器的廣泛使用，數據量已進入洪荒時代，使得人工智能難以標記特征。此時，深度學習可以用來做標記，趙志宏先生解釋說，深度學習的特點是不需要手工求特征值。該系統可以自動從數據中提取特征值，有許多自動標記工具和功能，激光雷達三維點云技術可以對每個點進行注釋，將點聚在一起形成目標模型，然后識別出目標所代表的特定對象，一些用戶已經開發出已經使用過的工具。.autoliv，一家著名的汽車零部件公司，正在使用這種方法自動標注數據。