卷积神经网络的优缺点范文篇1

关键词：卷积神经网络；深度学习；年龄分类

0引言

人脸作为人类个体鲜明显著的生物特征之一，包含着丰富的个人信息。随着计算机视觉和机器学习技术的发展，相关的人脸识别等技术已成为这些项目任务的热点课题，并在法医、电子化客户关系管理、安防、生物识别和娱乐影音等诸多领域中得到广泛应用。人脸除了可进行身份认证和识别外，还可以提取出性别、种族和年龄等信息，特别是可以将年龄及分布特征用于人机交互和商业智能等应用中，因此年龄估计研究具有重要的科学意义和实用价值。

相对于人脸识别，人脸所能表征的年龄信息要受到很多因素的影响，例如不同个体的基因差异、生活习惯、环境、抗压能力、健康情况和种族差别等有很大的关系。同时，相同个体因发型、化妆和表情的不同也会影响年龄的估计。因此，如果要基于传统的分类算法（如支持向量机）并利用人脸图像信息来进行年龄分类将很难得到理想的结果。针对这些问题，目前的研究还相对不足，如果能有效解决上述问题，对大部分潜在的应用领域也都将带来深刻的影响。

1相关工作

年龄分类的主要流程是先根据人脸图像获取特征，再通过机器学习方法构建模型，通过把年龄分为多个年龄区段，即每个年龄段对应一个类别（比如未成年或成年人等）。因此可以把年龄分类看成是一个二分类或者多分类的分类问题来进行求解。1994年，Kwon和Lobo则从人脸图像中获取年龄分类，把人分为3种不同的类别，也就是儿童、青年人和老年人，强调重要特征点的选择。2002年Lanitis等人提出了能自动对年龄实现估计的年龄量化方法。而且，王先梅等的综述中也整体梳理了相关年龄估计技术的研究发展。王绍宇等人还基于SMV采用生物特征对人进行分类，分为小孩和成人。此外在2016年，董远等人更将迁移学习和卷积神经网络用于人的年龄和性别分类。

卷积神经网络的优缺点范文篇2

1.神经网络的架构正变得越来越复杂。感知和翻译等大多数神经网络的架构正变得越来越复杂，远非此前简单的前馈神经网络或卷积神经网络（CNN）所能比。特别需要注意的是，神经网络正与不同的技术（如LSTMs、自定义目标函数等）相混合。

神经网络是多数深度学习项目的根基。深度学习基于人脑结构，一层层互相连接的人工模拟神经元模仿大脑的行为，处理视觉和语言等复杂问题。这些人工神经网络可以收集信息，也可以对其做出反应。它们能对事物的外形和声音做出解释，还可以自行学习与工作。

2.长短期记忆网络（LSTMs）。当你阅读本文时，你是在理解前面词语的基础上来理解每个词语的。你的思想具有连续性，你不会丢弃已知信息而从头开始思考。传统神经网络的一大缺陷便无法做到这一点，而递归神经网络能够解决这一问题。

RNN（循环神经网络）拥有循环结构，可以持续保存信息。过去几年里，RNN在语音识别和翻译等许多问题上取得了难以置信的成功，而成功的关键在于一种特殊的RNN――长短期记忆网络。

3.“注意力模型”。“注意力”是指神经网络在执行任务时知道把焦点放在何处。我们可以让神经网络在每一步都从更大的信息集中挑选信息作为输入。例如，当神经网络为一张图片生成标题时，它可以挑选图像的关键部分作为输入。

4.神经图灵机依然有趣，但还无法胜任实际工作。当你翻译一句话时，并不会逐词进行，而会从句子的整体结构出发。机器难以做到这一点，这一挑战就被称为“强耦合输出整体估计”。

神经图灵机就是研究者们在硅片中重现人类大脑短期记忆的尝试。它的背后是一种特殊类型的神经网络，它们可以适应与外部存储器共同工作，这使得神经网络可以存储记忆，还能在此后检索记忆并执行一些有逻辑性的任务。

5.深度学习让计算机视觉和自然语言处理不再是孤岛。卷积神经网络最早出现在计算机视觉中，但现在许多自然语言处理（NLP）系统也会使用。LSTMs与递归神经网络深度学习最早出现在NLP中，但现在也被纳入计算机视觉神经网络。

此外，计算机视觉与NLP的交汇仍然拥有无限前景。

6.符号微分式越来越重要。随着神经网络架构及其目标函数变得日益复杂，手动推导出“反向传播”的梯度也变得更加困难而且容易出错。谷歌的TensorFlow等最新的工具包已经可以超负荷试验符号微分式，能够自动计算出正确的微分，以确保训练时误差梯度可被反向传播。

7.神经网络模型压缩的惊人成果。多个团队以不同方法大幅压缩了训练一个良好模型所需的素材体量，这些方法包括二值化、固定浮点数、迭代修剪和精细调优步骤等。

这些技术潜在的应用前景广阔，可能将会适应在移动设备上进行复杂模型的训练。例如，不需要延迟就可以得到语音识别结果。此外，如果运算所需要的空间和时间极大降低，我们就可以极高帧率（如30FPS）查询一个模型，这样，在移动设备上也可以运用复杂神经网络模型，近乎实时地完成计算机视觉任务。

8.深度学习和强化学习继续交汇。在“端对端”机器人等领域出现了令人激动的进展，现在机器人已经可以一起运用深度和强化学习，从而将原始感官数据直接转化为实际动作驱动。我们正在超越“分类”等简单工作，尝试将“计划”与“行动”纳入方程。

卷积神经网络的优缺点范文篇3

关键词：网络环境；网络资源；高职英语听力课程

中图分类号：G712文献标志码：A文章编号：1674-9324（2015）34-0234-02

一、背景

目前，就信息技术在高校英语教学中的应用情况看，大多是通过建立在线学习系统的数字化学习环境，建设精品课课程网站，或是通过购买数字化资源、数字化学习系统、考试系统、评价系统等创建网络化学习环境，一定程度上发挥了信息技术的优势，运用信息技术改善了“英语教与学的环境”；但基于信息技术应用的教学环境对教学效果的影响来看，网络资源冗余造成学生信息焦虑；网络教学内容过于泛化，缺乏针对性；网络资源更新不利，影响学生学习兴趣；网络自主学习缺乏足够动力和监督难以持续等现象比比皆是，进而使得虽然网络资源内容丰富，形式多样，但合适的教学资源少，并且大多数网络资源和课程教学缺乏系统性的整合，致使网络环境下的英语教学活动和教学效果差强人意。就网络资源对于英语听力课程教学而言，其不仅可以提炼真实语境，扩充教学内容，创建互动协作空间，还可以帮助学生进行动态的意义建构和技能实践，实现网络环境下的课程辅助功能，从而营造教师、学生和教学资源的多向互动，有望改善教学效果。所以，探讨网络环境下网络资源与高职英语听力课程的整合设计对该课程互动活动的开展、教学效果的提升很有必要。

二、调查问卷

课题组立足于本校的学生特点和教学实际，设计并发放了《网络资源及网络环境下英语听力课程学习现状调查》的问卷，发放班级为2014年开设《英语听力》的教学班，共4个班近160名学生，回收有效问卷125份，其中针对关键词“网络资源”的问卷中，就“你最喜欢的有利于英语学习的网络资源形式？”，42%选择了“课堂资源的深加工，既有课堂内容的讲解分析，又有网络资源辅助下的拓展”，31%选择了“相关知识点的微课”，只有5%选择了“网友推荐的有趣的学习资源，比如电影等”；就有关“利用网络资源进行英语学习时，你遇到过下列哪些困难”的问卷中，“搜索网络英语学习资源浪费时间”占38%，“网上资源多又杂，不知如何辨析适合的英语学习资料”占25%；可见学生对于网络资源的态度是基于课程学习基础上的网络资源的再利用，服务于课程学习，同时缺乏足够的搜索整理和合理利用的手段和能力。针对关键词“网络资源与英语听力课程”的问卷中，就“你认为英语听力网络教学资源应该包括哪些内容”问卷中，37%选择了“辅助课程内容的加工编辑后的网络资源”，28%为“课程录像”，18%为随机试题库或习题集。可见学生对网络资源的认可是围绕课程学习，进行课堂内容的深化、拓展和自我检测。关于“网络环境下的英语课程学习现状”中，28%认为缺乏及时有效的指导与评价，25%认为“无法随时了解自己的学习现状”，24%认为“缺乏趣味性和个性化”，从中可以看出网络环境下的课程学习亟须营造的是教师、资源与学生的三方互动、学习与评价相伴以及自主学习环境。

三、网络环境下网络资源在高职英语听力课程中的应用设计

1.网络资源在高职英语听力课程中的整合优化。人本主义代表人物罗杰斯认为“人类具有天然的学习潜能，但是真正有益的学习只发生在所学内容与学习者具有相关性和学习者能主动参与时”，基于此，将信息技术和网络资源应用在英语听力课程设计中，使认知和情感的高度统一成为可能，也使英语听力课程中信息技术应用和网络资源补充和拓展成为一种必然。克拉申的语言输入假设理论认为语言习得需要有效语言输入的量和难度稍高于学生当前的语言水平，因此，教师在系统进行教学设计的前提下，细化教学任务，以听力课程的教学任务为主题，补充课本之外的相关网络资源，激发学生对任务主题的认知、理解和体验，从而有效完成相应的学习任务，建构自己的知识体系。建构主义理论认为学习不是被动接收信息刺激，而是根据自己的经验背景，对外部信息进行主动的选择、加工和处理，从而建构获得自己的意义，强调学生对信息资源的主动选择和运用，因此，利用网络资源的整合优化丰富密集课程学习内容，同时将信息技术应用在网络资源的自主组合创建中，非常有利于学生在本课程下的自主选择资源、自主安排学习进度并形成个人风格的学习策略。因此，网络资源的整合优化对听力课程教学中教师课程设计能力的提高、学生自主学习能力的培养以及网络资源的分享共建扩建而言，是必须和可行的。网络资源在英语听力课程中的应用的前提是对其进行优化整合，即从针对性、实用性、适度性、时代性及启发性出发，结合课程任务设定的主题，进行网络资源的整理与编辑，以课程导学、知识点讲授、课业辅助、课后拓展以及文库分享的形式服务于课程。与课程相结合的网络资源大致分为以下几类：课程资源类，即以微课为主要形式，在5～10分钟进行一个知识点的讲解。可以来源于网络微课，自制微课或者将公开课的定点截取，后冠以合适的标题推送，便于学生通过零存整取的方式将知识“碎片”整合为课程任务主题的认知与学习。此类课程资源可以课程导学供学生预习；课程讲授中进行重难点辅助；留存在文库分享，供学生课后查阅。比如听力课程中的语音学习部分，搜集和加工了来自中国微课大赛语音讲解的比赛作品，整合进入语音教学部分，通过全国各路英语教师风格各异的语音微课，从不同角度丰富补充了学生的语音课堂内容，也提高了语音学习的兴趣。课业资源类，即提供相应的学生作品范例，或明星英语秀视频等，同时在视频播放中，结合课程任务主题，设置思考题，或设置规范，或引以借鉴，或增添趣味，使学生与资源之间形成有效互动，辅助听力任务的实施。此类资源可以课程导学激发学生兴趣，或以课业辅助进行教学提示或补充，还可以作为课程拓展，比如语音听力教学意选择上届学生语音失误典型化的作品，设置找错题，引起学生关注；还使用优酷视频中各路明星如林书豪、汤唯、谢霆锋、陶吹刃阌⒂锏氖道与大家分享讨论。课后拓展中结合听力内容和听力主题进行资源搜集，将影视资源、演讲视频、英语新闻进行片段截取，集趣味性、知识性和时代性于一体，听同一主题下不同的表达，积累听力经验，激发学生想听懂，能听懂，敢交流的欲望。本学期进行自我介绍听力任务时，截取了12部影片中主人公自我介绍的视频，还有马云、刘强东、黄西等等英语演讲或表演视频中有关自我介绍的部分，让学生听不同调的英语，摒弃干巴巴的英语自我介绍三板斧后无语的窘态，用心体会自我介绍下的语言逻辑和丰富个性，总结自己独具个性和特色的英语自我介绍，这种角色代入式的体验和参与，带给学生的不仅是资源声色画效果的冲击，更多的是对主题任务下个人式体验的积极反思和个人听说模式的建立或习惯的培养，真正做到了教师―资源―学生的三方互动。文库分享中的资源按课程听力主题进行了资源分类，保存形式分为视频类、音频类、文档类和课件类，将网易公开课、TED演讲片段、新东方英语微课堂、教师课程录像，课程音视频库、微课程，名人英语秀，影视片段集锦、网络热门视频等分门别类进行整理，同时也以课业的形式邀请学生进行资源共建，更新，填补更多主题下的资源。同时，还设立了互动资源神器库，搜集整理了有利于英语听说练习的神功利器，鼓励学生进行个性化、自主式学习，集学习过程体验与学习效果检测于一体，充分让学生和资源、学生和同伴，语言和能力之间互动起来。比如，绘声绘影软件加字幕，师生都可以针对输入的视频或音频，进行台词字幕加工，将重难点处进行台词听写，随时检测或者自测；利用英语趣配音软件，学生通过给追了很久的动漫、英美剧配音，提高英语听辨模仿能力，将口型准确度达到最高，使学生在娱乐体验中激发学习欲望，同时还可以将配音分享到朋友圈，瞬间接受众人点赞，秀出个性或大摆英语模仿秀擂台，以赛会友，共同提高英语听辨模仿和表达能力；利用ABOBOO软件针对发音、语调、流利度、音量精确评分，快速提高和诊断学生的听力和口语水平；还可以将听力课堂内容或感兴趣的音视频文件作为学习资料，自动断句，进行听力、口语、复读练习，同时还可以自主制作课件并分享，同时获得别人分享的课件，形成良性互动，共同促进英语听力口语水平的提升。可以说，所搜集的互动资源神器，主要以APP为主，因其随身便携、自主学习、自由加工、互动无限、释放个性，与其他网络资源一起共同服务于英语听力课程教学，服务于学生自主学习模式的培养和英语听说能力的提高。