卷积神经网络起源范文篇1

根据美国NewScientist杂志报道，Facebook的人工智能团队已经开发出一种识别算法，即使看不清楚人脸，也能根据各种线索，例如发型、服饰、身材和姿势等进行识别―比如Facebook就能轻松地认出它的创始人扎克伯格，因为他总是穿一件灰色T恤。这项技术的准确率据称可以达到83%。

传统的人脸识别是程序员预先将整套鉴别系统写好，告诉计算机一些标签信息，例如，人脸是由哪几个部分组成、各个部分的相对位置等等。随后再用大量照片让计算机学习，对其进行训练―简单地说，就是事先给出标准答案，然后让计算机学习。

这种训练方式叫有监督学习，程序员像是老师一样给出几个标签作为标准答案，让计算机“按标索脸”。但当程序员给出的标签数量不够多，不能全面描述一个事物的时候，计算机的识别准确率就会很低。所以，程序员要做的就是不断增加标签，完善识别模板。

通过有监督学习的方式来训练计算机，效率较低，程序员需要花费大量的时间来编写标签代码、测试计算机和补充标签代码，并且一套完善的鉴别系统只能识别出一种事物。

Facebook是不会花时间给每个人的发型和衣服写一套代码的。高效地识别各类事物，还需要借助于更智能的识别方式。而这种方式是通过基于卷积神经网络的无监督学习完成的。

使用无监督学习来训练计算机的时候，程序员并不需要告诉计算机人脸有哪些特点，只需要提供大量人脸照片让计算机看，计算机就能找到这些图片的共同特点，并自动绘制出这类事物的模板。这省去了编写标签代码的过程，识别的效率极大提高。

Google的“猫脸识别”系统就是这样的工作原理。这个由1000台计算机、1.6万个芯片组成的系统在“学习”了数百万张猫脸图片后，将边界、亮度、形状、色彩和局部形状等多个特征分类，做成标签，绘制模板。

当再看到一张图片后，系统会逐级对其进行识别。比如先判断图像的特定方位、位置边沿的有无，再通过不同的形状来检测局部图案，接下来则是将局部图案与模板中物体的相应部分匹配。后续的层级会把这些局部组合起来从而识别出整体。最后，系统将图片中的猫脸识别出来，并与之前学习过的数百万张猫脸图片归为一类。

这其实和人类的思维以及识别事物的过程十分相似。由于绝大多数图片都是由多种事物组成的，无监督学了自行绘制模板，还会将不同事物进行分类，进而分类绘制模板。

“卷积就是匹配的意思。”微软（亚洲）互联网工程院资深研发总监胡睿对《第一财经周刊》说，“我们有几千个或者几万个模板在一个卷积神经网络里面。如果新来一张图片，就用这些模板去做卷积，再通过神经网络推理出它到底是模板中的哪一类。”

Facebook的新技术使用的也是卷积神经网络。要知道，卷积神经网络技术正是Facebook的人工智能实验室负责人YannLeCun，在1980年代末开发出的。2003年，他成为纽约大学的教授。而移动互联网的兴起带来的海量数据，为这一技术的进一步发展提供了极大可能。

如今，在互联网巨头公司中，Facebook拥有基于社交网络的大量图片，这一点非常吸引LeCun。2014年，他加入了Facebook，把实验室从学校搬到了公司。

除了丰富的图片资源，Facebook还有一项更大的优势：作为全球最大的社交网站，它能获取照片的拍摄地址、分析用户的社交关系，并在此基础上识别出照片中的人物。也就是说，即使在一些照片中，你的脸不是很清楚，并且其他和你相关的信息也比较缺乏，但是Facebook会根据你以往的消息推断出这张照片是在哪儿拍的，照片中哪个人是你，甚至你旁边那些脸部同样模糊的人都是你哪些朋友。

“Facebook需要解决的问题，并不是从50亿个人中把你挑出来，”胡睿说，“它只需要从几百个或者上千个与你有关系的人中间把你挑出来，这样问题其实极大地简化了。”

Facebook的研究人员表示，这项技术未来可以用于其Moments的照片分享。Moments是不久前Facebook推出的一款私密照片分享应用，主要是用来让好友间的图片交换与分享变得更方便。

不过目前，这项“不看脸识人”的技术还没有被应用在它Facebook的产品中，或许其中一个原因是，它还很难达到传统人脸识别技术的高准确率。Facebook也承认，这个算法并不十分完美。尤其，基于服饰的判断无法做到百分之百准确，毕竟，不是所有人都像扎克伯格那样，每天穿着同样的衣服。

卷积神经网络起源范文篇2

关键词：深度学习；行为识别；神经网络

1概述

动作行为识别是计算机视觉领域中的一个研究热点，已经广泛应用于智能监控、人机交互、视频检索等领域中[1]。动作行为识别技术是通过对视频或者图像中人体动作行为做出有意义的判断。有效表达图像（视频）中的实际目标和场景内容是最基本，最核心的问题。因此，对于特征的构建和选择得到广泛关注，例如STIP、SIFT、MSER等。但是，能通过无监督方式让机器自动从样本中学习到表征样本的特征，会让人们更好地利用计算机来实现人的视觉功能。而深度学习作为神经网络的延伸和发展，是通过逐层构建一个多层网络来使得机器自动学习到隐含在数据内部的关系，从而让学习到的特征更加准确性。

文章旨在探讨深度学习与机器学习（神经网络）之间的关系，并且介绍深度学习的由来、概念和原理；同时介绍目前深度学习在计算机视觉中的应用。最后提出深度学习目前发展所面临的问题，以及对未来的展望。

2深度学习

2.1深度学习概述

深度学习源于人工神经网络的研究，是机器学习的拓展。深度学习是经过组合低层特征来形成更加抽象的属性类别和特征，从中发现原始数据的特征表征[2]。现在用于动作行为识别的技术是通过“动作表征”+“动作分类器”的框架来进行行为识别的。其中“动作表征”是人们手动设计特征获取到的，也就是在目前识别框架内存在一个对动作图像（视频）的预处理过程。

深度学习和浅层学习相对。目前许多学习算法是浅层网络学习方法，具有一定的局限性，例如在样本有限的状况下，表示复杂函数的能力有限制，且对复杂分类问题的泛化能力也会受到一定约束[3]。而深度学习通过学习深层非线性网络结构，达到复杂函数逼近，又能在样本少的情况下学习原始数据的特征。BP算法作为传统神经网络的典型算法，虽然训练多层网络，但仅含几层网络，训练方法很不理想[3]。因为其输入和输出间非线性映射让网络误差函数形成含多个极小点的非线性空间，因而经常收敛到局部最小，且随着网络层数的增加，容易过拟合。而深度学习可以获得分布式表示，通过逐层学习算法来得到原始输入数据的主要变量。通过深度学习的非监督训练完成，同时利用生成性训练避免因函数表达能力过强而出现过拟合情况。

2.2深度学习原理

传统机器学习仅含单层非线性变换的浅层网络结构，而且浅层模型单一。这对于深度网络来说易造成陷入最优或产生梯度分散等问题。因此，Hinton等人在基于深度置信网（DBNs）的情况下提出非监督贪婪逐层训练算法，随后提出了多层次自动编码器深层结构，这给解决深层网络结构相关的优化难题带来了希望。此外Lecun等人提出的卷积神经网络是第一个多层次结构的学习算法。同时深度学习还出现了许多结构：多层感知机、去噪自动编码器、稀疏编码等。

卷积神经网络是第一个真正采用多层次网络结构，具有鲁棒性的深度学习算法，通过探究数据在空间上的相关性，减少训练参数的数量。而且卷积神经网络（CNN）适应性强，善于发现数据的局部特征。它的权重共享结构降低了网络模型的复杂度，减少了权值的数量，使得卷积神经网络在模式识别中取得了很好的结果。

自动编码器的核心关键是将原始图像（视频）输入信号进行编码，使用编码后的信号来重建原始信号，使得两者之间的重建误差最小。通过将原始信号编码成另一形式，能够有效地提取信号中的主要信息，能够简洁地表达原始图像（视频）的特征。

3深度学习的应用

3.1语音识别

从2009年开始，微软研究院语音识别专家通过与Hinton合作，首先将RBM和DBN引入到语音识别声学模型训练中，使得语音识别的错误率相对减低30%，这彻底改变了语音识别原有的技术框架。在国际上，IBM、google等公司都快速进行了DNN语音识别的研究，并且速度飞快。国内方面，阿里巴巴，科大讯飞、百度、中科院自动化所等公司或研究单位，也在进行深度学习在语音识别上的研究。

3.2视频中的动作行为识别

准确迅速识别视频中人的动作行为对于视频搜索和视频监控具有划时代的意义。最近几年，深度学习技术被应用于视频动作行为识别中。如Ji等人[4]提出多层网络的3D卷积神经网络来学习视频中的时空特征，并通过卷积来实现对整个视频特征的学习，从而代替之前的时空兴趣点检测和特征描述提取。在TRECVID数据库上进行的实验取得了不错效果。

4结束语

文章对深度学习的主要概念进行了全面阐述，包括其由来、原理、研究进展和相应的应用等。在很多领域中，深度学习都表现了潜在的巨大价值，但深度学习作为浅层学习的延伸，仍处于发展阶段，还有很多问题值得我们深入探讨：

（1）我们需要了解深度学习的样本复杂度，需要多少训练样本才能学习到足够的深度模型。

（2）在推进深度学习的学习理论和计算理论的同时，我们是否可以建立一个整理的深度学习网络模型，作为统一的框架来处理语音、图像和语言。

（3）神经网络具有前馈性连接和反馈性连接，可是我们研究的深度网络中还没有加入反馈连接，这些都给深度学习的研究带来了严峻的挑战。

参考文献

[1]王亮，胡卫明，谭铁牛.人运动的视觉分析综述[J].计算机学报，2002，25（3）：225-237.

[2]余凯，贾磊，陈雨强.深度学习的昨天、今天和明天[J].计算机研究与发展，2013，50（9）：1799-1804.

卷积神经网络起源范文篇3

【关键词】大学生网购消费特征环境

【中图分类号】G647【文献标识码】A【文章编号】1674-4810（2014）11-0012-02

在信息时代背景下，信息技术已渗入各行各业当中，电子商务技术被广泛地应用于网络购物，借助其便利的服务，发挥了消费优势。随之，各种格局特色的网络购物门户纷纷建立起来，形成了社会时尚。目前很多的商家将目光转向了高校消费群体。大学生通过互联网可以获得商品信息，以电子购物的方式在网络购物平台上向商家发出购物请求。交易时的购物费用通过网银支付即可，厂商根据消费者所提供的信息，将订购的货物以快递的方式送货上门，完成整个的购物过程。随着生活节奏的日益加快，采用网购的方式既可节省时间，又能够获得满意的服务，因此成为了大学生消费购物的主渠道。

一当前大学生网络情况调查

网络购物成了一种时尚，在大学生群体中流行。其方便快捷的服务、物美价廉的货物吸引着大学生的目光。加之网络购物的过程中，还具有较高的科技含量，对善于挑战的大学生来讲，无疑是一种新鲜尝试。鉴于网络购物是对于传统购物方式的挑战，虽然在中国开展的起步较晚，但在大学生群体中，却以超前的发展速度在大学生群体中形成了势不可挡的网购热潮。传统的消费模式被突破时空限制的消费模式所替代，使供应商、商品和消费者之间形成了系统化购物形式，也正是由于这种优势的存在，使网络购物在很大程度上得以在高校校园中扩展。

1.调查方法

网购在10年前还是一种新鲜事物。从有关统计数据证实，其所占有的网络消费额还没有超过1000万元。仅仅十年的时间，在中国的网购消费就已经超过了8000亿元之多。笔者于2013年对某大学的学生网购进行了调查。以抽样方式，通过问卷调查大学生的网络购物情况，并对于所获得的统计结果进行分析，目的是发现大学生网络中所存在的问题，并为大学生的网络购物提供指导性建议。

接受网购调查的大学生为400人，以随机的形式发放调查回答问卷。问卷解答题为客观选择题，包括单项选择和多项选择两种题型。所发放的调查问卷共400份，回收的问卷为372份，回收率为93%，具有统计意义。在接受调查的大学生中，男生192人，占接受调查的大学生比例的48%；女生208人，占接受调查的大学生比例的52%。为了使大学生的网购抽样调查更为全面，还对8家网购店的店主进行随机网调查，通过实地调查和访谈，获得了更多的大学生网络消费特征资料。

2.在调查中获得统计结果

在400名接受调查的学生中，超过97%的大学生具有网购的经历，3%的大学生虽然没有经历过网购，但是请同学代为网购或者是由于网银支付难而没有选择网购。根据调查问卷中的所获取的答案，频繁网购的大学生认为：从网上购物具有更多的选择性，可以购到价廉物美的商品，网络不但可以节约开支，而且还能够节省时间，这部分网购大学生群体大约占有82.57%。大学生普遍具有猎奇的心理，而网络购物能够将琳琅满目的商品展示在购物平台上，展示在消费者面前，使大学生得到消费心理的满足感，这部分大学生网购消费群体大约占有59.56%。还有超过42%的大学生认为：学校距离城市商业区的距离较远，给购物带来了诸多的不便，采用网络购物的方式，可以解决时间和距离的问题。

关于大学生网络购物的频率，从调查问卷中的答案可以获得统计数据，部分学生会选择每一星期网络购物一次，这部分大学生群体占有15.56%，超过60%的大学生会选择每一个月网购一次。

从大学生在网络购物中的消费水平来看，网购花费占月消费比例10%的大学生比例为57.06%，网购的花费占月消费比例超过30%的大学生比例为36%，少部分学生网络购物过于频繁，并且消费上已经超过了月消费的一半以上。

对于大学生网络购物中普遍所选用的购物平台，从调查问卷中的统计数据显示，学生普遍会选择信誉度较高的网购门户。超过80%的大学生会选择在淘宝上购物，还有京东商城、当当网、亚马逊等。

选择购物网站以及购物的依据，源自于购物评价。商品使用人的购物评价对于超过82%的大学生具有很大的影响力，超过60%的大学生在网络购物中，会更多地考虑商品的价格，包括商品的品牌、信誉度以及销售量都将成为大学生网络购物需要考虑的范围。但由于网购存在着一定购物风险，所以，需要大学生掌握购物规则。从调查问卷显示，大学生虽然积极地参与网购，但对于相关的法律法规并不是很明确，虽然有超过60%的学生对相关法规有所了解，但针对商家所提供的假冒伪劣问题，并不会使用法律的手段来维护自己的权益。超过80%的学生认为：为了切实保障消费者的权益，有关部门需要建立起购物保障体系，并落实到位，实施必要的快递管理，并完善过程中所涉及的各个环节的服务，以期使网购更为规范化、法制化。

二大学生网络购物中消费特征的分析

1.大学生网络产品选择的特征

从统计调查结果显示，在大学生所选择的产品中，服装饰品类所占有的消费比例最大，大约为70%以上。电子产品在近些年来消费幅度有所提升，已经超过了16%。在大学生群体中，对于书籍的消费相对较高，仅次于衣服饰品，已经超过了10%以上，但相比较于其他的商品消费，这也稍有欠缺，以反映了大学生更多地倾向于物质消费，而在精神需求上有所不足。

要将大学生的消费引向更高层次的消费，亦可以发挥宣传的作用，帮助大学生树立起精神文化消费观，为大学生创造舒适而便捷的精神文化消费环境。强化大学生的思想政治工作，将其作为大学生知识结构中的重要组成部分，提升大学生的精神素养，以促进大学生在网络购物中精神文化消费能力的提升。

2.大学生网络购物的心理特征

大学生参与到网络购物当中，从心理的角度进行分析，包括乐趣心理、尝试心理和风险规避心理三个方面。

大学生网络购物的乐趣心理，就是大学生都存在着网购的乐趣，他们乐于在多样的商品中，寻找被自己所喜爱的商品。在寻找的过程中，就是在满足自己的心理欲望，从中获得愉悦之感。购物是一种生活方式，网络购物与其说是一种时尚，不如说是现代生活方式的一种呈现。当代大学生存在着崇尚自由的心理，他们也更愿意以自由的心态购物，并从中获得快乐。

大学生网络购物的尝试心理，是大学生普遍存在的好奇心使然。虽然网络购物存在着一定的风险性，令大学生产生不信任之感，但他们往往会以尝试的心态体验一下购物的刺激，并积极行动。大学生对网络的尝试心理源于网购的便捷服务。从上面的统计数字显示，大学生在网购的消费上，会着重考虑到价格的因素，因此，网购的第一条件是价格被大学生群体所接受，并形成极大的吸引力。网上支付给消费带来了极大的便捷性，同时也迎合了大学生力求方便、快捷购物的心理。

大学生网购的风险规避心理，是大学生在网购时，虽然节省了许多的中间环节，但心理上也承受着一定的压力，即在网络虚拟的空间中购物，还需要考虑到商品的安全性，因此而需要理性购买商品。出于怀疑的心理，使大学生在网购中保持着谨慎的原则，尤其会考虑到消费者权益。因此，在网络购物中建立必要的怀疑心理，对于规范大学生的网购行为具有重要的意义。

三强化大学生网络购物环境

基于商业利益的考虑，各种购物网站开通。大学生群体要安全购物，就要注意选择诚信度较高的网站。具有较高知名度的网站通常具有完善的管理规范，而且还会提供给消费者有效的评价信息，以供消费者对各种商品进行自由选择。消费者在选择商家时，可选择广受赞誉的优秀商家，以获得更为优质的服务。

网购中货款的支付是较为敏感的话题。目前网购货款支付的手段包括货到付款、网上支付以及手机支付等。大学生可以根据自己的便利选择合适的支付方式，以获得更好的保障。网店商家要在激烈的市场竞争中获得优势，就要做到以诚信为本，无论是采购渠道以及售后服务，都要能够充分地满足消费者需求。特别是大学生网购的商品，供货商可以考虑开通绿色通道，在为大学生提供更为满意的服务的同时，还促进了大学生的网购消费。

大学生喜爱网购与快递业务的发展息息相关。各种优质的快递服务，促进大学生网购的积极意识。另外，大学生的网购还体现为大学生对于网购的特殊认同感。然而从网络购物的未来发展角度，这种新型的购物方式还需要突破现存的局限，逐渐走向成熟，使网购具有更广阔的发展前景。

四结束语

综上所述，在中国的商品交易中，网购已成为重要的渠道，并且大学生已经成了网购的主力军。根据对某高校大学生的网购情况进行抽样调查，可以明确：虽然大学生在网购中占有一定的市场，但从网购的供应环节来看，商家依然存在着信誉度不足的问题。为了使网络持续而健康地发展，可以建立网络购物管理机制，并规范网购行为，以使大学校园的网络环境得到有效净化。

参考文献

[1]刘敏君、刘超、宁传林.大学生网络购物调查分析[J].北方经济，2013（4）

[2]牛欣然.大学生网购情况统计分析[J].商，2013（20）

[3]陈海懿.从大学生网购中分析高校学生的消费特征与问题[J].改革与开放，2011（6）

[4]黄磊、蔡标.大学生精神消费现状的调查与分析[J].思想教育研究，2009（S2）

[5]许红红、苗慧.从网购行为分析大学生网络消费的特征与问题――以某大学为例[J].山西师大学报（社会科学版），2013（S2）

[6]蒋林利.从大学生网络消费的特征浅谈网络营销策略[J].企业科技与发展，2010（18）