前言：想要寫(xiě)出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇神經(jīng)網(wǎng)絡(luò)情感分析范文，相信會(huì)為您的寫(xiě)作帶來(lái)幫助，發(fā)現(xiàn)更多的寫(xiě)作思路和靈感。

神經(jīng)網(wǎng)絡(luò)情感分析范文第1篇

關(guān)鍵詞：自主角色; 神經(jīng)網(wǎng)絡(luò); 遺傳算法

中圖分類號(hào)： TP183

文獻(xiàn)標(biāo)識(shí)碼：A

0引言

隨著計(jì)算機(jī)圖形學(xué)和硬件技術(shù)的高速發(fā)展，計(jì)算機(jī)游戲近十幾年也取得了很大的發(fā)展，游戲軟件已成為軟件產(chǎn)業(yè)中非常重要的內(nèi)容。游戲的類型主要包括FPS（第一人稱射擊）、RPG（角色扮演類型）和RTS（即時(shí)戰(zhàn)略游戲）等幾種類型，這些不同類型的游戲都要求游戲控制的角色（NPC）與玩家控制的角色（PLAYER）要有行為的交互，交互的方式直接影響玩家對(duì)游戲的興趣度。因此，對(duì)NPC與PLAYER之間的角色交互行為方式的研究已經(jīng)成為游戲軟件中的一個(gè)非常重要的研究課題。

目前大多數(shù)游戲中的角色行為的交互方式采用的是確定型的交互行為，其特征主要表現(xiàn)在角色的行為都是預(yù)先確定的，這種類型的行為實(shí)現(xiàn)起來(lái)較為簡(jiǎn)單，也是目前大多數(shù)游戲所采用的交互方式。像這種確定性的行為往往體現(xiàn)不出角色的自主性，而且還會(huì)導(dǎo)致角色行動(dòng)單調(diào)乏味，其行動(dòng)很容易被玩家所預(yù)測(cè),降低游戲的可玩性。為此,我們需要在游戲軟件中設(shè)計(jì)和實(shí)現(xiàn)這樣的NPC角色，它能夠根據(jù)當(dāng)前環(huán)境的變化以及以往的經(jīng)驗(yàn)知識(shí)來(lái)動(dòng)態(tài)地改變對(duì)PLAYER的行為。具有這種能力的角色，我們稱之為自主角色,也稱為自適應(yīng)角色。具有自主和自適應(yīng)特點(diǎn)的角色可具有推理能力和自適應(yīng)能力,在游戲環(huán)境下可更受玩家的歡迎。

一款擁有自主角色的游戲能夠牢牢地吸引玩家的注意力，從而延長(zhǎng)這款游戲的生命周期，因此促使游戲開(kāi)發(fā)人員花更多的時(shí)間來(lái)研究自主角色的實(shí)現(xiàn)。一些公司已經(jīng)開(kāi)始嘗試從人工智能領(lǐng)域發(fā)展出更加高級(jí)的技術(shù)，如采用決策樹(shù)或者強(qiáng)化學(xué)習(xí)來(lái)實(shí)現(xiàn)角色的自主性，也有的像著名的游戲Colin McRae Rally2則采用了學(xué)習(xí)系統(tǒng)和神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)角色的自主性。

有關(guān)自主角色行為的論文已經(jīng)有很多做出了卓有成效的成績(jī)，如在Reynolds的文獻(xiàn)［1］中，對(duì)自主角色的群體行為進(jìn)行了描述。Blumberg和Galyean［2］中引入更多的行為控制機(jī)制，并考慮了行為學(xué)習(xí)這樣一個(gè)令人感興趣的問(wèn)題。對(duì)于自主角色的更高層次的認(rèn)知能力方面，John David Fungc［3］中指出，認(rèn)知模型是用于創(chuàng)建虛擬世界的模型“金字塔”的頂層，底層的行為模型作為認(rèn)知模型和物理學(xué)模型之間的緩沖區(qū)，并將情景演算(situation calculus)［4］用于高度動(dòng)態(tài)的虛擬世界。

但是，上述各種方法因?yàn)閭?cè)重點(diǎn)不同，各有優(yōu)缺點(diǎn)，且相互之間較為獨(dú)立，因此本文結(jié)合上述一些方法的優(yōu)點(diǎn)，在此基礎(chǔ)上提出了基于認(rèn)知角色建模，采用神經(jīng)網(wǎng)絡(luò)和遺傳算法相結(jié)合的游戲自主角色的設(shè)計(jì)思路。基于此，各小節(jié)安排如下：

第一節(jié)確定了基于認(rèn)知建模方法的游戲自主角色模型；第二節(jié)介紹了神經(jīng)網(wǎng)絡(luò)在實(shí)現(xiàn)自主角色中的應(yīng)用；第三節(jié)說(shuō)明了遺傳算法對(duì)神經(jīng)網(wǎng)絡(luò)的優(yōu)化；第四節(jié)對(duì)自主角色的實(shí)驗(yàn)進(jìn)行了分析。

1基于認(rèn)知建模的角色自主性模型

由于認(rèn)知建模方法能夠采用精確的數(shù)學(xué)方式來(lái)定義自主角色的行為和學(xué)習(xí)模式，因此本文采用認(rèn)知建模方法來(lái)對(duì)游戲角色的自主性進(jìn)行建模。這里將游戲中存在的非玩家控制的角色簡(jiǎn)稱為NPC,通過(guò)認(rèn)知建模方法研究NPC的高級(jí)行為規(guī)劃，指導(dǎo)NPC,提高NPC的智能水平能力，使NPC能夠?qū)Νh(huán)境作出判斷，并根據(jù)當(dāng)前的狀態(tài)進(jìn)行推理，進(jìn)而完成相應(yīng)的行動(dòng)序列,有利于創(chuàng)建聰明自主的智能體――具有認(rèn)知能力的自主的角色。

在計(jì)算機(jī)游戲中，我們將游戲角色關(guān)于他所在世界的內(nèi)部模型稱“認(rèn)知模型”(Cognitive Model)。認(rèn)知模型可以用于游戲中，控制一類自主的角色。通過(guò)認(rèn)知模型支配游戲角色對(duì)其所在環(huán)境的了解程度，如何獲取知識(shí)，以及如何利用知識(shí)選擇行動(dòng)。

NPC的行為分為“預(yù)定義的”和“非確定性的”兩種，建立的認(rèn)知模型也各不相同。建立預(yù)定義行為的認(rèn)知模型比較簡(jiǎn)單，只要將事先定義好的NPC所在環(huán)境的領(lǐng)域知識(shí)賦予NPC系統(tǒng)，NPC就可以根據(jù)人們的要求采取某種行動(dòng)。而非確定性的行為不容易控制。為了實(shí)現(xiàn)人為的控制，我們采取一種折中的方法，即將領(lǐng)域知識(shí)和人的指導(dǎo)賦予NPC，使NPC主動(dòng)地向人們希望它達(dá)到的目標(biāo)發(fā)展。可由下面的公式表示:

知識(shí)+指導(dǎo)=行為

領(lǐng)域知識(shí)能夠用來(lái)規(guī)劃目標(biāo)，而指導(dǎo)對(duì)如何達(dá)到目標(biāo)提供一種框架計(jì)劃。

當(dāng)然NPC在決定采取什么樣的行動(dòng)時(shí)并不需要整個(gè)虛擬世界的知識(shí)。所以，我們認(rèn)為NPC的認(rèn)知模型是角色對(duì)其虛擬世界的一種內(nèi)部簡(jiǎn)化模型〔simplified model〕。

為此我們?cè)诂F(xiàn)有游戲系統(tǒng)之上營(yíng)造一個(gè)通過(guò)認(rèn)知模型定義的高級(jí)行為規(guī)劃器來(lái)實(shí)現(xiàn)對(duì)NPC的行為指導(dǎo)。規(guī)劃器模型設(shè)計(jì)如圖1所示。

NPC的預(yù)定義行為和非確定行為都可以形式化為認(rèn)知模型，通過(guò)認(rèn)知模型來(lái)指導(dǎo)NPC高級(jí)行為規(guī)劃器，由于神經(jīng)網(wǎng)絡(luò)在非確定中的強(qiáng)大的學(xué)習(xí)作用，因此本項(xiàng)目通過(guò)神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)NPC高級(jí)行為規(guī)劃器的三個(gè)方面：目標(biāo)引導(dǎo)、行為協(xié)調(diào)、約束滿足。

2基于人工神經(jīng)網(wǎng)絡(luò)的角色自主系統(tǒng)

這里,我們采用的是神經(jīng)網(wǎng)絡(luò)中的BP網(wǎng)絡(luò)作為NPC的感知系統(tǒng)。BP算法是一種用于多層前向網(wǎng)絡(luò)的學(xué)習(xí)算法，它包括輸入層、輸出層和隱含層，隱含層可以是多層結(jié)構(gòu)。BP網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程包括兩個(gè)階段:第一階段計(jì)算前向輸出;第二階段從反向調(diào)整連接權(quán)矩陣。

在前向傳播過(guò)程中，輸入信息從輸入層經(jīng)隱含層逐層處理，并傳向輸出層，每一層神經(jīng)元的輸出作為上層神經(jīng)元的輸入.如果在輸出層，實(shí)際輸出值與期望輸出值有誤差時(shí)，則以反向?qū)⒄`差信號(hào)逐層修改連接權(quán)系數(shù)并且反復(fù)迭代，最后使實(shí)際輸出值與期望值的均方差為最小。在修正連接權(quán)系數(shù)時(shí)，通常采用梯度下降算法。

BP神經(jīng)網(wǎng)絡(luò)使用的是指導(dǎo)式的學(xué)習(xí)方法,即在學(xué)習(xí)過(guò)程中,向網(wǎng)絡(luò)提供有明確輸入和輸出目標(biāo)的樣本對(duì)。BP學(xué)習(xí)算法是基于最小二乘法LMS 算法,運(yùn)用梯度下降方法,使網(wǎng)絡(luò)的實(shí)際輸出與期望輸出的均方差最小。網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程是一種誤差邊向后傳播邊修正連接權(quán)的過(guò)程。因?yàn)锽P網(wǎng)絡(luò)對(duì)以分類為主要目的的學(xué)習(xí)非常有效,所以,我們采用B P網(wǎng)絡(luò)進(jìn)行NPC分類的自學(xué)習(xí)。需要輸入NPC自主系統(tǒng)中BP網(wǎng)絡(luò)的特征參數(shù)主要是NPC的生命值,NPC的攻擊力，NPC的防御力，NPC的情感值等，玩家虛擬角色的生命值,玩家虛擬角色的攻擊力，玩家虛擬角色的防御力，玩家虛擬角色的情感值等。

NPC在虛擬游戲環(huán)境下，在與玩家的不斷交互中刺激著感知系統(tǒng)，在外界環(huán)境發(fā)生變化時(shí)產(chǎn)生認(rèn)知模型指導(dǎo)下的自主行為，通過(guò)神經(jīng)網(wǎng)絡(luò)最終演化成具有自主性的行為系統(tǒng)，同時(shí)，利用遺傳算法使適應(yīng)度有一定程度的增加，使NPC更適應(yīng)外界環(huán)境的變化。關(guān)于NPC的感知系統(tǒng)的設(shè)置如下：

1） 輸入?yún)?shù)的確定

NPC的感知系統(tǒng)由人工神經(jīng)網(wǎng)絡(luò)構(gòu)成，虛擬游戲環(huán)境的特征參數(shù)作為輸入送入神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)。在我們的游戲項(xiàng)目中，輸入主要包括三種類型：布爾類型、枚舉類型和連續(xù)類型三種，但是這三種類型都需要轉(zhuǎn)化成神經(jīng)網(wǎng)絡(luò)所認(rèn)可的實(shí)數(shù)類型。

2） 權(quán)重的確定

權(quán)重有些類似于生物神經(jīng)網(wǎng)絡(luò)的樹(shù)突聯(lián)結(jié)，權(quán)重影響了輸出變量的值，并且定義了神經(jīng)網(wǎng)絡(luò)的行為，實(shí)際上訓(xùn)練或者演化神經(jīng)網(wǎng)絡(luò)的主要目標(biāo)就是確定NPC神經(jīng)網(wǎng)絡(luò)的權(quán)重。為了確定每個(gè)輸入?yún)?shù)的權(quán)重，需要確定激活函數(shù)。

3） 激活函數(shù)的確定

激活函數(shù)確定了輸入與輸出參數(shù)之間的映射關(guān)系，針對(duì)NPC自主角色的神經(jīng)網(wǎng)絡(luò)，我們采用的是非線性激活函數(shù)，具體采用的是S型激活函數(shù)。

3基于遺傳算法的神經(jīng)網(wǎng)絡(luò)優(yōu)化

神經(jīng)網(wǎng)絡(luò)的基本特征是大規(guī)模并行處理、容錯(cuò)性、自適應(yīng)性和自組織性，適合處理直覺(jué)和形象思維信息。神經(jīng)網(wǎng)絡(luò)與遺傳算法的結(jié)合使神經(jīng)網(wǎng)絡(luò)的訓(xùn)練有了一個(gè)嶄新的面貌，目標(biāo)函數(shù)既不要求連續(xù)，也不要求可微，僅要求該問(wèn)題可計(jì)算，而且它的搜索始終遍及整個(gè)解空間，因此容易得到全局最優(yōu)解。用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)，可以使得神經(jīng)網(wǎng)絡(luò)具有自進(jìn)化、自適應(yīng)能力，從而構(gòu)造出進(jìn)化的神經(jīng)網(wǎng)絡(luò)(ENN)［5］。

研究NPC的進(jìn)化,要建立NPC在虛擬環(huán)境中進(jìn)行的各種行為模型。另外,同虛擬環(huán)境本身也會(huì)發(fā)生競(jìng)爭(zhēng)。由于適應(yīng)度是NPC競(jìng)爭(zhēng)力大小的直接反映,為了建立NPC的競(jìng)爭(zhēng)機(jī)制,首先要建立NPC的適應(yīng)度函數(shù)。

首先,NPC的適應(yīng)度函數(shù)和NPC的種類相關(guān)。在同一環(huán)境下,不同NPC的適應(yīng)度肯定是不相同的［6］。同時(shí),為了表現(xiàn)NPC自學(xué)習(xí)對(duì)進(jìn)化的影響,有了學(xué)習(xí)能力的同種NPC適應(yīng)度的取值也有所不同。其次,NPC的適應(yīng)度還與其所處的不同階段有關(guān)。適應(yīng)度取值在其不同階段中不是一成不變的。

在環(huán)境不發(fā)生變化時(shí),NPC的適應(yīng)度函數(shù)F(t)可以用此函數(shù)表示:

其中,參數(shù)a表示NPC的生命力值;參數(shù)k表示NPC的類型,不同的NPC對(duì)同一游戲環(huán)境的適應(yīng)性是不一樣的,當(dāng)k取不同的值時(shí),會(huì)得到適應(yīng)度不同的各種NPC。接著按照以下工作步驟操作：

1） 從NPC神經(jīng)網(wǎng)絡(luò)中提取權(quán)重向量；

2） 用遺傳算法演化出一個(gè)新的網(wǎng)絡(luò)權(quán)重群體；

3） 把新的權(quán)重插入到NPC神經(jīng)網(wǎng)絡(luò)；

4） 轉(zhuǎn)到第一步進(jìn)行重復(fù)，直至獲得理想的性能。

4試驗(yàn)分析

我們的實(shí)驗(yàn)測(cè)試場(chǎng)景如下：

在一個(gè)仿真的三維游戲環(huán)境下,游弋著若干個(gè)NPC角色和一個(gè)玩家控制的虛擬角色,主角可以漫游整個(gè)游戲場(chǎng)景,這些NPC當(dāng)遇到主角后,可能會(huì)對(duì)主角采取不同的行為,比如攻擊行為,逃避行為,團(tuán)隊(duì)作戰(zhàn)行為,對(duì)話行為等,所有這些行為的決策都取自于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。

在采用神經(jīng)網(wǎng)絡(luò)算法之前，所有的NPC無(wú)論強(qiáng)弱，都會(huì)主動(dòng)向玩家角色發(fā)起攻擊，而在采用神經(jīng)網(wǎng)絡(luò)算法之后，這些NPC都具有了一個(gè)人工大腦，每個(gè)NPC在與玩家角色的交互過(guò)程不斷地學(xué)習(xí)，不斷地演化，最終變成自主角色，具體表現(xiàn)在：NPC根據(jù)以往與玩家角色交互過(guò)程中的經(jīng)驗(yàn)，從而產(chǎn)生較為理智的行為，比如當(dāng)NPC感覺(jué)玩家的綜合實(shí)力要高于自己時(shí)，它可能會(huì)采取逃避的行為，而當(dāng)NPC感覺(jué)其綜合實(shí)力要高于玩家時(shí)，它往往會(huì)主動(dòng)攻擊玩家。

表1和表2列舉了應(yīng)用神經(jīng)網(wǎng)絡(luò)算法前后的測(cè)試數(shù)據(jù)。

應(yīng)用神經(jīng)網(wǎng)絡(luò)算法所采取的實(shí)驗(yàn)方案如下：

(1) 對(duì)于NPC感知系統(tǒng)的輸入，包括與虛擬玩家角色的距離， 虛擬玩家的攻擊力，防御力，生命力，魔法力，信譽(yù)度，NPC自身的攻擊力，防御力，生命力，魔法力，信譽(yù)度。并將參數(shù)歸一化，使最終的參數(shù)范圍位于[-1, 1]之間；

(2) 對(duì)于NPC感知系統(tǒng)的輸出，包括躲避，單獨(dú)攻擊，潛伏，召喚同伴，團(tuán)隊(duì)攻擊等行為。即將神經(jīng)元的輸出元設(shè)計(jì)成五個(gè)，這些行為通過(guò)一些標(biāo)志符來(lái)確定，例如， 如果代表攻擊的輸出位為1，則其他位為零。

通過(guò)對(duì)比兩組測(cè)試試驗(yàn),可以發(fā)現(xiàn)后一組試驗(yàn)中,NPC能夠根據(jù)自己的實(shí)力和玩家的實(shí)力對(duì)比，理智的采取一些行為（比如退避，呼喚同伴協(xié)同作戰(zhàn)）而不是一味盲目攻擊， NPC的存活率顯然就很高，因此也顯得較為智能。

神經(jīng)網(wǎng)絡(luò)情感分析范文第2篇

關(guān)鍵詞：人工智能；傳統(tǒng)繪畫(huà)藝術(shù)；藝術(shù)審美；大數(shù)據(jù)

傳統(tǒng)繪畫(huà)藝術(shù)從地域上來(lái)說(shuō)可以簡(jiǎn)單的分為中國(guó)傳統(tǒng)繪畫(huà)藝術(shù)以及西方傳統(tǒng)繪畫(huà)藝術(shù)。中國(guó)傳統(tǒng)繪畫(huà)多講究神韻，躍然紙上的色彩和線條都頗具象征性，畫(huà)家所呈現(xiàn)出的往往是一種意境。傳統(tǒng)的西方繪畫(huà)在文藝復(fù)興時(shí)期達(dá)到了鼎盛的狀態(tài)，從畫(huà)面結(jié)構(gòu)來(lái)說(shuō)比中國(guó)傳統(tǒng)繪畫(huà)更注重科學(xué)與現(xiàn)實(shí)的結(jié)合。透視，幾何，材料等概念的靈活運(yùn)用使畫(huà)作在畫(huà)家筆下達(dá)到了一種均衡的美。無(wú)論是中西哪種繪畫(huà)都需要借用筆，刀等工具，通過(guò)墨，顏料等繪畫(huà)材料，在紙，木板，織物等平面工具上，通過(guò)構(gòu)圖、造型和顏色等表現(xiàn)手法，創(chuàng)造出可視的形象。

人工智能（Artificial Intelligence AI）是一門(mén)技術(shù)科學(xué)，主要研究用機(jī)器模仿人類的思維、感知等智能活動(dòng)，用理論、方法、技術(shù)及應(yīng)用系統(tǒng)使機(jī)器能夠代替人類做復(fù)雜的智力勞動(dòng)。

傳統(tǒng)繪畫(huà)與人工智能作為人類智慧活動(dòng)的兩個(gè)方向有著各自不同的特性，但隨著科學(xué)技術(shù)的大力發(fā)展，藝術(shù)家與科學(xué)家在各自不同的領(lǐng)域越來(lái)越意識(shí)到兩者的共同性。人工智能技術(shù)在傳統(tǒng)繪畫(huà)上的應(yīng)用，把科學(xué)技術(shù)與傳統(tǒng)繪畫(huà)有機(jī)地結(jié)合在了一起，為創(chuàng)造和傳播傳統(tǒng)繪畫(huà)藝術(shù)提供了先進(jìn)的方式，大數(shù)據(jù)的支持，為傳統(tǒng)繪畫(huà)領(lǐng)域帶來(lái)了新變革。

一、人工智能下傳統(tǒng)繪畫(huà)藝術(shù)的發(fā)展與創(chuàng)作

早期用來(lái)表現(xiàn)傳統(tǒng)繪畫(huà)的新媒體方式多采用了數(shù)字化復(fù)刻繪畫(huà)，或者通過(guò)動(dòng)漫、電影、攝影等方式來(lái)表F。融入人工智能技術(shù)后，傳統(tǒng)繪畫(huà)藝術(shù)就范圍來(lái)說(shuō)仍然屬于新媒體藝術(shù)的一個(gè)組成部分，但卻呈現(xiàn)出了多樣的變化。

自1973年始，Harold Cohen（畫(huà)家，San Diego加州大學(xué)教授）所編譯的電腦程序“AARON”就開(kāi)始了自動(dòng)繪畫(huà)的過(guò)程。

2013年，電腦程序“The Painting Fool”，在巴黎舉辦了展覽會(huì)，新聞媒體競(jìng)相報(bào)道，其中部分作品花了多年時(shí)間創(chuàng)作。從形式上來(lái)說(shuō)這就是一場(chǎng)傳統(tǒng)意義上的藝術(shù)作品展。

年初Google旗下的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)研究小組通過(guò)算法教會(huì)計(jì)算機(jī)自主創(chuàng)作繪畫(huà)的能力。Google稱其為Deep Dream。本次繪畫(huà)作品展引來(lái)了大批對(duì)科技與現(xiàn)代藝術(shù)感興趣的觀眾。最終，由人工智能創(chuàng)作的繪畫(huà)被一位專業(yè)的拍賣(mài)商拍下，最高單幅的價(jià)格甚至達(dá)到了八千美元。在Deep Dream的創(chuàng)作中主體內(nèi)容包括了各種天馬行空的海景，漩渦；風(fēng)格奇幻的城堡以及各種擁有三頭六臂的動(dòng)物。從風(fēng)格上看接近法國(guó)的后期印象派，有輪廓但不具體，有繽紛的色彩，但卻不是客觀物體原來(lái)的色彩，然而整幅畫(huà)面的躍動(dòng)感卻似乎能表達(dá)出作者的主觀情感。

此外，受眾們可以利用公開(kāi)的代碼，編譯出屬于自己的Deep Dream圖像，藝術(shù)家的靈感有時(shí)來(lái)源于對(duì)某一物體的想象。Deep Dream正是從這個(gè)方面折射出了人類的創(chuàng)造力和想象力。

人工智能創(chuàng)作傳統(tǒng)繪畫(huà)不得不提到兩個(gè)概念，即深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)。2006年，杰弗里?希爾頓等人提出了深度學(xué)習(xí)的概念。深度學(xué)習(xí)是人工智能學(xué)科下的一個(gè)分支，通過(guò)編譯教導(dǎo)計(jì)算機(jī)進(jìn)行無(wú)監(jiān)督學(xué)習(xí)，以此來(lái)解決深層優(yōu)化的問(wèn)題。深度學(xué)習(xí)概念是目前人工智能像人腦一樣處理數(shù)據(jù)的關(guān)鍵算法。

人工神經(jīng)網(wǎng)絡(luò)，它是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。（百度百科）

Deep Dream中的畫(huà)作即是由人工神經(jīng)網(wǎng)絡(luò)創(chuàng)作，也就是用軟件模擬大腦神經(jīng)元處理信息的方式。軟件先要接受大數(shù)據(jù)訓(xùn)練，通過(guò)分析數(shù)百萬(wàn)個(gè)大數(shù)據(jù)后才能識(shí)別圖像中的物體。在Deep Dream創(chuàng)作繪畫(huà)的過(guò)程中，程序先向神經(jīng)網(wǎng)絡(luò)輸入一張圖片，然后由神經(jīng)網(wǎng)絡(luò)進(jìn)行自我調(diào)整，軟件之前已經(jīng)有了數(shù)據(jù)庫(kù)，神經(jīng)網(wǎng)絡(luò)要從中尋找出與數(shù)據(jù)庫(kù)中物體相似的地方再進(jìn)行編譯，于是一幅人工智能畫(huà)作就完成了。

二、人工智能下的傳統(tǒng)繪畫(huà)藝術(shù)傳播的文化價(jià)值

人工智能創(chuàng)作的繪畫(huà)在傳播時(shí)呈現(xiàn)了兩級(jí)分化的局面，一方面有人高價(jià)收購(gòu)人工智能繪畫(huà)，而另一方面，有人卻對(duì)這樣的迷幻風(fēng)格難以接受。暫不論人工智能繪畫(huà)的畫(huà)作質(zhì)量，在文化價(jià)值上，人工智能繪畫(huà)是否能算是創(chuàng)作并且富有感染力嗎？

繪畫(huà)創(chuàng)作就其動(dòng)機(jī)來(lái)說(shuō)存在多種類別，有的是有感于情境而創(chuàng)作，作者將情感上的匯集融入繪畫(huà)作品；有的是為特定目的而創(chuàng)作，比如早期石刻的農(nóng)耕漁織狩獵圖等；還有的畫(huà)作則是為了宣揚(yáng)宗教觀念，教育宗教信徒而創(chuàng)作。由此可見(jiàn)，在這些創(chuàng)作動(dòng)機(jī)中，既存在單純表達(dá)情感思想的藝術(shù)，也有為傳播特定信息的藝術(shù)，還有為將宗教觀念具象化，通過(guò)繪畫(huà)創(chuàng)作更直觀的進(jìn)行表達(dá)的藝術(shù)。在評(píng)論藝術(shù)的本質(zhì)時(shí)，有感于情境而作的繪畫(huà)創(chuàng)作更接近繪畫(huà)藝術(shù)的本質(zhì)，在這種繪畫(huà)藝術(shù)作品中可能包含了普遍的對(duì)人類情感及相關(guān)價(jià)值觀的探索。或許，人工智能下的繪畫(huà)藝術(shù)應(yīng)該獨(dú)立成為一個(gè)門(mén)類，畢竟相較于人工智能的邏輯化、程序化。繪畫(huà)藝術(shù)應(yīng)是屬于人類展現(xiàn)天賦，表達(dá)情感的領(lǐng)域。

傳統(tǒng)繪畫(huà)藝術(shù)誕生至今，文化價(jià)值的體現(xiàn)皆是因?yàn)楫?huà)作中的主體性、不確定性、奇思妙想，抽象感知展現(xiàn)了人類靈魂深處的情感。

三、人工智能下傳統(tǒng)繪畫(huà)藝術(shù)的傳播

繪畫(huà)作品具有其獨(dú)特的傳播的功能，首先繪畫(huà)是一種是具備信息承載能力和傳播能力的傳播介質(zhì)。其次，繪畫(huà)作品中的內(nèi)在感染力以及受眾欣賞過(guò)程中能動(dòng)的二次創(chuàng)作也為傳統(tǒng)繪畫(huà)作品的傳播提供了動(dòng)因。此外，經(jīng)濟(jì)基礎(chǔ)決定上層建筑，隨著人們物質(zhì)水平的逐年提高，越來(lái)越多的人們走進(jìn)博物館，美術(shù)館，藝術(shù)長(zhǎng)廊等多種藝術(shù)場(chǎng)所，借由這些渠道了解藝術(shù)，欣賞藝術(shù)，以此來(lái)滿足精神需求的增長(zhǎng)，由此可見(jiàn)，當(dāng)下藝術(shù)產(chǎn)業(yè)領(lǐng)域正受到各方的重視。然而現(xiàn)代社會(huì)，藝術(shù)生產(chǎn)與藝術(shù)消費(fèi)市場(chǎng)分離的局面，也使傳統(tǒng)繪畫(huà)作品的傳播成為必然趨勢(shì)。

對(duì)藝術(shù)信息產(chǎn)生情感反饋是人類獨(dú)有的思維和能力，通過(guò)人工智能的神經(jīng)網(wǎng)絡(luò)以及大數(shù)據(jù)分析不僅能創(chuàng)作繪畫(huà)，還能對(duì)傳統(tǒng)的繪畫(huà)藝術(shù)作品進(jìn)行分析判斷，繼而整理出一套基于大數(shù)據(jù)分析的傳播方案。這樣的方案是否可行呢，在當(dāng)今這個(gè)信息爆炸以及媒介去中心化的時(shí)代下，越來(lái)越多的受眾通過(guò)各種方式接觸到傳統(tǒng)繪畫(huà)藝術(shù)，因此當(dāng)受眾面臨繪畫(huà)藝術(shù)鑒賞時(shí)，便產(chǎn)生了選擇障礙。

傳統(tǒng)的繪畫(huà)藝術(shù)傳播是指在藝術(shù)創(chuàng)作和鑒賞階段所形成的人內(nèi)信息交流。它的傳播模式分為人際傳播，把關(guān)人推薦和群體傳播等。這些傳統(tǒng)的傳播方式經(jīng)過(guò)多年來(lái)的驗(yàn)證確實(shí)具有一定的實(shí)際意義的，但在針對(duì)個(gè)體差異上的分類推薦卻不是很明顯，面對(duì)龐大的信息量以及高度差異化的傳播需求，如今傳統(tǒng)的藝術(shù)傳播方式，其可行性正在逐漸下降。而人工智能應(yīng)用于藝術(shù)傳播，通過(guò)云計(jì)算可以精確而高效地分析和處理藝術(shù)信息。并且通過(guò)龐大的大數(shù)據(jù)資源加強(qiáng)索引優(yōu)勢(shì)，速度與精度的大幅度提升正是傳統(tǒng)的藝術(shù)傳播過(guò)程中所缺失的。

τ諢婊藝術(shù)來(lái)說(shuō)，千人千面，每個(gè)人都有自己獨(dú)到的理解，同一件作品可能有的人喜愛(ài)，而有的人無(wú)感，在海量繪畫(huà)作品中篩選出針對(duì)目標(biāo)受眾的藝術(shù)作品，尤其是不具備繪畫(huà)專業(yè)知識(shí)的受眾在面對(duì)諸多繪畫(huà)作品時(shí)，往往會(huì)沒(méi)有頭緒，不知如何進(jìn)行選擇和鑒賞。

四、結(jié)語(yǔ)

在人工智能傳播傳統(tǒng)繪畫(huà)作品時(shí)，受眾并不純粹只是受者，而是具備了雙重身份，由被動(dòng)的欣賞者轉(zhuǎn)變?yōu)榱酥鲃?dòng)的創(chuàng)作者。借助神經(jīng)網(wǎng)絡(luò)，每個(gè)人都具備通過(guò)繪畫(huà)表達(dá)內(nèi)心情感的能力。雖然當(dāng)前的人工智能下傳統(tǒng)繪畫(huà)藝術(shù)的發(fā)展還存在這一定的不確定性，但是相信隨著人工智能技術(shù)的高速發(fā)展，今后人工智能創(chuàng)作的繪畫(huà)一定會(huì)在現(xiàn)今的繪畫(huà)領(lǐng)域獨(dú)樹(shù)一幟。此外人工智能的神經(jīng)網(wǎng)絡(luò)尚不能對(duì)所有繪作品充分理解，但是在速度和精度方面卻得到了很大的提升，如果再結(jié)合當(dāng)下其他一些完善的學(xué)科，比如結(jié)合個(gè)體信息，設(shè)計(jì)心理學(xué)，消費(fèi)學(xué)，歷史學(xué)，哲學(xué)等多方位的研究。人工智能系統(tǒng)就能根據(jù)受眾的個(gè)人信息等預(yù)測(cè)處其的欣賞層次以及需求推薦給受眾相應(yīng)的作品。

人工智能使傳統(tǒng)的繪畫(huà)藝術(shù)具備了無(wú)限延伸的維度空間和各種難以預(yù)料的不確定性，顛覆了傳統(tǒng)的繪畫(huà)傳播體系，實(shí)現(xiàn)了傳統(tǒng)繪畫(huà)藝術(shù)最本質(zhì)的創(chuàng)作與傳播。

【參考文獻(xiàn)】

[1]陳端端.藝術(shù)傳播的人工智能應(yīng)用需求研究[D].東南大學(xué)，2014.

[2]劉峰.傳統(tǒng)繪畫(huà)藝術(shù)的新媒體傳播研究[D].山東大學(xué)，2012.

[3]李連德.一本書(shū)讀懂人工智能（圖解版）[M].北京：人民郵電出版社，2016.

[4]李同娟.人工智能能否創(chuàng)造藝術(shù)[D].中國(guó)傳媒大學(xué)，2015.

[5]郭全中.大數(shù)據(jù)時(shí)代下的智能傳播及其盈利模式，2015（01）：15-19.

神經(jīng)網(wǎng)絡(luò)情感分析范文第3篇

關(guān)鍵詞 網(wǎng)絡(luò)文化 大學(xué)生 價(jià)值觀 多層感知器

一、研究背景

21世紀(jì)是網(wǎng)絡(luò)信息的時(shí)代，網(wǎng)民數(shù)量飛快增長(zhǎng)。據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）信息顯示，截至 2012 年 6 月底，手機(jī)網(wǎng)民規(guī)模達(dá)到 3.88億，電腦網(wǎng)民為 3.80 億，互聯(lián)網(wǎng)普及率為 39.9%。20-29歲網(wǎng)民所占比重為30.2%，具有大專及以上學(xué)歷網(wǎng)民比例為21.6%，學(xué)生網(wǎng)民的比重為28.6%。大學(xué)生早已成為網(wǎng)民中的生力軍，尤其隨著手機(jī)功能的增加，網(wǎng)絡(luò)文化對(duì)大學(xué)生的影響也越來(lái)越大，影響有好有壞，而如何客觀的評(píng)價(jià)網(wǎng)絡(luò)文化對(duì)大學(xué)生的影響也成為亟待解決的問(wèn)題。以往對(duì)該方面的研究主要是從理論上加以分析，本研究使用多層感知器模型，較為客觀的評(píng)價(jià)了網(wǎng)絡(luò)文化對(duì)大學(xué)生價(jià)值觀的影響。

二、模型介紹

多層前饋神經(jīng)網(wǎng)絡(luò)由Rumelhan提出，所采用的是誤差反向傳播的學(xué)習(xí)算法，又被稱為誤差反向傳播神經(jīng)網(wǎng)絡(luò)，簡(jiǎn)稱EBP網(wǎng)絡(luò)（Error Back Propagation）。

多層前饋神經(jīng)網(wǎng)絡(luò)的神經(jīng)節(jié)點(diǎn)是逐層的排列，一般包括輸入層、輸出層和隱含層。在同一層內(nèi)的神經(jīng)元節(jié)點(diǎn)之間是相互獨(dú)立的，而相鄰層次之間的節(jié)點(diǎn)是連接，前面一層的神經(jīng)元的輸出變量作為后一層神經(jīng)元的輸入變量。如圖1所示

三、網(wǎng)絡(luò)文化對(duì)大學(xué)生價(jià)值觀影響的模型建立

3.1 輸入變量及輸出變量的選擇

通過(guò)查閱大量的文獻(xiàn)及咨詢長(zhǎng)期從事學(xué)生思想教育工作的專家確定了網(wǎng)絡(luò)文化對(duì)大學(xué)生價(jià)值觀的影響主要體現(xiàn)在以下幾個(gè)方面，即求知觀、交往觀、整治觀、道德觀及自由觀。輸出變量使用大學(xué)生的綜合測(cè)評(píng)成績(jī)。各輸入變量及輸出變量的得分見(jiàn)表1。

表1 各輸入變量及輸出變量的得分見(jiàn)情況

（二）模型結(jié)果

以求知觀、交往觀、整治觀、道德觀及自由觀的得分作為輸入變量，綜合測(cè)評(píng)成績(jī)最為輸出變量，建立多層感知器網(wǎng)絡(luò)模型，并分析各輸入變量對(duì)輸出變量的重要程度。網(wǎng)絡(luò)文化對(duì)大學(xué)生的政治觀、道德觀及求知觀主要起到了積極的作用，大學(xué)生崇尚整治透明，而隨著政府網(wǎng)站的開(kāi)通，政府信息的透明度大幅提高，使大學(xué)生對(duì)我黨、我們政府有更加清楚、全面的認(rèn)識(shí)，便于樹(shù)立正確的政治觀；在道德觀上，隨著網(wǎng)絡(luò)的普及，大學(xué)生各種社會(huì)關(guān)系也變得多樣化和負(fù)責(zé)化，特別是在矛盾中，大學(xué)生的道德觀必然會(huì)有新的覺(jué)醒，網(wǎng)絡(luò)也使大學(xué)生的道德觀更加豐富；網(wǎng)絡(luò)的發(fā)展，使文化的傳播更加快捷，大學(xué)生可以通過(guò)網(wǎng)絡(luò)獲取更多的知識(shí)。而網(wǎng)絡(luò)文化對(duì)大學(xué)生的文化觀和交往觀有負(fù)面影響，長(zhǎng)此以往，可能使大學(xué)生的情感更加淡漠，人與人之間的關(guān)系變的更加疏遠(yuǎn)；在網(wǎng)絡(luò)中，大學(xué)生不但是信息的接受者，同時(shí)也是信息的制造者，而在網(wǎng)絡(luò)中，由于缺少了現(xiàn)實(shí)生活中的各種約束，許多人可以隨心所欲的言論及進(jìn)行信息的傳播，而這些信息中許多為不切實(shí)際的或者為的言論，而這些問(wèn)題使大學(xué)生的行為更加散漫，表現(xiàn)為無(wú)政府狀態(tài)。

四、結(jié)論

本研究使用多層感知器神經(jīng)網(wǎng)絡(luò)模型，客觀評(píng)價(jià)了網(wǎng)絡(luò)文化對(duì)大學(xué)生價(jià)值觀的影響，研究結(jié)果與實(shí)際情況相符。網(wǎng)絡(luò)文化對(duì)大學(xué)生的影響是多方面的，既有正面影響，又有負(fù)面影響，在大學(xué)生價(jià)值觀的教育中，可嘗試通過(guò)以下幾個(gè)途徑幫助大學(xué)生樹(shù)立正確的價(jià)值觀：1.積極開(kāi)展網(wǎng)絡(luò)文化，努力創(chuàng)造安全、健康的校園文化氛圍；2.進(jìn)一步加強(qiáng)對(duì)大學(xué)生進(jìn)行網(wǎng)絡(luò)法律意識(shí)及網(wǎng)絡(luò)道德觀念教育；3.加強(qiáng)校園網(wǎng)絡(luò)的建設(shè)，發(fā)揮校園網(wǎng)服務(wù)；4.進(jìn)一步加強(qiáng)校園網(wǎng)絡(luò)的管理及安全監(jiān)控。

參考文獻(xiàn)：

[1]中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心，第30次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》.

[2]Jianhui Wu， Qi Ren， Houjun Xu， et al. Comparison of Modeling of Data with Different Variation Degree with BP Neutral Network[J]. Journal of Convergence Information Technology，2012，7（13）：180-188.

[3]曠勇. 目前大學(xué)生價(jià)值觀調(diào)查分析及思考[M]. 北京： 高等教育出版社， 2003 年.

神經(jīng)網(wǎng)絡(luò)情感分析范文第4篇

關(guān)鍵詞：人工智能 機(jī)器 學(xué)習(xí) 情感識(shí)別

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2016）06（a）-0077-02

人工智能是一門(mén)涵蓋多學(xué)科知識(shí)，而又被當(dāng)今社會(huì)廣泛應(yīng)用于多領(lǐng)域，給人帶來(lái)便捷、高效的同時(shí)，又讓業(yè)界為其擔(dān)心的交叉學(xué)科知識(shí)的綜合產(chǎn)物。隨著各種智能機(jī)器人開(kāi)始服務(wù)于各大領(lǐng)域，有超強(qiáng)力量的機(jī)械手臂，高效解決問(wèn)題的專家系統(tǒng)，公眾日常可接觸到的可穿戴智能設(shè)備，從智能手機(jī)到各類功能的3D打印技術(shù)，從谷歌眼鏡到全息投影，各類機(jī)器設(shè)備如雨后春筍不斷涌出。

1 人工智能的發(fā)展

“人工智能”簡(jiǎn)稱AI，是集心理認(rèn)知，機(jī)器學(xué)習(xí)，情感識(shí)別，人機(jī)交互以及數(shù)據(jù)保存、決策等于一身的多學(xué)科技術(shù)。其最早被提出是由McCarthy在20世紀(jì)中葉的達(dá)特茅斯會(huì)議上，這也成為人工智能正式誕生的標(biāo)志。在人工智能經(jīng)歷兩個(gè)低谷后的最近一個(gè)階段，從1993年開(kāi)始，人工智能其實(shí)取得了一些里程碑似的成果。比如在1997年，國(guó)際象棋冠軍卡斯帕羅夫被深藍(lán)戰(zhàn)勝；英國(guó)皇家學(xué)會(huì)舉行的“2014圖靈測(cè)試”中“尤金?古斯特曼”第一次“通過(guò)”圖靈測(cè)試，而這一天恰為計(jì)算機(jī)科學(xué)之父阿蘭?圖靈（Alan Turing）逝世60周年紀(jì)念日。2015年以來(lái)，“人工智能”開(kāi)始成為諸多業(yè)界人士關(guān)注的焦點(diǎn)之一。2016年3月AlphaGo在首爾以4∶1戰(zhàn)勝圍棋世界冠軍李世石，繼而引發(fā)了人工智能將如何改變?nèi)祟惿鐣?huì)的思考。

2 從AlphaGo看人工智能的“情感機(jī)制”與人類的關(guān)系

機(jī)器學(xué)習(xí)算法的本質(zhì)是選擇一個(gè)萬(wàn)能函數(shù)建立預(yù)測(cè)模型[1]。首先用戶輸入大量訓(xùn)練樣本數(shù)據(jù)，機(jī)器對(duì)模型進(jìn)行訓(xùn)練，選擇可以使預(yù)測(cè)的模型達(dá)到最優(yōu)的參數(shù)集，從而使模型能夠更好地?cái)M合訓(xùn)練樣本數(shù)據(jù)的空間分布[2]。谷歌公司在訓(xùn)練AlphaGo時(shí)，收集了20萬(wàn)職業(yè)圍棋高手的對(duì)局，在經(jīng)過(guò)不同版本AlphaGo之間的自我對(duì)弈，生成了3 000多萬(wàn)個(gè)對(duì)局，包含了人類圍棋領(lǐng)域所積累的所有豐富和全面的知識(shí)與經(jīng)驗(yàn)。相比IBM“深藍(lán)”戰(zhàn)勝國(guó)際象棋卡斯帕羅夫，其依靠了強(qiáng)大的運(yùn)算能力取得了勝利，AlphaGo的最大進(jìn)步是從“計(jì)算加記憶”進(jìn)化到“擬合加記憶”法則[2]。智能設(shè)備具有了海量數(shù)據(jù)存儲(chǔ)和高速的計(jì)算本領(lǐng)，人機(jī)交互（human-computer interaction）系統(tǒng)研發(fā)過(guò)程遇到的瓶頸仍是識(shí)別和表達(dá)情感方面。

情感在人際交往中扮演著重要的角色，情緒的識(shí)別主要是識(shí)別人類傳遞情緒的信號(hào)。既可以通過(guò)語(yǔ)言直接傳遞，也可以通過(guò)語(yǔ)調(diào)、面目表情、姿勢(shì)等進(jìn)行表達(dá)。機(jī)器具有智能，“情感”是十分重要的一環(huán)。這要求機(jī)器具有對(duì)認(rèn)知的解釋與建構(gòu)，而認(rèn)知的關(guān)鍵問(wèn)題則是自主和情感意識(shí)。

對(duì)人工智能的威脅霍金總結(jié)說(shuō)：“人工智能在短時(shí)間內(nèi)發(fā)展取決于應(yīng)用它的人，長(zhǎng)遠(yuǎn)來(lái)看到底其能否被控制是我們需要關(guān)注的內(nèi)容。”針對(duì)人類對(duì)于“人工智能終將超越人類”的擔(dān)憂可以概括為以下兩點(diǎn)：（1）蠹生于木，而反食于木。恰如部分美國(guó)科幻片中所展現(xiàn)的場(chǎng)景，人類創(chuàng)造的機(jī)器因被賦予人類情感智力而脫離人類控制。（2）機(jī)器因其具有人類交互的情感且很少產(chǎn)生人工失誤而逐漸取代人類的勞動(dòng)，致使人類無(wú)用武之地而待業(yè)失業(yè)。從技術(shù)飛速發(fā)展過(guò)程來(lái)看，智能設(shè)備的應(yīng)用往往只是其在某一功能極大化的使用，如，專家系統(tǒng)其解決的只是某一領(lǐng)域內(nèi)復(fù)雜問(wèn)題解決方案的決策提供；虛擬現(xiàn)實(shí)技術(shù)是生活場(chǎng)景的實(shí)體化展現(xiàn)，以方便用戶更好地體驗(yàn)現(xiàn)實(shí)場(chǎng)景；服務(wù)領(lǐng)域的機(jī)器人，提供的只是某一行業(yè)的服務(wù)，恰如汽車提供的只是快速的代步工具而不能與人交流一樣，智能機(jī)器只是發(fā)揮其某一單方面的優(yōu)勢(shì)，從而更好地輔助人類完成特定的工作。在未來(lái)社會(huì)，那些簡(jiǎn)單重復(fù)性的勞動(dòng)將被機(jī)器所取代；此外，還有一些通過(guò)大量數(shù)據(jù)進(jìn)行判別決策類的輸出，從而更好地為人類提供建議；同時(shí)對(duì)社會(huì)生活中重大、復(fù)雜工業(yè)系統(tǒng)中的故障處理，這些存在危險(xiǎn)的領(lǐng)域中有智能設(shè)備的存在其實(shí)質(zhì)是對(duì)人類安全及人類價(jià)值的禮遇；而對(duì)于那些與人交流密切的服務(wù)領(lǐng)域內(nèi)，則更需要人與人的溝通，才能更好地服務(wù)于人。這些機(jī)器的存在解放了人的身體，進(jìn)而可以使人類投入更多精力在科研領(lǐng)域。而人工智能與人類之間的關(guān)系，可以用“共存”一詞進(jìn)行概括，即按勞分配，取長(zhǎng)補(bǔ)短[2]。

3 機(jī)器學(xué)習(xí)理論

目前最受社會(huì)關(guān)注的智能算法，當(dāng)屬日本學(xué)者福島教授基于Hubel Wiese的視覺(jué)認(rèn)知模型提出的卷積神經(jīng)網(wǎng)絡(luò)模型（Convolution Neural Network，CNN），是一種深度監(jiān)督學(xué)習(xí)下的機(jī)器學(xué)習(xí)模型。深度學(xué)習(xí)的概念來(lái)源于人工神經(jīng)網(wǎng)絡(luò)，常見(jiàn)的深度學(xué)習(xí)算法包括：受限波爾茲曼機(jī)（Restricted Boltzmann Machine，RBN），Deep Belief Networks（DBN），卷積網(wǎng)絡(luò)（Convolutional Network），堆棧式自動(dòng)編碼器（Stacked Auto-encoders）。該算法的提出是為解決起初基于1943年，美國(guó)心理學(xué)家W.S.McCulloch和數(shù)學(xué)家W.A.Pitts生物神經(jīng)元計(jì)算模型（M-P）[2]的早期人工神經(jīng)網(wǎng)絡(luò)中，網(wǎng)絡(luò)層超過(guò)4層后，用傳統(tǒng)反向傳遞算法訓(xùn)練而無(wú)法收斂的問(wèn)題而提出。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過(guò)組合低層特征形成高層屬性類別或特征，從而發(fā)現(xiàn)數(shù)據(jù)的分布特征。重要的人工神經(jīng)網(wǎng)絡(luò)算法包括：感知器神經(jīng)網(wǎng)絡(luò)（Perceptron Neural Network），反向傳遞（Back Propagation），Hopfield網(wǎng)絡(luò)，自組織映射（Self-Organizing Map，SOM），學(xué)習(xí)矢量量化（Learning Vector Quantization，LVQ）。

簡(jiǎn)單介紹一下神經(jīng)網(wǎng)絡(luò)：

對(duì)應(yīng)公式為，通過(guò)不同權(quán)重的多輸入，得到輸出，該單元也被稱為邏輯回歸模型。當(dāng)多個(gè)單元相互關(guān)聯(lián)，并進(jìn)行分層后即形成了神經(jīng)網(wǎng)絡(luò)模型。

4 人工智能的未來(lái)

當(dāng)前，人才輩出的社會(huì)促進(jìn)技術(shù)手段的不斷創(chuàng)新，大數(shù)據(jù)，物聯(lián)網(wǎng)，虛擬現(xiàn)實(shí)、云計(jì)算等技術(shù)發(fā)展與機(jī)器人人工智能領(lǐng)域不斷融合發(fā)展，這無(wú)疑將推動(dòng)產(chǎn)業(yè)方式發(fā)生改變。

而針對(duì)人工智能，李開(kāi)復(fù)老師針對(duì)機(jī)器越發(fā)智能化而帶給人類的危機(jī)表示：人工智能的真實(shí)危機(jī)在于未來(lái)機(jī)器將養(yǎng)活無(wú)所事事的人。這也在激勵(lì)著人類，機(jī)器的智能，在代替人類部分勞動(dòng)后，需要我們潛心于高科技的發(fā)展，進(jìn)而不被社會(huì)所淘汰。斯特羅斯說(shuō)“人工智能之于人類，最需要擔(dān)心的是其自發(fā)意識(shí)。無(wú)人機(jī)并不能殺人，指導(dǎo)無(wú)人機(jī)的坐標(biāo)并投射地獄火導(dǎo)彈的人才能殺人。”這一說(shuō)法表明其認(rèn)為人類已經(jīng)生活在后人工智能世界了，但人們還沒(méi)有意識(shí)到人工智能都是我們的人。這足以表明，人工智能產(chǎn)品的設(shè)計(jì)，一方面是為人類帶來(lái)了更加綠色，智能，方便的生活方式，而另一方面其法律規(guī)范意識(shí)，以及人才價(jià)值觀及道德的培養(yǎng)更值得社會(huì)關(guān)注。

參考文獻(xiàn)

[1] 于玲，吳鐵軍.LS-Ensem：一種用于回歸的集成算法[J].計(jì)算機(jī)學(xué)報(bào)，2006（5）：719-726.

神經(jīng)網(wǎng)絡(luò)情感分析范文第5篇

[關(guān)鍵詞]科技突破；智能機(jī)器人

中圖分類號(hào)：TP242 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-914X（2017）16-0098-01

前言

電源《她》就是這樣一部探討人和科技建立起親密關(guān)系主題的電影。這部電影引起了科技界的熱議。電影里的男主角西奧多在人生最失意和孤獨(dú)的時(shí)候，愛(ài)上了他的電腦和手機(jī)智能操作系統(tǒng)OS1。這個(gè)虛擬系統(tǒng)化身一個(gè)有著自我學(xué)習(xí)能力的聰明女性，名叫薩曼莎。她就像蘋(píng)果手機(jī)里的Siri，可以和西奧多聊天并為他處理各種郵件、日程安排。逐漸地，西奧多發(fā)現(xiàn)自己愛(ài)上了薩曼莎，因?yàn)樗侨绱说挠哪L(fēng)趣，兩人的情感交流自然親密。她又會(huì)不會(huì)在生活中存在呢。

1 智能系統(tǒng)代替人

科技本著解決人類難題的使命創(chuàng)造出了這樣聰明的智能系統(tǒng)，以滿足孤獨(dú)者的情感寄托需求。但世界真的會(huì)因?yàn)橐粋€(gè)無(wú)所不能的智能系統(tǒng)就充滿幸福嗎？而是她其實(shí)僅僅是由一串代碼制造出來(lái)的虛擬服務(wù)。而這并不符合人類在付出真實(shí)感情時(shí)所期待的回報(bào)。不要把你的生活難題統(tǒng)統(tǒng)拋給科技來(lái)解決。這個(gè)信號(hào)并不僅僅存在于電影中。更重要的是，即使記憶消失，也并不意味人類就能遠(yuǎn)離曾經(jīng)犯下的錯(cuò)誤。一般人以為一切都能回到過(guò)去時(shí)，但是發(fā)現(xiàn)現(xiàn)實(shí)不像她想象中美好，因?yàn)檫@個(gè)以前的人不可能帶來(lái)那種真實(shí)的不可捉摸的變化。這些所刻畫(huà)的技術(shù)都是因解決人類的痛苦而誕生，無(wú)論是幫助需求者逃避問(wèn)題還是創(chuàng)造一個(gè)不會(huì)制造問(wèn)題的智能人。可過(guò)于依賴技術(shù)的結(jié)果就是它太容易讓我們?cè)诒砻嫔蠑[脫困難，卻失去了痛苦反思時(shí)的成長(zhǎng)。

2 現(xiàn)在的智能系統(tǒng)

阿爾法圍棋（AlphaGo）是一款圍棋人工智能程序，由谷歌（Google）旗下DeepMind公司的戴維?西爾弗、艾佳?黃和戴密斯?哈薩比斯與他們的團(tuán)隊(duì)開(kāi)發(fā)，這個(gè)程序利用“價(jià)值網(wǎng)絡(luò)”去計(jì)算局面，用“策略網(wǎng)絡(luò)”去選擇下子。

阿爾法圍棋（AlphaGo）的主要工作原理是“深度學(xué)習(xí)”。“深度學(xué)習(xí)”是指多層的人工神經(jīng)網(wǎng)絡(luò)和訓(xùn)練它的方法。一層神經(jīng)網(wǎng)絡(luò)會(huì)把大量矩陣數(shù)字作為輸入，通過(guò)非線性激活方法取權(quán)重，再產(chǎn)生另一個(gè)數(shù)據(jù)集合作為輸出。這就像生物神經(jīng)大腦的工作機(jī)理一樣，通過(guò)合適的矩陣數(shù)量，多層組織鏈接一起，形成神經(jīng)網(wǎng)絡(luò)“大腦”進(jìn)行精準(zhǔn)復(fù)雜的處理，就像人們識(shí)別物體標(biāo)注圖片一樣。經(jīng)過(guò)過(guò)濾，13 個(gè)完全連接的神經(jīng)網(wǎng)絡(luò)層產(chǎn)生對(duì)它們看到的局面判斷。這些層能夠做分類和邏輯推理。這些網(wǎng)絡(luò)通過(guò)反復(fù)訓(xùn)練來(lái)檢查結(jié)果，再去校對(duì)調(diào)整參數(shù)，去讓下次執(zhí)行更好。

僅僅是外觀出挑并不能令PowerEgg成為一款“黑科技產(chǎn)品”，其獨(dú)有“super easy control”易用操控功能是重點(diǎn)加分項(xiàng)。這款體感遙控器為無(wú)人機(jī)小白用戶，甚至女性和兒童，大開(kāi)方便之門(mén)。包括紅外+可見(jiàn)光一體掛載的四旋翼無(wú)人機(jī)、可在海拔6000米工作的無(wú)人直升機(jī)、可連續(xù)飛行12小時(shí)的固定翼無(wú)人機(jī)等。臻迪旗下設(shè)有多個(gè)海內(nèi)外研發(fā)機(jī)構(gòu)，研發(fā)范圍涉及無(wú)人機(jī)編隊(duì)算法及服務(wù)、消費(fèi)級(jí)智能機(jī)器人等領(lǐng)域

Atlas機(jī)器人由美國(guó)波士頓動(dòng)力公司為主開(kāi)發(fā)，和由美國(guó)國(guó)防部國(guó)防高等研究計(jì)劃署（DARPA）的資助和監(jiān)督，專為各種搜索及拯救任務(wù)而設(shè)計(jì)，Atlas是世界上最精密的機(jī)器人之一，借助于四肢和身軀的傳感器維持身體平衡，再加上頭部的激光雷達(dá)和立體視覺(jué)傳感器幫助導(dǎo)航和避障，Atlas已經(jīng)能夠適應(yīng)戶外和室內(nèi)的環(huán)境。它不僅被設(shè)計(jì)能夠行走、取物，并且能夠在戶外穿越嚴(yán)酷地形，使用手腳攀爬。在人工智能的幫助下，Atlas能夠第一時(shí)間作出反應(yīng)：爬起來(lái)、撿起來(lái)等動(dòng)作。

百度無(wú)人駕駛車包括高精度地圖、定位、感知、智能決策與控制四大模塊。

百度自主采集和制作的高精度地圖記錄完整的三維道路信息，能在厘米級(jí)精度實(shí)現(xiàn)車輛定位。同時(shí)，百度無(wú)人駕駛車依托國(guó)際領(lǐng)先的交通場(chǎng)景物體識(shí)別技術(shù)和環(huán)境感知技術(shù)，實(shí)現(xiàn)高精度車輛探測(cè)識(shí)別、跟蹤、距離和速度估計(jì)、路面分割、車道線檢測(cè)。

Oculus Rift是一款為電子游戲設(shè)計(jì)的頭戴式顯示器。它將虛擬現(xiàn)實(shí)接入游戲中，使得玩家們能夠身臨其境，對(duì)游戲的沉浸感大幅提升。已經(jīng)很可能改變將來(lái)的游戲方式，讓科幻大片中描述的美好前景距離我們又近了一步。雖然最初是為游戲打造，但是Oculus已經(jīng)決心將Rift應(yīng)用到更為廣泛的領(lǐng)域，包括觀光、電影、醫(yī)藥、建筑、空間探索以及戰(zhàn)場(chǎng)上。Oculus Rift這款設(shè)備很可能改變未來(lái)人們游戲的方式。 Oculus Rift具有兩個(gè)目鏡，每個(gè)目鏡的分辨率為 640×800，雙眼的視覺(jué)合并之后擁有 1280×800 的分辨率。并且具有陀螺儀控制的視角是這款游戲產(chǎn)品一大特色，這樣一來(lái)，體驗(yàn)的沉浸感大幅提升。

3 結(jié)論

中國(guó)智能市場(chǎng)有規(guī)模最大、影響最廣、專業(yè)性最強(qiáng)的品牌展會(huì)，回歸現(xiàn)實(shí)卻發(fā)現(xiàn)一個(gè)不爭(zhēng)的事實(shí)，科技創(chuàng)新20年未迎大變革。產(chǎn)品做足科技感。我們不缺市場(chǎng)，缺的是人才。機(jī)器人等其他領(lǐng)域是個(gè)跨學(xué)科行業(yè)，包括機(jī)械工程、人工智能等，中國(guó)機(jī)器人產(chǎn)業(yè)要發(fā)展，要加強(qiáng)相關(guān)人才培養(yǎng)，另一方面緊盯核心零部件研發(fā)和生產(chǎn)，在基礎(chǔ)研究、工藝等方面多下功夫。

參考文獻(xiàn)

[1] 王遐.隨車起重機(jī)行業(yè)掃描[J].工程機(jī)械與維修，2006（3）：68-71

[2] 王金諾，于蘭峰.起重運(yùn)輸機(jī)金屬結(jié)構(gòu)[M].北京：中國(guó)鐵道出版社，2002

[3] 盧章平，張艷.不同有限元分析網(wǎng)格的轉(zhuǎn)化[J].機(jī)械設(shè)計(jì)與研究，2009（6）：10-14

[4] 朱秀娟.有限元分析網(wǎng)格劃分的關(guān)鍵技巧[J].機(jī)械工程與自動(dòng)化，2009（1）：185-18