来源：风力发电机_广州太和风力发电设备有限公司 发布时间：2019-03-27 点击次数：

     在过去的两年里，谷歌已经爆炸式发展，所以这个领域的初创企业像蘑菇一样涌现出来，一些制造特殊芯片，一些制造算法，一些制造机器人。是什么让机器能够代替人类来做重复的生产线工作它绝对不仅仅是机器的模仿，而不是重复的工作。真正的人工智能需要对机器进行训练和学习，以接近或超越人类智能。
    
     数据是人工智能训练模型中最重要的因素。只有通过大数据培训，才能使培训模型更接近实际需要，如自动驾驶模型培训基本上是基于自动驾驶车辆试验数据采集培训模型。只有在道路上收集到更多的车辆时，训练模型才能更接近实际的道路状况，人工智能训练存在两个问题：一是如何训练数据不足的模型；二是如何用过多的数据快速标记模型。
    
     人工智能在没有数据的情况下工作吗这对许多初创企业来说是一个谜，在作者的概念中，人工智能的正常发展过程是先收集数据，然后再训练模型，在最近的matlab会议上，mathworks的产品营销经理赵志宏先生给出了不同的答案。他说，数据、输出和模型是整个人工智能开发过程中的一个步骤，如果开发者想在没有太多数据的情况下进行人工智能，可以采用转移学习的方法，转移学习的概念是什么例如，利用人工智能对风力发电机组的故障进行预测，用户不能等到大量的故障数据采集后再进行预测，这与设备维护的目标不符。相反，采用与风机非常接近的Simulink模型，通过标定建立风机模型，然后通过模型生成故障数据，进行培训，实践机器学习或神经网络的深入学习。
    
     赵志宏先生说，基于模型的设计的优势在于它在制造真正的产品之前先建立模型。该模型与实际产品非常接近，数值计算和行为计算的结果与实际结果非常接近，许多工程师在设计产品时都建立了该模型。在该模型中加入故障条件，很容易生成故障数据，比实际设备故障容易得多，因此可以进行故障预测和维修。
    
     随着传感器的广泛使用，数据量已进入洪荒时代，使得人工智能难以标记特征。此时，深度学习可以用来做标记，赵志宏先生解释说，深度学习的特点是不需要手工求特征值。该系统可以自动从数据中提取特征值，有许多自动标记工具和功能，激光雷达三维点云技术可以对每个点进行注释，将点聚在一起形成目标模型，然后识别出目标所代表的特定对象，一些用户已经开发出已经使用过的工具。.autoliv，一家著名的汽车零部件公司，正在使用这种方法自动标注数据。