#工業4.0 #虛實整合系統CPS #智慧工廠 #物聯網IoT #自動光學檢測AOI #傅立葉轉換FourierTransform #深度學習DeepLearning #人工智慧AI #卷積神經網路CNN #遞歸神經網路RNN #多尺度熵MSE
【Domain know-how 是深度學習& AI 能否產生效益的關鍵】
深度學習 (Deep Learning) 最主要的兩個部分是訓練 (training) 和推論 (Inference);對智慧工廠來說,若訓練時間過久或輸入到輸出的推理時間過長,是絕對無法接受的!GPU 藉平行運算、先對龐雜資料預做處理再丟回給 CPU,協助分擔 CPU 負載、加快運算速度及訓練時間,特別適用於由許多神經元與層級構成的深度學習、大型矩陣或資料量大、參數多的運算。產線機台設備不論是健康評估/診斷或效能預測,所使用的演算法皆與統計或機器學習密切相關。
以深度學習為核心,向外圍擴展的順位依序為類神經網路、機器學習與 AI;而訓練方式決定推論成果。以科技廠常用的自動光學檢測 (AOI) 為例,由於 AOI 需要極高解析度的影像學為基礎,且來料品質對檢測參數有很大影響,故 AOI 設備業者往往須派駐專業人員到客戶廠房協助微調機器;若加入大數據、深度學習和人工智慧,將有助於提高辨識效率,更精確區別出處於合格邊緣的 NG 報廢品、或尚可補救的瑕疵品。另兩個應用場域是:聲音與振動檢測。
透過收集、研究機器運轉的聲音訊號,來檢測風力發電機的軸承是否有異常狀況?不過,前提是克服環境噪音和回音等其它聲源干擾。至於振動檢測,最麻煩的就是決定要餵多長的資料?參數不同,可能導致推論天差地遠!因此,特徵擷取方式將是 AI 能否良好辨識的關鍵。目前診斷工廠馬達、轉軸多是利用傅立葉轉換 (Fourier Transform),但有個重大缺陷:它假設所有訊號都可用正弦/餘弦波模擬,再積分求得,可惜內情並非如此單純。
一旦轉子不平衡、位置產生角度、呈現平行、彎曲或沒有鎖緊,會誘發「倍頻」現象。傳立葉頻譜雖可取得轉子系統異常訊號特微,但仍須經由人為判讀診斷,
對產線人員有一定難度,也無法達成智能機械目標;輔以經驗模態拆解、多尺度熵 (Multiscale Entropy, MSE) 分析是理想方案。深度學習演算法還能用於金屬切削加工,將良好與損壞刀具相較並改變當中參數,包括轉速、進給、振動、電流值,可監控刀具磨耗程度並預測使用壽命。
工業 4.0 的虛實整合目前並無確切系統規格,實現理論均以為機學習為基礎,其中,將感測器 (包括振動、電流、溫度……) 的原始訊號直接作為類神經或深度學習網路的輸入值,效果不彰;若要達到預先診斷,訊號的特徵擷取是重要因子。此外,醫療業與製造業許多應用的背後理論相似,檢驗醫療影像的技術也能用於 AOI,檢驗心電訊號的演算法,可用於檢驗機台振動訊號。
AI 現正於各領域蓬勃發展中,演算法進入門檻亦越來越低,真正的關鍵是如何為現有數據有效轉化為實際應用並產生效益,Domain know-how 才是真正挑戰所在。模型訓練 (Model Training) 需要強大的 CPU 運算能力奧援;但若能找到決定性的型態 (pattern)、做成推論引擎 (Inference Engine),便能以最少運算資源、在最短時間內算出想要的結果。
延伸閱讀:
《Deep Learning 與 AI 進駐工業 4.0》
http://compotechasia.com/a/____/2017/0911/36625.html
(點擊內文標題即可閱讀全文)
#麗臺科技Leadtek #輝達nVidia #統一運算架構CUDA
★★【智慧應用開發論壇】(FB 不公開社團:https://www.facebook.com/groups/smart.application/) 誠邀各界擁有工程專業或實作經驗的好手參與討論,採「實名制」入社。申請加入前請至 https://goo.gl/forms/829J9rWjR3lVJ67S2 填寫基本資料,以利規劃議題方向;未留資料者恕不受理。★★
「遞歸神經網路rnn」的推薦目錄:
- 關於遞歸神經網路rnn 在 COMPOTECHAsia電子與電腦 - 陸克文化 Facebook
- 關於遞歸神經網路rnn 在 孫弘岳-人力資源管理的世界 Facebook
- 關於遞歸神經網路rnn 在 緯育TibaMe Facebook
- 關於遞歸神經網路rnn 在 深度學習6:遞歸神經網路(Recurrent Neural Network, RNN ... 的評價
- 關於遞歸神經網路rnn 在 【深度學習實作】4.1.1 遞迴神經網路/RNN(實作I) - YouTube 的評價
- 關於遞歸神經網路rnn 在 遞歸神經網路(RNN)和長短期記憶模型(LSTM)的運作原理 的評價
- 關於遞歸神經網路rnn 在 遞歸神經網路rnn的推薦與評價,YOUTUBE、FACEBOOK 的評價
- 關於遞歸神經網路rnn 在 lstm pytorch實作2023-精選在臉書/Facebook/Dcard上的焦點 ... 的評價
遞歸神經網路rnn 在 孫弘岳-人力資源管理的世界 Facebook 八卦
AI如何預測人格特質?
Artificial Intelligence (AI)人工智能之所以受到曙目,不在於它能模擬人類的思考與學習,學人說話或下棋,而是它能接收複雜的資料,進行分析和預測,協助與提升人類作決策的品質 (這與Big Data大數據有異曲同工之妙)。
這也說明為何AI在人力資源領域的應用場景,目前大都用在人才甄選的功能。因為想要預測一個應徵者未來的績效表現或行為傾向,一直是實務界想要解決的問題。
許多研究指出,人格特質不但可以作為個人與工作適配性的指標,也可以用來預測個人與組織的適配性。而五大性格模型( Big Five factors)是目前同時廣被學術和實務界採用的分類法,包括親和性、勤勉審慎、情緒穩定、外向、以及開放性的特質。
要了解一個人的五大性格傾向或給人的印象,除了問卷外,還可以根據許多非口語訊息或肢體語言,例如面部表情、動作、聲音、語氣等。雖然是間接性的推測,但可以避免問卷作假的議題,也常被應用在臨床心理的領域。
一般人或面試者畢竟不是FBI,無法面試過程中觀察並記住應徵者所有的細節,並當下進行嚴謹的分析,就進行推測。此時,就是AI可以派上用場的機會。它不會失誤,一致性高,可以相對精準地記錄並分析應徵者所有的口語與非口語訊息。
目前相關研究證實,面試者的眼神表情可以預測其性格是否外向主動或神精質,而說話的口氣和音調,可以預測認真負責與細心的傾向。英國劍橋大學的兩位學者,在2017年IEEE發表的期刊論文中,運用遞歸神經網路和長短期記憶模型RNN & LSTM,加上信號處理(例如: Mel-Frequency Spectrum)的技術,同時整合分析被面談者的臉部表情、眼神、身體動作、口氣音調,能顯著預測一個人的五大性格。在他們的實驗研究中,AI對最能預測工作績效與組織公民行為的勤勉審慎性,預測力高達0.5 R平方。
而這樣的運算模型,必然會被整合到目前視頻或錄影面試的工具中 (例如 https://hrda.pro)。簡言之,當雇主應用錄影面試在進行人才篩選或會議時,AI也能透過分析影像與聲音,同步提供參與者在五大性格的分佈機率,作為甄選與任用決策的參考。以上也是我接下來近幾年在科技部計畫執行、學術研究、產學合作開發AI人工智能面試工具的重點,分享給大家參考。
https://www.computer.org/csdl/trans/ta/2017/01/07368886-abs.html
遞歸神經網路rnn 在 緯育TibaMe Facebook 八卦
#每日5分鐘快速添補ai知識與技能
上週跟大家分享過CNN,
今天來認識一下RNN吧!
⠀⠀
RNN,又稱為遞歸神經網路。
它是一個擁有 LSTM 活性資料記憶體的神經網路,
可用於一系列資料以猜測接下來會發生的內容。
⠀⠀
舉例來說,
像你現在在閱讀時,
不會細細觀看所讀的每一個字詞,
而是會結合前面所看到的詞彙來理解意義,
這可以說明,人類的思考具備「連續性」。
而傳統的神經網路做不到這件事,
但RNN卻是可以做到的。
⠀⠀
RNN 應用於解決這類問題:
語音識別、語言建模、機器翻譯、為圖像取標題…等,
不僅帶來成功,
且它的應用領域還不斷擴展。
⠀⠀
RNN完整認識👇
https://blog.tibame.com/?p=19075
⠀⠀
#AI60問 #深度學習 #RNN #遞歸神經網路
【AI/資料科學不可不知的60道問題】
每週4篇AI新知識,一次只要5分鐘,
具備AI跨域知識,為職場技能加分💪
#TibaMe #緯育TibaMe #知識 #學習 #科技
遞歸神經網路rnn 在 【深度學習實作】4.1.1 遞迴神經網路/RNN(實作I) - YouTube 的八卦
【深度學習實作】4.1.1 遞迴 神經網路 / RNN (實作I). 962 views · 1 year ago #deeplearning #tensorflow #keras ...more ... ... <看更多>
遞歸神經網路rnn 在 遞歸神經網路(RNN)和長短期記憶模型(LSTM)的運作原理 的八卦
遞歸神經網路 (RNN)和長短期記憶模型(LSTM)的運作原理| 全台大學開課課程資訊網 ... 這幾年,機器學習(machinelearning)相關的應用獲得了許多關注,其中有幾大領域特別. ... <看更多>
遞歸神經網路rnn 在 深度學習6:遞歸神經網路(Recurrent Neural Network, RNN ... 的八卦
深度學習6: 遞歸神經網路 ( Recurrent Neural Network, RNN)原理及應用、Elman RNN、Jordan RNN 蘇豐文教授機器學習第四講介紹了前饋類神經網路( ... ... <看更多>