深度学习的决策系统

您当前位置：首页 > 行业分析 > IT通讯 > 　正文

来源：中为咨询www.zwzyzx.com 【日期：2016-08-05 14:53:45】【打印】【关闭】

相关报告

无人驾驶的决策模块，采用大数据和深度学习模拟人类利用感知层传输的信息进行决策，如同人的大脑。AlphaGo与李世石的人机对战向我们展示了人工智能利用大数据和深度学习自我练习、决策的能力。而这也正是互联网公司在人工驾驶领域最大的优势。如，Google的强项就在于，其拥有的高精度地图和庞大的数据库，能够为无人驾驶提供一个非常好的先验知识。

A.算法+计算能力+数据。
如图所示，人工智能实现的基本要素来自作为基础的计算能力和大数据支撑，核心是算法，三者缺一不可。目前算法已经发展到深度学习算法，自动学习是深度学习方法与传统模式识别的方法最大的不同。AlphaGo的成功获益于深度学习的突破性发展。它把深度学习加上强化学习的方法引入进来，但是它的整体框架还是蒙特卡罗数的搜索，一个策略网络+一个估值网络，使得搜索可能步骤时的横向步骤减少了。经过10万多次复盘学习造就了AlphaGo的决策能力。

人工智能实现元素及演进

B.数据量与计算机能力的提升改善决策系统。

在无人驾驶领域，决策系统在算法上面临的难题首先在融合感知的背景下对信息进行处理，其次是在过渡阶段高度辅助驾驶的决策者有两个：人和控制器。驾驶行为的变化会影响控制算法的开发，做到如何做到完美的人车合一是现阶段亟待解决的问题。在数据上，数据量仍然有待提高，车联网和智慧交通的发展将为其解决数据量的问题。在计算能力上，硬件设备的发展也将不断提高计算能力。

本文地址：http://www.zwzyzx.com/show-336-221556-1.html

分享到：

上一篇：云计算实时更新高精度地图，进行定位匹配

下一篇：环境感知与辅助决策的先行者，ADAS龙头mobileye

相关资讯