1、第第1章章 深度学习基础深度学习基础1.1 人工智能、机器学习与深度学习人工智能、机器学习与深度学习1.2 深度学习的三大核心要素深度学习的三大核心要素1.3 神经元与深度神经网络神经元与深度神经网络1.4 神经网络中常用的激励函数神经网络中常用的激励函数1.5 深度学习强大的原因深度学习强大的原因11.6 常见的深度学习框架常见的深度学习框架课上练习课上练习第第1章章 深度学习基础深度学习基础v1.1 人工智能、机器学习与深度学习v1.1.1人工智能简介v人工智能：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。v人工智能的目的：就是让计算机能够像人一
2、样思考。v人工智能的研究包括：机器人、语言识别、图像识别、自然语言处理和专家系统等。2v人工智能举例：3第第1章章 深度学习基础深度学习基础图图1.1 例例1 图图1.2例例2图图1.3例例3第第1章章 深度学习基础深度学习基础v1.1 人工智能、机器学习与深度学习v1.1.1人工智能简介v人工智能有两种类型：强人工智能和弱人工智能。v强人工智能：就是要使机器学习人的理解、学习和执行任务的能力。v弱人工智能：指用于自动化特定任务的软件。456.1 设施布置概述v 设施布置与设计是决定企业长期运营效率重要的决策。v 设施布置设计对生产系统极为重要，据测算，物料搬运和布置有关的成本占工厂生产总运营
3、成本2050% 。采用有效的布置方法，可以使这些成本降低30%，甚至更多。v 生产系统设施布置要解决的主要问题是： 是根据企业的经营目标和生产纲领，在已确定的空间场所内，按照从原材料的接收、零件和产品的制造，到成品的包装、发运的全过程，将人员、设备、物料所需要的空间做最适当的分配和最有效的组合，以便获得最大的生产经济效益。v 不仅有形的生产和服务设施会碰到布置和重新布置的问题，即使是非物质生产的服务系统，如商店、宾馆、餐馆也同样面临此问题。66.1.1 设施布置的内容在进行设施布置决策要考虑的内容主要有以下几个方面：v 物流和物料搬运设备。确定物流的重要性和形式，采用何种设备，是传送带、起重机
4、、自动仓库还是自动小车来发送和存储物料。并考虑物料在不同工作单元间移动的成本。v 容量和空间要求。只有先确定了人员、机器和设备的要求后，才能进行布置，为每一作业单位分配合理的空间，并考虑通道、洗手间、餐厅、楼梯等附属设施的要求。v 环境和美学。布置决策也要求确定窗户、分隔高度、室内植物等环境因素，以降低噪音、改善空气流通和提供隐密性等。v 信息流。通信交流对公司都是很重要的，布置必须方便交流，在办公室布置中尤其重要。v设施布置工厂设计 工厂总体布置+车间布置。v工厂总体布置设计 生产车间、辅助生产车间、仓库、动力站、办公室、露天作业场地等各种作业单位和运输线路、管线、绿化和美化设施的相互位置
5、物料的流向和流程、厂内外运输的联接及运输方式。v车间布置设计 各生产工段（工作站）、辅助服务部门、储存设施等作业单位及工作地、设备、通道、管线之间和相互位置 物料搬运的流程及运输方式。8v “作业单位” Activity 是指布置图中各个不同的工作区或存在物，是设施的基本区划。v 作业单位的最高层次是要设计的设施(Facility)，它包括一系列部门(Departments)，部门可以是车间或其他机构。v 而部门由工作中心(Work Center)组成，若是工厂这些工作中心可以是工段或班组，如车床工段；也可以是柔性制造单元(FMS)。v 通常部门级的布置指的是块状布置图(Block Layou
6、t)，工作中心级的布置是详细布置图(Detailed Layout)。v 工作中心由工作站(Workstation)组成。工作站也称工作地，是最小作业单位，它一般由一台机器和/或一个作业人员组成。v 工作地布置是整个布置的基础，工作站面积大小和形状对上面几个层次的布置影响很大，一般通过人机工程、工作测量和机器本身的尺寸和输入输出要求来确定工作地的面积和其他要求。10作业单位的层次设施设施部门部门部门部门部门部门部门部门工作中心工作中心工作中心工作中心工作中心工作中心工作地工作地工作地工作地工作地工作地块块状状布布置置图图详详细细布布置置图图工作地布置工作地布置宏观宏观微观微观工厂总平工厂总平面
7、布置图面布置图车间布车间布置图置图设备布置图设备布置图宏观宏观-微观的多次轮回微观的多次轮回116.1.2 设施布置的原则v设施布置的好坏直接影响整个系统的物流、信息流、生产经营能力、工艺过程、灵活性、效率、成本和安全等方面，并反映一个组织的工作质量、顾客印象和企业形象等内涵。v设施布置工作不但在新设施设计时要做，在原有设施重新设计改造时也需要。v企业经营总会面临内部条件和外部市场的各种变化，从而会出现当初布置设计时考虑不到的问题，都可能会要求重新布置生产或服务系统。12设施布置设计要考虑的基本原则：v整体综合原则。设计时应将设施布置有影响的所有因素都考虑进去，以达到优化的方案。v移动距离最小
8、原则。产品搬运距离的大小，不仅反映搬运费用的高低，也反映物料流动的通畅程度，因此，应以搬运距离最小原则选择最佳方案。v流动性原则。良好的设施布置应使在制品在生产过程中流动顺畅，消除无谓停滞，力求生产流程连续化。v空间利用原则。无论是生产区域或储存区域的空间安排，都应力求充分有效地利用空间。v柔性原则。在进行厂房设施规划布置前，应考虑各种因素变化可能带来的布置变更，以便于以后的扩展和调整。v安全原则。应考虑使作业人员有安全感，方便、舒适。136.1.3流动模式与空间需求v在生产与物流系统设计中， 流动模式和空间需求是两项重要的前提。 生产系统设施规划要考虑产品、 工艺和计划， 这些内容基本确定后
9、， 机器设备、 物料与人员就大致确定下来了， 这时候就可以确定相应的空间需求。v空间需求是一个动态的概念， 它与系统内主要物料的流动密切相关， 在介绍生产与服务各种系统的布置之前， 需要明确物料在系统内的总体流动方向与形式， 这就是流动模式。 v它不仅决定了布置的总体结构， 也与设施内通道和进出门的设置紧密相关。 141. 流动模式v对物流系统及其子系统总体流动状况的分析就是要明确货物或物料移动总体的路线与环境，这中间关键的考虑因素是流动模式（Patterns of Flow），称之的物流动线更形象。v流动模式可以分为水平和竖直的，多层设施布置时要考虑竖直模式，这在总平面布置中称为竖向布置。v
10、但总的来说，水平模式是最基本的。v不论布置对象的大小是工厂级、车间级，还是工作单元级，也不论采用何种原则布置，都要考虑物料的流动模式/动线。 第第1章章 深度学习基础深度学习基础v1.1 人工智能、机器学习与深度学习v1.1.2 机器学习简介v机器学习的广义概念：是指从已知数据中获得规律，并利用规律对未知数据进行预测的方法。v机器学习可用于：自然语言处理、图像识别、生物信息学以及风险预测等，已在工程学、经济学以及心理学等多个领域。v机器学习是一种统计学习方法，机器人和计算机等机器需要使用大量数据进行学习，从而提取出所需的信息。15第第1章章 深度学习基础深度学习基础v1.1 人工智能、机器学习
11、与深度学习v1.1.2 机器学习简介16图图1.4 机器学习分类机器学习分类 第第1章章 深度学习基础深度学习基础v1.1 人工智能、机器学习与深度学习v1.1.2 机器学习简介v机器学习主要分为有监督学习（也称监督学习）和无监督学习两种。v监督学习需要为机器提供一组标记数据。有监督学习通过训练，从标记数据中提取通用信息或特征信息， 以此得到预测模型。v监督学习的两种主要类型是分类和回归。17第第1章章 深度学习基础深度学习基础v1.1 人工智能、机器学习与深度学习v1.1.2 机器学习简介v在分类中，机器被训练成将一个组划分为特定的类。v分类的一个简单例子是电子邮件账户上的垃圾邮件过滤器。1
12、8图图1.5 邮件分类邮件分类 第第1章章 深度学习基础深度学习基础v1.1 人工智能、机器学习与深度学习v1.1.2 机器学习简介v在回归中，机器使用先前已标记的数据来预测未来。v比如使用气象历史数据预测未来天气。19第第1章章 深度学习基础深度学习基础v1.1 人工智能、机器学习与深度学习v1.1.2 机器学习简介v无监督学习分为聚类和降维。v聚类用于根据属性和行为对象进行分组。这与分类不同，因为这些组，不是人为提供的。v聚类的一个例子是将一个组划分成不同的子组（例如，基于年龄和婚姻状况），然后应用到有针对性的营销方案中。v降维，通过找到共同点来减少数据集的变量。大多数大数据可视化使用降维
13、来识别趋势和规则。20第第1章章 深度学习基础深度学习基础v1.1 人工智能、机器学习与深度学习v1.1.3 深度学习简介 深度学习：就是一种利用深度人工神经网络来进行自动分类、预测和学习的技术。21第第1章章 深度学习基础深度学习基础v1.1 人工智能、机器学习与深度学习v1.1.3 深度学习简介 人工神经网络是一种人类由于受到生物神经细胞结构启发而研究出的算法体系。22图图1.6 深度人工神经网络示意图深度人工神经网络示意图第第1章章 深度学习基础深度学习基础v1.1 人工智能、机器学习与深度学习v1.1.3 深度学习简介 人工智能、机器学习、深度学习的关系23图图1.7 人工智能、机器学
14、习、深度学习关系图人工智能、机器学习、深度学习关系图第第1章章 深度学习基础深度学习基础v1.2深度学习的三大核心要素深度学习的三大核心要素 24图图1.8 深度学习三大核心要素图深度学习三大核心要素图 第第1章章 深度学习基础深度学习基础v1.2深度学习的三大核心要素深度学习的三大核心要素v1.大数据25图图1.9 大数据时代传算法和深度学习算法准确率对比图大数据时代传算法和深度学习算法准确率对比图 第第1章章 深度学习基础深度学习基础v1.2深度学习的三大核心要素深度学习的三大核心要素v2.深度网络架构v所谓的深度网络架构，就是整个网络体系的构建方式和拓扑连接结构，目前最常用的有3种：全连
15、接网络、卷积神经网络、循环神经网络和生成对抗网络。26第第1章章 深度学习基础深度学习基础v1.2深度学习的三大核心要素深度学习的三大核心要素v3.高性能的计算力vGPU27图图1.11 NVIDIATITAN RTX GPU第第1章章 深度学习基础深度学习基础v1.3神经元与深度神经网络 人体的神经元包含树突、细胞核和轴突。 人工神经网络中的神经元模型包含输入、计算和输出三个部分。 输入模拟神经元的树突，而输出模拟神经元的轴突，计算模拟细胞核28第第1章章 深度学习基础深度学习基础v1.3神经元与深度神经网络v神经元模型29图图1.12 人体神经元细胞人体神经元细胞第第1章章 深度学习基础深
16、度学习基础v1.4神经网络中常用的激励函数30图图1.19 处理据能力示意图处理据能力示意图 第第1章章 深度学习基础深度学习基础v1.4神经网络中常用的激励函数311( )1xf xe1.Sigmoid 函数函数Sigmoid 函数表达式：1.21 Sigmoid函数示意图函数示意图 第第1章章 深度学习基础深度学习基础v1.4神经网络中常用的激励函数322.tanh 函数函数tanh 函数表达式：图图1.22 tanh函数示意图函数示意图 sinhtanhcoshxxxxxeexxee第第1章章 深度学习基础深度学习基础v1.4神经网络中常用的激励函数333.ReLU函数函数ReLU函数表
17、达式：y=max(0,x)图图1.23 ReLU函数示意图函数示意图第第1章章 深度学习基础深度学习基础v1.4神经网络中常用的激励函数345.Leaky ReLU 函数函数Leaky ReLU 函数表达式： 0( )0 xf xxxx第第1章章 深度学习基础深度学习基础v1.4神经网络中常用的激励函数356.Maxout 函数Maxout 函数表达式：1122( )max(,)TTf xxbxb第第1章章 深度学习基础深度学习基础v1.5深度学习强大的原因v主要原因有二：v1.不用再提取特征 v2.处理线性不可分的能力强。36第第1章章 深度学习基础深度学习基础v1.6常见的深度学习框架常见
18、的深度学习框架 1.PyTorch 2.TensorFlow 3.Caffe37 课堂练习v（1） 在图1.30的三个圆圈表示的范围中填入深度学习、人工智能、机器学习。v 图图1.30 人工智能、机器学习、深度学习关系图人工智能、机器学习、深度学习关系图 课堂练习v（1） 在图1.30的三个圆圈表示的范围中填入深度学习、人工智能、机器学习。课堂练习v（2）人工神经网络中的神经元模型包含输入、v 和输出三个部分。输入模拟神经元的 ，而输出模拟神经元的 ， 模拟细胞核。v答案：计算、树突、轴突、计算课堂练习v（3）Sigmoid函数变化范围是： 。答案：（0，1）课堂练习v（4）人工神经网络图中的
19、箭头被称为v 。答案：连接课堂练习（5）人工智能的两种类型： 和 。答案：强人工智能和弱人工智能。课堂练习v（1）请选出不是深度学习三要素的一项（）。vA.大数据 B. 深度框架 C.高性能计算力 D.高速网络访问答案：D课堂练习v（2）以下是强人工智能的一项是：（）。vA. 能够把原件抓取到生产线上的机器手 B. 分拣快递的机器人vC. 指纹识别系统 D. 会谱曲的机器人答案：D课堂练习v（3）支持动态神经网络的深度学习框架是（）。vA. Caffe B. Tensorflow C. Theano D. PyTorch答案：D课堂练习v（4） 以下哪个不是常见的深度学习框架（）。vA. Caffe B. Tensorflow C. Theano D. Python答案：D课堂练习v（5）监督学习的两种主要类型是（）和回归。vA. 分类 B. 训练 C. 深度学习 D. 梯度答案：A
