Page 117 - 物聯網金融商機

ୋʞ௝
演算法和人工智慧： 109
認知運算和深度學習

徵是可做為大數據分析的重要基礎，當然要發展這些學習能

力，須有強大的計算機計算的圖形處理器 (Graphic Processor
Units，GPU) 加速技術能力，GPU 伺服器是可用來運算訓練
這些深度神經網路的處理器。深度神經網絡可以分為 3 類：包

括前饋深度網絡 (Feed-Forward Deep Networks，FFDN)、反饋
深度網絡 (Feed-Back Deep Networks，FBDN)、雙向深度網絡
(Bi-Directional Deep Networks，BDDN) 等，FFDN 包括多層感
知機 (Multi-Layer Perceptron，MLP)、卷積神經網絡 (Convo-
lutional Neural Networks，CNN)，CNN 可做為計算機視覺應

用，BDDN 包括深度信念網絡(Deep Belief Networks，DBN)，
DBN 可做為圖像分類應用。深度學習開發工具有：Theano、
torch 或 tensorflow，matlab 的 Deep Learning toolbox，其中
MatConvNet 是 MATLAB 工具箱 實現 Convolutional Neural

Networks (CNNs) 神經網絡。
人工智能分為計算智能、感知智能、認知智能三個階段，
計算智能是指計算資訊應用，例如：神經網絡及遺傳算法。感
知智能是指使用感測器擷取輸入的資料來模擬人類的感知能力

以便做出判斷，例如：語音識別 (例如：Kaldi 運用語音識別
工具應用於擷取物聯網的詞彙)、人臉辨識及物體辨識等，而
深度學習的仿生學就是在實現感知智能。認知智能是指模擬人

類的思考能力，例如：無人駕駛汽車 (例如 Lutz pod) 及自主
行動的機器人。目前尚待研究階段。

深度學習演算撰寫方式

深度學習演算法可撰寫在雲端系統軟體設計和硬體晶片內
兩種做法，在資訊系統軟體內主要是展現營運流程人工智能行