查看“智能硬件与智能系统”的源代码

==教学团队==
互联网+实验室 [http://net.icenter.tsinghua.edu.cn iNetLab]

[https://www.researchgate.net/profile/Zhen_Chen16/ 陈震]  
马晓东 章屹松 王蓓蓓 高英

助教：郑文勋 王晗

=教学背景=

随着计算机应用的日益普及和计算机网络的快速发展，互联网+的社会经济浪潮日益显现，以互联网连接的物理硬件系统和以大数据云计算为基础的信息系统，使得具有智能的机器人、自动驾驶的无人机等等智能系统成为新的技术发展浪潮，并催生了“智能硬件”的新生态。

=课程内容=

==云计算与大数据==

==Azure云使用==

==iCenter-Cloud云使用==

==嵌入式开发平台==
===NVIDIA JETSON TK1===

[http://www.nvidia.cn/object/jetson-tk1-embedded-dev-kit-cn.html jetson-tk1]

===Raspberry Pi===

[https://www.raspberrypi.org Raspberry Pi]

=项目分组=
==第一组==
组长：
许越

组员：
吴俣帅
杨应人

==第二组==
组长：
王亦凡

组员：
刘梦旸
张力

==第三组==
组长：
刘晓明

组员：
常昊男
全光林
朱泽宇

==第四组==
组长：
郑钰琦

组员：
郑安然
郑钰琦
高一川


=课程项目=

==实验1==
声控智能硬件-语音指令录音 

通过给手机语音指令，手机APP自动识别指令种类，进行相应的控制。

语音指令录音
      a蓝牙开机
      b蓝牙拨打电话／bb蓝牙打电话
      c蓝牙接听电话／cc蓝牙接电话 
      d蓝牙拒接
      e蓝牙播放音乐／ee蓝牙开始音乐
      f蓝牙暂停音乐／ff蓝牙停止音乐
      g蓝牙上一首／gg蓝牙上一曲
      h蓝牙下一首／hh蓝牙下一曲
      i蓝牙音量增大／ii蓝牙声音增大／iii蓝牙音量增加／iiii蓝牙声音增加
      j蓝牙音量减小／jj蓝牙声音减小 
      k蓝牙关机
      l蓝牙电量提醒／ll蓝牙还剩多少电／lll蓝牙还剩多少电量

存放目录：\\166.111.134.110\team-saturn\智能硬件录音

以学号建立文件夹

每位同学提交24条语音，要求高质量保证。

时间：10月7日中午12点之前

==实验2==
声控智能硬件-频谱图生成
	
(1)将24条语音文件生成对应的频谱图（spectrogram）[5]，频谱图文件名称为*.spec

(2)熟悉TensorFlow环境[6]，使用TensorFlow搭建3层全连接的神经网络（24个softmax输出）。

时间：2016年10月14日中午12点之前


==课程项目-深度学习==

===必做任务===
利用附件提供的Matlab Deep Learning Toolbox中的卷积神经网络（CNN），在MNIST手写数字样本集上，利用训练集样本进行训练，并对测试集样本进行测试。

建议阅读附件中的背景知识和工具箱中的CNN源代码，在了解算法原理和技术实现细节基础上，参照示例程序'''''CNN/test_example_CNN.m'''''，自行调整算法中至少一种关键参数或设置，例如调整CNN的卷积层及下采样层的层数、或模板大小等参数；在至少一种与原始程序不同的参数或设置下分别进行训练，做出测试集识别率（或错误率）随参数或设置变化的对照图或对照表，并标出最高识别率对应的参数或设置。

===选做任务===
请参考工具箱中'''''tests/test_example_SAE.m'''''示例文件，利用STL-10数据集中的无标注图片训练一个自动编码器，再用自动编码器隐含层的参数初始化一个神经网络分类器，并使用训练集中有标注的图片进行训练，最后使用神经网络分类器在测试集上进行测试。测试阶段，调用nntest的返回值“er”为测试集上的识别错误率。

在训练过程中，尝试调整算法中至少一种关键参数或设置，例如自动编码器隐含层的节点个数；在至少一种与原始程序不同的参数或设置下进行实验，做出测试结果随参数或设置变化的对照图或对照表。

在'''''test_example_SAE.m'''''中，建议修改第16行和第28行的'''''opts.numepochs'''''数值，比如将原来的1改为3；如果改变自动编码器隐含层节点数目进行实验比较，需要注意：
:第12行：sae = saesetup([784 <font color="#FF0000">'''100'''</font>]);
:第22行：nn = nnsetup([784 <font color="#FF0000">'''100'''</font> 10]);
中红色标注的参数要修改一致。

===报告要求===
报告应包含以下内容：
# 在MNIST手写数字样本测试集上，识别率（或错误率）随参数或设置变化的对照图或对照表。
#''（选做）''在STL-10 测试集上，识别率（或错误率）随参数或设置变化的对照图或对照表。
# 总结收获和体会。

===附件===
指导书、工具箱和数据集：''尚未上传''

（助教：王晗 wang-han13@mails.tsinghua.edu.cn）

==课程项目-智能医药问答==
（常嘉辉）



=致谢=
本课程获得微软Azure云计算与机器学习捐赠支持。


=参考文献=
1. Stuart Russell and Peter Norvig, Artificial Intelligence: A modern approach. Prentice-Hall, 2005.

2. Ferrucci, David A. "Introduction to “this is watson”." IBM Journal of Research and Development 56.3.4 (2012): 1-1.

3. Bradski, Gary, and Adrian Kaehler. Learning OpenCV: Computer vision with the OpenCV library. O'Reilly Media, Inc., 2008.

4. Hauswald, Johann, et al. "Sirius: An open end-to-end voice and vision personal assistant and its implications for future warehouse scale computers." ASPLOS, ACM, 2015.

5. Spectrogram, https://en.wikipedia.org/wiki/Spectrogram

6. TensorFlow, https://www.tensorflow.org