=版权申明=
CC [https://creativecommons.org/licenses/by-nc-nd/3.0/cn/ BY-NC-SAND]
=教学团队课程信息 =
互联网+实验室 [http://net.icenter.tsinghua.edu.cn iNetLab]课号：01510202
[https://net.icenter.tsinghua.edu.cn 陈震] [http://wiki.icenter.tsinghua.edu.cn/maxd 马晓东] 章屹松 王蓓蓓 高英英文：Smart Things and Intelligent Systems
助教：郑文勋 王晗简写：STIS
=教学背景=教学目标：[[智能硬件与智能系统-教学目标]]
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。== 教学团队 ==
=课程内容=[[互联网+实验室|智能系统实验室]] ： [[陈震]][[马晓东]] [[章屹松]] [[郭敏]] [[高英]] [[王浩宇]]
== 云＋端 ==助教：[[刘昊天]] [[刘桥]]
===智能端=教学资源 ==
移动设备：Android / iOS <big>'''由清华iCenter [[基础工业训练中心-智能硬件库|智能硬件库]]、[[基础工业训练中心-智能机器人库|智能机器人库]]和[[基础工业训练中心-人工智能平台|人工智能平台]]保障支持'''。
嵌入式设备：Raspberry Pi 2 / Arduino= 课程教学 =
可穿戴式硬件：手环 / Apple Watch== 教学计划 ==
===嵌入式开发平台=== [[智能硬件与智能系统-教学计划]]
====NVIDIA JETSON TK1==== 以往教学： [[智能硬件与智能系统-以往教学]]
[http://www.nvidia.cn/object/jetson-tk1-embedded-dev-kit-cn.html Jetson TK1]== 教学管理 ==
====Raspberry Pi==== [[智能硬件与智能系统-学生分组]]
[https://www.raspberrypi.org Raspberry Pi]= 参考资料 =
===云计算与大数据===[[智能硬件-参考文献 | 参考文献]]
====数据中心==== [[智能硬件-参考课程 | 参考课程]]
Google公司拥有分布全球的十几个数据中心，上百万台机器的集群计算，具体数目是保密数字= 致谢 =
# L.A. Barroso, J. Clidaras, and U. Holzle, The Datacenter as a Computer: An Introduction to the Design of Warehouse[[致谢-Scale Machines, 2nd ed., 2013.微软公司]]
====云计算平台====[[致谢-声智科技]]
[http://cloud.icenter.tsinghua.edu.cn iCenter-Cloud] [http://portal.azure.com Azure] # Fox, Armando, et al. "Above the clouds: A Berkeley view of cloud computing." Dept. Electrical Eng. and Comput. Sciences, University of California, Berkeley, Rep. UCB/EECS 28 (2009): 13. ====大数据平台==== # Jeffrey Dean and Sanjay Ghemawat, MapReduce: Simplified Data Processing on Large Clusters, OSDI 2004.# Chang F, Dean J, Ghemawat S, et al. Bigtable: A distributed storage system for structured data. OSDI 2006.# Yang, Fangjin, et al. "Druid: a real致谢-time analytical data store." ACM sigmod, 2014. ====机器学习==== # Jeffrey Dean et al. "Large scale distributed deep networks." Advances in Neural Information Processing Systems. 2012. ==智能系统== [[大数据智能Momenta]] =项目分组=[[智能硬件-学生分组]] =作业1= Install TensorFlow Mobile in HUAWEI Kylin 930 =论文研读= ==第一次== [[智能硬件-课程阅读1]] ==第二次== [[智能硬件-课程阅读2]] =课程项目= ==学生准备== 携带笔记本，智能手机 (Bring your own laptop computers and camera-ready smart phones) ==课程项目-语音识别== ===ASR-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。 [[智能硬件-语音指令集]] 存放目录：\\101.6.160.42\智能硬件录音 以学号建立文件夹，限定使用*.wav格式。 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 ===ASR-实验2=== 声控智能硬件-频谱图生成 # 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# 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-人脸识别== [[智能硬件-人脸识别]] ==课程项目-云+端整合== ===Thrift协议=== ===Client端=== 调用API录音 调用Thrift接口 ===Server端=== 接收录音文件 调用服务端程序 ===参考===[https://developer.android.com/index.html Android开发入门] ==课程项目-深度学习== ===基本任务：手写数字识别=== 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。 ===提高任务：物体检测=== 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。 提交报告时，请一并提交自己编写或修改过的源代码。 ===附件=== 更多帮助，请阅读实验指导书。 实验指导书和工具箱下载： http://166.111.6.122/RegionDownloadService/1511/0A6A33E76DFD6DFCD75E20F7C1226B7E3.html （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。 感谢微软公司 杨滔经理，章艳经理，刘士君工程师，闫伟工程师。 =参考文献= # Stuart Russell and Peter Norvig, Artificial Intelligence: A modern approach. Prentice-Hall, 2005.# Ferrucci, David A. "Introduction to “this is watson”." IBM Journal of Research and Development 56.3.4 (2012): 1-1.# Bradski, Gary, and Adrian Kaehler. Learning OpenCV: Computer vision with the OpenCV library. O'Reilly Media, Inc., 2008.# 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.# Spectrogram, https://en.wikipedia.org/wiki/Spectrogram# TensorFlow, https://www.tensorflow.org