|
|
| （4位用户的124个中间修订版本未显示） |
| 第1行： |
第1行： |
| − | =版权申明= | + | = 版权申明 = |
| | | | |
| − | CC BY-NC-SA | + | CC [https://creativecommons.org/licenses/by-nc-nd/3.0/cn/ BY-NC-ND] |
| | | | |
| − | =教学团队= | + | = 课程信息 = |
| | | | |
| − | [[互联网+实验室]]
| + | 课号：01510202 |
| | | | |
| − | 助教：郑文勋 王晗
| + | 英文：Smart Things and Intelligent Systems |
| | | | |
| − | =教学背景=
| + | 简写：STIS |
| | | | |
| − | 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。
| + | 教学目标：[[智能硬件与智能系统-教学目标]] |
| | | | |
| − | =课程内容= | + | == 教学团队 == |
| | | | |
| − | == 云＋端 ==
| + | [[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]] |
| | | | |
| − | ===智能端===
| + | 助教：[[刘昊天]] [[刘桥]] |
| | | | |
| − | 移动设备：Android / iOS
| + | == 教学资源 == |
| | | | |
| − | 嵌入式设备：Raspberry Pi 2 / Arduino
| + | <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'''。 |
| | | | |
| − | 可穿戴式硬件：手环 / Apple Watch
| + | = 课程教学 = |
| | | | |
| − | ===嵌入式开发平台=== | + | == 教学计划 == |
| | | | |
| − | ====NVIDIA JETSON TK1====
| + | [[智能硬件与智能系统-教学计划]] |
| | | | |
| − | [http://www.nvidia.cn/object/jetson-tk1-embedded-dev-kit-cn.html Jetson TK1] | + | 以往教学： [[智能硬件与智能系统-以往教学]] |
| | | | |
| − | ====Raspberry Pi==== | + | == 教学管理 == |
| | | | |
| − | [https://www.raspberrypi.org Raspberry Pi] | + | [[智能硬件与智能系统-学生分组]] |
| | | | |
| − | ===云计算与大数据=== | + | = 参考资料 = |
| | | | |
| − | ====数据中心====
| + | [[智能硬件-参考文献 | 参考文献]] |
| | | | |
| − | 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
| + | [[智能硬件-参考课程 | 参考课程]] |
| | | | |
| − | # L.A. Barroso, J. Clidaras, and U. Holzle, The Datacenter as a Computer: An Introduction to the Design of Warehouse-Scale Machines, 2nd ed., 2013.
| + | = 致谢 = |
| | | | |
| − | ====云计算平台====
| + | [[致谢-微软公司]] |
| | | | |
| − | [http://cloud.icenter.tsinghua.edu.cn iCenter-Cloud] | + | [[致谢-声智科技]] |
| | | | |
| − | [http://portal.azure.com Azure] | + | [[致谢-Momenta]] |
| − | | + | |
| − | # 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-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]] | + | |
| − | | + | |
| − | =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==
| + | |
| − | | + | |
| − | [[智能硬件-云端整合]]
| + | |
| − | | + | |
| − | ==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
| + | |
