多维度数据组合的人工智能系统性能优化分析.docx

?

?

多维度数据组合的人工智能系统性能优化分析

?

?

辛强伟唐云凯

摘要：信息存储、传输、处理等能力的增强为充分大范围利用大数据提供了可能。大数据是人工智能的重要基础之一，需要将大量数量进行合理的处理，通过对大量数据的选择、整合和分析，找出其中的正确规律加以运用。人工智能系统的可靠性或精度需要得到保障，特别是一些实际应用中对可靠性或精度要求极高。多维度数据组合可以降低数据的片面性和潜在的隐患，从而提升人工智能系统的可靠性和精度。

关键词：人工智能;大数据;多维度;组合

：TP393??：A??：1007-9416（2020）10-0000-00

0引言

人工智能即人造智能，指用机器（计算机）模拟或实现人类的智能。人工智能并非一个新概念，“人工智能”一词最早是在1956年Dartmouth学会上提出的，它是研究和开发用于模拟、延伸和扩展人的智能的科技。人工智能企图了解智能的实质，对人的意识、思维过程进行模拟，产生出能以人类智能相似的方式做出反应的智能设备，该设备能像人那样思考。人工智能领域的研究包括机器人、图像识别、语言识别处理和专家系统等。

人工智能自诞生以来，应用领域不断扩大，近些年由于大数据、通信技术、传感器等技术的快速发展使人工智能又上了一个台阶，也使人工智能新的应用有了基础和可能[1-2]。例如计算机视觉和图像处理、机器翻译和自然语言理解、专家系统、智能有哪些信誉好的足球投注网站引擎、数据挖掘和知识发现、自动驾驶、人像识别、文字识别、图像识别、车牌识别和语音识别等[3]。

1分析

人工智能系统特点是快速计算与海量存储能力，具有自主学习的能力，各模块之间互相依赖并且可以同时学习，具有实时的学习能力。人工智能系统的认知可分为三个步骤：首先获得数据，然后对数据进行加工整合得出结果，最后自我学习自我完善。人工智能系统要达到类人思考，像人一样思考，代替人取代人，特别是在一些重复性、很繁重或者说很危险的工作当中代替人，这样可以降低成本、提高效率和安全性。

机器学习是大数据的分析方式之一，也是人工智能的主要研究方向之一，有些大数据研发人员就是通过机器学习转入了人工智能领域。机器学习涉及统计学、概率论、逼近论、算法复杂度理论等多门学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

此外，人工智能还涉及到模式识别。模式识别研究模式的自动处理和判断，根据样本的特征将样本划分到一定的类别中去，使设备具有模仿人类通过感官接受外界信息、识别和理解周围环境的感知能力，即用计算机来模拟人的各种识别能力，当前主要应用在人工智能领域的图形识别和语音识别。然而，有些场景中对人工智能的应用提出了严苛的要求，人工智能系统的可靠性或精度需要得到保障。比如在无人驾驶中对数据获取的速度、精度以及数据通信传输的速度，都有很高的要求。因此需要进一步提出多种多样的方法来不断提升人工智能系统的可靠性或精度。

2多维度数据组合

反馈校正方式是一种提升系统性能的方法。反馈校正的基本原理是校正系统中对动态性能改善有重大妨碍作用的某些环节，恰当选择反馈校正的形式和参数，使系统的性能满足给定的指标要求。但在反馈校正方式和多种学习训练方法（如机器学习）之外需要另外的方法。

大数据作为人工智能发展的重要基础之一，与人工智能存在紧密的联系。正是基于大数据技术的快速发展，通过人工智能结合大数据，近些年人工智能才取得了诸多突破。数据的价值如何体现出来，其中一个重要方面是数据要应用到智能控制方面，智能控制是自动控制，不是人工控制。智能化的实现要依靠数据，数据量越大，那么它所反映出来的概率越准确。

统计学、概率论、组合学都可以在人工智能当中发挥重要的作用，特别是将三者结合起来使用。以往人工智能运用较多的是统计学、概率论，并没有明确地引入组合的思想，没有与组合学充分结合。人工智能与组合学相结合可以有效地提高人工智能系统的性能。人工智能的实现需要大量的数据，对于所取得的信息进行科学的分析，以便作为决策或控制的依据，这些都需要统计的支持。数据是人工智能的重要参考和依据。人工智能离不开对数据的分析，其中要用到大量的统计方法，以便对未来的状况进行预测。统计学应用广泛，例如，企业要对自己产品的市场潜力作出预测，以便及时调整生产计划，这就需要利用市场调查取得数据，并对数据进行统计分析;經济学家在预测通货膨胀时，运用有关生产价格指数、生产能力、失业率等统计数据，然后用统计模型进行预测。统计学能让人们正确地认识事物，避免或减少错误发生。概率论是研究随机现象的统计规律的数学学科。结果具有多种可能性，而且在之前可以确定所有可能的结果，但不能准确预言会出现哪种结果。概率是衡量事件发生的可能性的量度。在随机情况下某个事件的发生具有偶然性，但在相同条件下大量重