400-166-8600
德克薩斯農工大學(xué)Artie McFerrin化學(xué)工程系副教授兼安全工程計劃主任王慶生博士撰寫(xiě)的文章被選為美國化學(xué)學(xué)會(huì )(ACS)編輯推薦。Wang Group的研究生焦澤人，胡平凡和徐宏飛是該論文的合著(zhù)者。在初發(fā)表在《ACS化學(xué)健康與安全》雜志上的文章“化學(xué)健康與安全中的機器學(xué)習與深度學(xué)習：技術(shù)與應用的系統綜述”中，Wang及其團隊研究了有關(guān)機器學(xué)習與深度學(xué)習的新文獻。在安全工程方面進(jìn)行學(xué)習。
機器學(xué)習和深度學(xué)習是人工智能的子集，基于機器學(xué)習/深度學(xué)習技術(shù)的模型可以自動(dòng)從數據中學(xué)習并執行諸如預測和決策之類(lèi)的任務(wù)。大量的跨學(xué)科研究表明，將機器學(xué)習和深度學(xué)習結合到一個(gè)綜合的安全機制中已在趨勢識別和預測輔助方面取得了成功，可以較大地節省人力，物力和財力。
盡管機器學(xué)習和深度學(xué)習在安全工程方面具有非常相似的目標，但仍存在一些關(guān)鍵差異。機器學(xué)習結合了概率論，統計學(xué)，逼近論，算法復雜性理論和凸分析，從而構建了可以基于訓練數據構建數學(xué)模型以進(jìn)行預測或決策的算法，而無(wú)需對其進(jìn)行明確的編程。本質(zhì)上，機器學(xué)習技術(shù)可以解釋大量數據并提供預測，趨勢并做出明智的決策。
深度學(xué)習是機器學(xué)習的子集，它使用人工神經(jīng)網(wǎng)絡(luò )(受生物神經(jīng)元啟發(fā)的計算系統)作為表征和學(xué)習數據的體系結構。深度學(xué)習通過(guò)結合低級特征來(lái)發(fā)現數據的分布式特征表示，從而形成了一個(gè)更抽象的高層表示屬性類(lèi)別或特征，這可以消除基于機器學(xué)習的算法的特征工程步驟，從而提高了準確性，對于深度學(xué)習非常有用諸如計算機視覺(jué)和自然語(yǔ)言處理之類(lèi)的任務(wù)。這兩個(gè)領(lǐng)域都在迅速發(fā)展，具有在安全工程中應用的巨大潛力。
在本文中，Wang和他的研究團隊對100余篇同行評審論文進(jìn)行了分析和歸類(lèi)，以呈現當前機器和深度學(xué)習獎學(xué)金的概況，以及對該領(lǐng)域的進(jìn)展進(jìn)行綜述。此外，Wang強調了當前有關(guān)安全工程的機器和深度學(xué)習文獻中的挑戰和差距。
來(lái)源：生物幫
當前位置：