前言：中文期刊網精心挑選了神經網絡就業方向范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
神經網絡就業方向范文1
本文主要以城市軌道交通的客流預測為研究對象，簡單介紹幾種目前國內外主流的預測方法。之后運用BP神經網絡算法，對上海軌道交通的實際客流做預測，并給出預測結果數據和分析。希望能夠通過對客流預測的研究，為城市軌道交通的調度與緊急情況下的疏散客流提供數據支持。
【關鍵詞】城市軌道交通 客流 預測
隨著全球城市現代化公共交通進程的不斷推進，軌道交通作為一種新型的具有較大運量、較高效率的公共交通方式具有巨大的優勢，能夠有效的提高居民的出行效率、緩解城市的交通壓力，因此城市軌道交通在我國近些年發展迅速。隨著軌道交通客流量的增長，對于軌道交通的客流預測的研究也隨之而興起。通過精確的客流預測，可以為軌道運營單位提供相對準確的數據支撐。使其日常的運力配置、客運組織更合理，在緊急突發事件下的預警和疏散更高效。因此，對軌道交通客流短期預測和分析的研究顯得越來越重要。
1 正文
1.1 國內外預測方法介紹
軌道交通短期客流預測交通客流預測在國際上是一個比較活躍，但是預測結果一直不怎么不令人滿意的研究課題。因為軌道交通是一個有人參與的、時變的復雜系統，具有高度的不確定性，這種不確定性給軌道交通客流預測帶來了困難。目前，在國內外交通客流預測分析領域的很多專家學者也在進行這方面的研究，并有了一些成果。這里介紹幾種常用方法：
1.1.1 基于四階段法的預測模型
以1962年美國芝加哥市發表的《Chicago Area Transportation Study》為標志，作為一種交通規劃理論和方法得以誕生。它以居民出行調查為基礎，由出行生成、出行分布、出行方式劃分、出行量分配四個階段組成。四階段法將研究對象劃分為交通小區，并通過對區域內人口、土地利用、就業情況、出行信息等相關資料進行綜合分析，建立數學模型，最終對客流總量進行預測。通過運營經驗確定軌道交通站點客流吸引范圍，之后在此范圍內進行出行調查。根據第36屆軌道交通國際會議的經驗值，軌道交通站點客流吸引半徑為：在城市中心地區，行人由所在地到達軌道交通車站，其步行距離大約為550米左右則較為合適；而在城市區，其步行距離應該在八百至一千米左右則較為適宜。
1.1.2 基于統計方法的預測模型
例如時間序列預測模型（將被預測量按照時間順序排列起來，構成一個連續的時間序列，并分析這組時間序列的過去變化，來推測今后可能的變化趨勢和變化規律）、卡爾曼濾波模型（卡爾曼濾波模型由Kalman于1960年提出的一種應用廣泛的代控制理論方法?？柭A測方法主要將控制理論中的卡爾曼模型應用于交通客、的預測，由狀態方程和觀測方程組成的狀態空間模型描述交通系統，并利用狀態方程、觀測方程和卡爾曼濾波預測交通流）。另外還有歷史平均模型、線性回歸模型、極大似然估計模型等。
1.1.3 基于灰色馬爾科夫的預測模型
其基礎理論――灰色理論，是由我國華中科技大學的鄧聚龍教授于上世紀80年代首先提出的理論。其理論概念為：通過少量的、不完全的信息，建立灰色微分預測模型，對事物發展規律作出模糊性的長期描述。灰色馬爾科夫模型是采用灰色模型對客流數據進行擬合，分析和判斷大客流的變化趨勢，并在灰色預測基礎上進行馬爾科夫修正預測，相對單純采用灰色模型，預測精度和效果有較大提高。
1.1.4 基于神經網絡的預測模型
神經網絡是一種新型的模擬人腦結構及其功能的處理系統，其利用大量的歷史數據訓練神經網絡模型，得到輸出對輸入的一種映射關系，利用這種映射關系對相應的輸入可以得到相關的預測結果。在1943年，美國心理學家W.S.McCulloeh和數學家W.Pitts提出了MP模型，首次提出了對人工神經網絡的研究。
1.2 基于BP神經網絡預測實例
接下來，本文介紹利用BP神經網絡的一個軌道客流短期預測的實例，運用上海軌道交通的歷史實際客流數據做為時間序列，對網絡進行訓練，進行之后某日的客流預測。
BP神經網絡是1986年由Rumelhart和McCelland為首的科學家小組提出的，是一種按誤差逆傳播算法訓練的多層前饋網絡，是目前應用最廣泛的神經網絡模型之一。他能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數學方程。它的學習規則是通過信息的正向傳播和誤差的反向傳播這兩個過程來不斷調整網絡的權值和閾值，使網絡的誤差平方和最小。BP神經網絡模型拓撲結構包括輸入層（Input）、隱層（Hidden）和輸出層（Output）。示意圖如圖1。
其詳細原理，本文不再贅述。
本文采用了2015年上海軌道交通從某日開始的連續100天的日客流總量的統計數據，對其按時間序列進行排序，形成一組數據向量，記為：
FlowData[i]；其中i=1，2，……100。
其分布圖如圖2。
注：由于數據敏感性，本文僅作方法研究，不提供完整的準確客流數據。
眾所周知，軌道交通日客流在大體趨勢上是隨著每周（也就是7天）有著周期性規律變化的（正如圖所示）。因此我們將FlowData進行重新整理，以每前7日客流為輸入項，第8日客流為輸出項。形成如下的輸入和輸出形式：
Input[1]={ FlowData[1]， FlowData[2] ……FlowData[7]}；
Output[1]= FlowData[8]；
……
Input[92]={ FlowData[92]， FlowData[93] ……FlowData[98]}；
Output[92]= FlowData[99]；
一共92組訓練數據，進行BP神經網絡的訓練學習。在訓練學習效果達到在一定的誤差范圍之內后，采用：
NewInput[]={FlowData[93]， FlowData[94] ……FlowData[99]}
作為網絡的輸入，讓網絡模擬計算，輸出結果，與實際結果FlowData [100]進行對比分析。
本文采用中的Neuro神經網絡庫所封裝的BP神經網絡算法進行編程，實現上述過程，其核心代碼如下：
//建立網絡
ActivationNetwork network = new ActivationNetwork（
new BipolarSigmoidFunction（sigmoidAlphaValue），
7， 14， 1）；
//采用BP學習算法
BackPropagationLearning teacher = new BackPropagationLearning（network）；
//訓練網絡
double error = teacher.RunEpoch（input， output）；
//模擬計算結果
double result = pute（networkInput）；
運行結果：
FlowData [100]真實值為5561126；經過BP神經網絡的訓練學習后，計算得出的預測值為5737446。誤差為3.17%。由此可以看出BP神經網絡是比較適用于預測短期的單日客流的。當網絡經過一定數據量的訓練，網絡的誤差在一定范圍內后，進行計算預測，則預測的精度和效果會比較理想。
2 展望
本文探討了軌道客流短期預測的一些方法，并利用BP神經網絡，進行了一個簡單的實例試算短期日客流的預測，還未能進行更加深入的研究?；谏窠浘W絡的軌道交通預測應該是一個比較好的方法和研究方向。如果要進行準實時客流的預警（即在更短、更細分的時間段內做客流預測），則需更為細致的歷史數據和實時數據的支持。
參考文獻
[1]李梟.軌道交通換乘站客流預測方法研究[D].北京：北京交通大學交通運輸學院，2010.
[2]楊軍.地鐵客流短期預測及客流疏散模擬研究[D].北京：北京交通大學，2013.
[3]呂利民.城市軌道交通短期客流預測方法[J].都市快軌交通，2015，28（02）：21-24.
[4]孔雪萍.短時交通信息動態預測方法的研究與實現[D].北京：北京航空航天大學計算機學院，2010.
[5]王奕.基于周期時變特點的城市軌道交通短期客流預測研究[J].城市軌道交通研究，2010，01（118）：47-49
[6]謝輝.軌道交通短期客流預測方法及其算法研究[J].現代城市軌道交通，2011（03）：97-99.
[7]楊軍.地鐵客流短期預測及客流疏散模擬研究[D].北京：北京交通大學，2013.
[8]百度百科，關于灰色模型的內容.http：///link？url=jkuFG3cX03C1QBBva0Kx-sZBKYhxDRlCPCJgZlS_q6swZKAwbGf-7mAU_GzizahbAPS7QN4eSYf742o8Fv92Ma.
[9]McCulloch W and Pitts W.A logical calculus of ideas immanent in nervous activity[J].Bulletin of Mathematical Biophysics，1943（05）：115-133.
[10]百度百科，關于BP神經網絡的內容.http：///link？url=0lSAjVyuKJioHWSXvKEWiQEDKwrSzjk3Dxw1dU8DVDB2cFfrgIBquUXf1N73Vtwjiebq7oD8vxfAa1xAFCZ-PK.
[11]Rumelhart D E，Hinton G E，Williams R J.Learing representations by back-propagation errors[J].Nature，1986（323）：533-536.
作者簡介
程浩（1984-），男，上海市人。碩士學位?，F為上海交通大學機械與動力工程學院工業工程專業2014級碩士研究生。研究方向為企業需求預測。
徐昕（1981-），男，上海市人。碩士學位?，F為上海交通大學機械與動力工程學院工業工程專業2014級碩士研究生。研究方向為信息網絡資源管控。
神經網絡就業方向范文2
關鍵詞：智能控制 教學改革 網絡課程
智能控制是當今國內外自動化學科中十分活躍的領域，是一門新興的交叉學科，代表著自動控制理論發展的新階段，其理論和分析方法廣泛應用于工業自動化系統、電力自動化系統和機械電子一體化等領域。該課程的內容豐富，理論分支較多，包括專家控制、模糊數學與模糊控制、人工神經網絡與神經網絡控制、遺傳算法等。通過本課程的學習，學生能夠及時了解自動控制技術發展的新動向，掌握智能控制理論的基本概念和原理，以及利用智能控制理論分析和設計系統的基本方法和技巧，并能解決一些簡單的實際問題。由于本課程的特點，大學高年級學生在學習過程中存在著難以理解、興趣不足等問題。筆者結合自身的教學實踐，對智能控制課程的教學改革提出了一些措施，并在具體實踐中取得了很好的效果。
一、智能控制課程的特點
1.多學科交叉，涵蓋面廣。智能控制課程的內容非常豐富，涵蓋了專家系統、模糊數學與模糊控制、人工神經網絡與神經網絡控制、遺傳算法等。課程的知識點大多比較抽象。
2.內容抽象，理論性強。該課程屬于偏理論的課，模糊控制、神經網絡、專家系統等諸多內容比較抽象、枯燥難懂，本科生往往不易理解。
二、目前教學中存在的問題
1.學時少，學生投入不足。我校智能控制課程為32學時，是在學生完成專業基礎課，如自動控制原理、現代控制理論、計算機控制等課程后，在大四的第一學期開設的。課程的學時本就不多，而且大四第一學期本科高年級學生面臨就業、實習實踐、考研準備等現實問題，投入課程學習的時間往往不足。
2.教學內容注重理論。智能控制課程理論性強，涉及的數學工具比較復雜。很多教師把理論知識講授作為教學的主要目標，忽視了對學生學習興趣與創新能力的培養，并且缺乏與學生的互動和交流，課堂氣氛比較沉悶。
3.缺少實驗實踐環節。目前國內外關于智能控制的一般教材中沒有給出適合教學的實驗方案，我校自開課以來也沒有開發相應配套的課程實驗，導致智能控制課程實驗難以有效開展。
三、教學改革的措施與實踐
我校自動化專業的定位是工程研究應用型，智能控制課程的主要教學目的是使學生及時了解到自動控制理論和技術發展的最新動向，掌握智能控制的基本原理、方法及其應用。因而，教師在智能控制課程教學內容的選取上不宜過多，應適當增加課程實驗，積極改革教學方法，以達到良好的教學效果。筆者圍繞授課對象的特點和課程要求，對該課程的施教做了如下嘗試。
1.把握課程重點，精簡教學內容。智能控制課程內容抽象、廣泛。作為一門本科生的選修課，教師在教學內容的選取方面，不宜過分抽象化和理論化，否則，學生會難以消化。因此，在授課過程中教師應精心選擇教學內容，淡化數學推導過程，把教學重點放在基本概念、基本原理、基本方法上，并介紹每種技術的應用領域和實現方法。例如，筆者在講授該課程時，就減少了理論推導，刪掉了組織神經網絡、模糊神經網絡等內容，選用一些實例來展示智能控制的應用，如模糊控制家用電器、BP網絡識別英文字母等。對每種方法的優缺點及改進方向，筆者則引導學生在以后的學習工作中深入研究。
2.引入MATLAB，激發學習興趣。MATLAB是美國MATHWORKS公司開發的數值分析和計算軟件，由于其具有功能強大、界面友善、開放性強等特點，已經在科學研究及工程計算領域得到廣泛應用。MATLAB中有很多針對智能控制的工具箱，如模糊邏輯（Fuzzy Logic）、神經網絡（Neural Network）、可視化動態仿真軟件Simulink、圖形用戶界面GUI等工具。應用這些工具箱和軟件，可以比較容易地實現各種控制算法、仿真智能控制系統。在課堂教學中引入MATLAB，一方面，可以生動、直觀地講解一些智能控制典型實例，如用模糊控制器控制二階系統、用線性神經網絡對輸入信號進行預測等，使學生體會到智能控制不僅是高深的理論，也是實用的技術，從而增加學習課程的興趣。另一方面，MATLAB比較容易入門，編程簡單，效率高。布置學生使用MATLAB語言編寫簡單程序，進行系統仿真，可以使學生掌握基本的智能控制系統建模和設計的方法。
3.建設網絡課程，鼓勵自主學習。由于該課程的學時少、內容多，僅靠課堂授課往往講不深、講不精，因此教師應用現代教育技術構建網絡教學平臺，這是對課堂教學的有益補充與深化。筆者利用學校提供的功能強大的Black Board網絡教學平臺，構建了智能控制網絡課程。本課程網站欄目的最大特點是互動性強，包含了交流答疑、主題討論、在線測試、問卷調查等欄目，可以實現教師與學生、學生與學生的直接交流。同時，網站內容更新與課堂教學同步，如課堂教學PPT、錄像、作業點評等欄目都是在每次教學完成后更新、增加的。該課程網站不僅發揮了輔助教學的作用，而且為教師與學生之間的互動、交流搭建了良好平臺。
4.增加實驗教學，培養綜合能力。為了幫助學生理解和掌握理論知識，教師應圍繞課程內容開發相應的實驗。筆者在教學實踐中發現，只靠理論灌輸，介紹控制算法，很難調動學生學習的積極性。我們開發的智能控制實驗包括兩個部分。首先，基于MATLAB平臺開展仿真實驗，如設計二階系統的模糊控制器及與PID控制器性能進行比較、編寫神經網絡字符識別程序等。這些仿真實驗的主要作用是加深學生對智能控制基本概念方法和應用的理解。其次，充分利用現有實驗條件，在過程控制實驗平臺開發綜合性設計性實驗，如采用模糊控制方法控制鍋爐溫度等。通過綜合性實驗可以逐步培養學生運用理論知識解決簡單實際問題的能力。
5.改革考核方法，提高教學質量。以往的智能控制課程沒有實驗，因而考核也以卷面成績為主。在教學實踐中，筆者采取了卷面成績+實驗成績+平時成績的考核方式，將實驗設計分數增加到25～30分，提高了學生參與實驗的積極性和實驗設計的質量。
經過幾年的教學改革實踐，學生逐漸增加了對智能控制課程的學習興趣，能較好地掌握智能控制的基本概念與設計方法，為畢業設計和進一步深造學習打下了良好的基礎。對任課教師而言，要保證良好的教學效果，不僅要努力提高教學能力，更重要的是要通過科研活動不斷跟蹤學科的新發展，并主動把它們引入智能控制課程的教學過程中去，不斷提高教學質量。
參考文獻：
[1] 李世華.智能控制概論課程的仿真實驗系統的設計與實現[J]. 電氣電子教學學報，2006(2)：65-68.
[2] 孫曉娟.智能控制課程教學的幾點思考[J].中國教育技術裝備, 2010（9）：54-55.
[3] 韋巍.智能控制技術[M].北京：機械工業出版社，2000.
[4] 樓順天.基于MATLAB的系統分析與設計：控制系統[M].西安：西安電子科技大學出版社，1998.
神經網絡就業方向范文3
基于PON模式接入層光纜網規劃與建設
大學生思想政治教育中幸福能力的培養
淺析IPTV系統的視頻分發網絡技術
通信行業體驗式營業廳現場管理淺析
基于網絡的成人教育學習平臺開發研究
基于核心職業能力培養項目化實訓模式探究
高校輔導員利用3G云技術實現學生網絡管理初探
基于FPGA的中頻數字接收器設計
勞務派遣員工教育培訓工作探討
基于雙向收斂蟻群算法在車間作業調度上的應用
高職教材評價及其指標體系設計
高職院?？蒲泄芾硐到y的開發與應用
淺談高職院校網絡環境下圖書資源的建設與管理
畢業生就業管理系統的開發與應用
師德建設與職業教育發展的關系探析
基于室內覆蓋的CDMA微型直放站應用研究
淺談高職院校大學新生心理素質的自我調節
提高電氣工程專業學生創新與實踐能力的研究
沿海水產企業員工薪酬模式研究
用EXCEL格式輸出VFP中數據的途徑
影響高職有效課堂教學的若干因素
化學分析實驗室的綠色化
探究理實一體化教學新模式
種業企業人力資源特征及對策研究
帶死區的增量式PID控制在濕度控制中的應用
淺析網絡環境下圖書館信息系統安全防范技術
固網智能化后虛擬網業務的應用研究
研究生擇業心理問題與解決途徑探析
淺析網絡地址轉換技術
基于Web的數據源訪問技術及應用
基于XML的WEB數據挖掘
超寬帶無線通信技術及其應用研究
基于神經網絡預測算法的網絡擁塞控制
網絡交換機原理及選擇
如何開展職業生涯管理工作
淺談教學中的以人為本
軟件項目中的需求開發和管理
略述漢語的幾類語法結構
電信企業新產品研發的流程設計探討
數據通信技術的比較研究
證券投資理論淺析
高校計算機審計應用的探討
對計算機網絡管理的應用與探討
軟交換技術及應用分析
淺談高職教育英語課程教學目標
淺談企業內部審計的創新
光網絡中的EDFA工作原理和發展方向
神經網絡就業方向范文4
【關鍵詞】車牌識別；機器視覺；研究
0 引言
機器視覺是應用本科電子信息類的一門重要選修課，該課程涉及圖像處理、計算機視覺、信號處理、模式識別和人工智能等多個領域內容。機器視覺從二維信息處理的角度研究了信息的認知、表征、處理的方法和理論，涉及的理論抽象、復雜且算法眾多[1]。傳統的教學方法，教師只是對照教材按部就班講解教材中的內容，學生只是被動學習，沒有實踐的內容，而且所學內容比較雜亂，不能靈活應用所學的方法去解決實際的一些問題，因此該種教學方法嚴重束縛了學生學習主動性，制約學生的各種能力的發展，與現代社會人才培養模式極不符合，為此，急需一種新的教學模式。
項目驅動教學法是一種適應新形勢下教學模式，該模式與傳統的教學模式相反，從教師為中心轉到學生為中心，通過項目激發學生的學習興趣，做到了“做中學”[2-4]。項目驅動教學法雖然將教轉到學，但其忽略了教師的教和項目的整體。為了彌補項目驅動教學中的一些不足，本文有效結合教師的導和項目的整體，提出了一個基于項目為核心的機器視覺應用本科課程項目。在課程中，教師可以有效引導學生主動學習圖像處理、圖像描述和分類學習理論的基礎知識和基本技能，培養學生靈活運用相關知識解決實際問題的能力。由于機器視覺這門課程設在電子信息類大四的第一學期，這學期的學生有一個很大的特點，就是面臨著找工作，急需要一些實踐經驗，為了提高學生的就業能力，需要選擇一個有效的項目提升就業能力。項目選擇既要考慮項目的難度，又要考慮課程所涉及的具體內容，本文從這兩方面提出了基于現實中視頻序列中車牌識別來進行項目開發，這個項目難度中等，涉及到內容主要有圖像處理、模式識別的內容，這些內容是解決車牌檢測和識別系統的關鍵。
1 車牌識別項目
車牌識別在智能交通中地位越來越突出，在港口，停車場、車輛監管方面得到了廣泛的應用，涉及到了多門學科的內容，主要包括圖像處理、模式識別、計算機視覺河應用數學等。車牌識別主要包含以下幾個模塊：車牌采集、車牌定位、車牌分割和車牌識別模模塊，在每個模塊中涉及到了許多相關的理論[5-6]，如圖1所示。本項目正好滿足該門課程的相關內容，項目從教教學計劃，每周的工作及成績評估進行分析。
1.1 教學計劃
經過為期8周的項目學習，可以完整地完成一個項目的開發，學到機器視覺的相關理論知識和技能。整個項目主要包含3個2個小時理論講座和每周的1個小時的討論會議，完成給定的項目的開發。項目開發一般有四個階段：理論學習階段，數據采集和預處理階段、數據處理階段和完善項目階段。理論學習階段主要是學習項目所需的理論知識和開發所要注意的內容；數據采集和預處理階段主要是采集所需數據，完成一些數值預處理；數據處理階段就是按照要求處理數據，完善項目階段就是要求學生按照要求完善項目開發。這幾個階段按照時間不同分布于不同的周次完成。
第1周到2周是理論學習階段，對于車牌識別項目來說就是要學習車牌的采集、定位、圖像的預處理（如圖像校正，圖象增強和邊緣檢測等操作），字符分割（垂直投影分割，連通區域分割和模板分割），字符識別（神經網絡、模板匹配和支持向量機）的理論。
第3周是數據采集和圖像預處理，這兩周主要是完成數據采集和圖像數據的預處理，包括圖像的平滑，圖像的校正和邊緣檢測。
第4周到7周完成車牌的定位、分割和字符識別。
第8周完成項目的開發
1.2 每周工作
在項目開發階段，每周的1個小時師生討論會。討論過程中，每個團隊選出一名學生簡短介紹自己團隊一周來的工作，這些工作包括技術實現、結果，還有遇到的問題，須用PPT 展示自己團隊的成果，接著教師進行點評，給出每個團隊的一些建議和疑難問題分析，以及一些特別復雜的算法（如梯度方向直方圖、支持向量機和神經網絡等）的講解。最后，接著用10-20分鐘的時間布置下周的開發內容和疑難問題解答。
1.3 成績評估
對于項目的評估，主要按照開發階段和筆試成績確定，開發的四個階段占總分的30%，小組的口頭報告占10%，10%小組的互評成績，剩下的是筆試成績。每個階段團隊都要上交一份10頁以上的項目報告和部分源代碼，每個階段任務根據學生采用的方法的復雜性和創意性給分。在每周的討論會議上，每個團隊給給出相同時間口頭報告，還有5分鐘的討論時間，要求每個成員都必須參與討論，教師根據口頭報告的內容和學生參與討論的程度給出成績。每個團隊把自己項目開發的報告和結果互評，取互評的平均成績作互評的成績。除了項目實踐成績以外，還需要掌握了一些機器視覺的相關理論知識，這也避免學生忽略理論的學習，其中也讓學生既理解開發所需的技術，也需要理解其對應的理論。
1.4 學生反饋
課程結束后，學生要求填寫一份匿名的項目評估表，根據表的內容填寫自己的見解。評估收集后，根據重視的程度，大約70%的學生認為相關理論講座比較重視，大約82%的學生比較重視每周的口頭報告，但也有一些學生抱怨時間不夠，完不成項目訓練。絕大部分學生認為每周的口頭報告這種交流方式很好，可以相互交流，找到自己的不足，解決自己的疑難問題，完善自己的程序開發。
2 結論
本文提出了一種基于項目為核心的機器視覺應用本科課程項目，在該項目中，學生不僅可以學到了分析問題、解決實際問題的能力，而且也增大了就業的機會。課程結束后，每個團隊都能開發出一套采用不同方法的車牌識別系統，雖然難易度不同，但都能識別視視頻中的車牌。項目開始階段，有些學生為了解決開發過程中面臨的問題，自己主動去學習相關理論知識，這些知識不僅來自課本，而且也來自大量的相關的專業文獻，也激發他們創新能力，得到了比預期好的成果。
【參考文獻】
[1]史金龍，白素琴，龐林斌，錢強.研究生機器視覺課程的CDIO 教學改革實踐[J].計算機教育，2013（9）：40-43.
[2]王洪才.論大學創新教學的三要素[J].復旦教育論壇，2012，10（4）：41-45.
[3]李成學，楊大柱.任務驅動教學法在電子技術實驗課中的應用[J].中外教育研究，2011，1（1）：79-80.
[4]施琴，陳軍，孫娣全，盧娟，許鳳慧.項目驅動教學法在電子技術實驗課程中的應用研究[J].工業與信息化教育，2013，8：66-69.
神經網絡就業方向范文5
【關鍵詞】 人工智能 大腦智能 智能機器人
0 引言
人工智能（Artificial Intelligence），英文縮寫為AI，是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規劃等）的學科，主要包括計算機實現智能的原理、制造類似于人腦智能的計算機。二十世紀七十年代以來被稱為世界三大尖端技術之一（空間技術、能源技術、人工智能）。也被認為是二十一世紀（基因工程、納米科學、人工智能）三大尖端技術之一。
1 人工智能的發展歷程
（1）人工智能的思想萌芽可以追溯到十七世紀的巴斯卡和萊布尼茨，他們較早萌生了有智能的機器的想法。十九世紀，英國數學家布爾和德摩爾根提出了“思維定律”，這些可謂是人工智能的開端。十九世紀二十年代，英國科學家巴貝奇設計了第一架“計算機器”，它被認為是計算機硬件，也是人工智能硬件的前身。1936年，24歲的英國數學家圖靈提出了“自動機”理論，把研究會思維的機器和計算機的工作大大向前推進了一步，在定義智慧時，圖靈做出了解釋，如果一臺機器能夠通過稱之為圖靈實驗的測試，那它就是智慧的，圖靈實驗的本質就是讓人在不看外型的情況下不能區別是機器的行為還是人的行為。（2）上世紀三四十年代，維納、弗雷治、羅素的數理邏輯，和丘奇、圖靈的數字功用以及計算機處理發展促使了1956年夏Dartmouth會議上人工智能學科（由“人工智能之父”麥卡錫提出，麥卡錫曾是Stanford人工智能實驗室主任）的誕生20世紀60年代以來，采用生物模仿來建立功能強大的算法，包括進化計算等，人工生命以進化計算為基礎，研究自組織、自復制、自修復以及形成這些特征的進化和環境適應。70年代以來，Conrad等研究人工仿生系統中的自適應、進化和群體動力學，提出不斷完善的“人工世界”模型。80年代，人工神經網絡再度興起促進人工生命的發展。（3）1992年貝茲德克提出計算智能。專家系統在90年代興起，模擬人類專家解決領域問題。
2 人工智能的研究
強人工智能的觀點認為有可能制造出真正能推理和解決問題的智能機器，并且，這樣的機器能將被認為是有知覺的，有自我意識的。弱人工智能的觀點認為不可能制造出能真正地推理和解決問題的智能機器，這些機器只不過看起來像是智能的，但是并不真正擁有智能，也不會有自主意識。現在主流科研集中在弱人工智能上，強人工智能的研究則處于停滯不前的狀態下。
目前人工智能主要研究內容是：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面，分布式人工智能與多智能主體系統、人工思維模型、知識系統、知識發現與數據挖掘、遺傳與演化計算、人工生命應用等等。未來人工智能可能會向以下幾個方面發展：模糊處理、并行化、神經網絡和機器情感。
3 人工智能的應用
IBM公司“deep blue”電腦擊敗了人類的世界國際象棋冠軍，美國Sandia實驗室建立了國際上最龐大的“虛擬現實”實驗室，擬通過數據頭盔和數據手套實現更友好的人機交互。國際各大計算機公司相繼開始將人工智能作為其研究內容，幾乎包括所有IT企業，以及很多金融巨頭，紛紛建立自己的人工智能產業部，利用“智能”來解決問題。無人駕駛車的誕生，打破了汽車靠人駕駛的時代。
MIT開發出了SHRDLU，STUDENT系統可以解決代數問題，而SIR系統則開始理解簡單的英文句子了，SIR的出現導致了新學科的出現：自然語言處理。在70年代出現的專家系統成了一個巨大的進步，它頭一次讓人知道計算機可以代替人類專家進行工作。在理論方面，計算機開始有了簡單的思維和視覺，而不能不提的是人工智能語言Prolog語言誕生了，它和Lisp一起幾乎成了人工智能工作者不可缺少的工具。
4 人工智能的影響及發展必須注意的問題
（1）人工智能對自然科學的影響。在需要使用數學計算機工具解決問題的學科，AI帶來的幫助不言而喻。更重要的是，AI反過來有助于人類最終認識自身智能的形成。（2）人工智能對經濟的影響。專家系統更深入各行各業，帶來巨大的宏觀效益。AI也促進了計算機工業網絡工業的發展。但同時，也帶來了勞務就業問題。由于AI在科技和工程中的應用，能夠代替人類進行各種技術工作和腦力勞動，會造成社會結構的劇烈變化。（3）人工智能對社會的影響。AI也為人類文化生活提供了新的模式?，F有的游戲將逐步發展為更高智能的交互式文化娛樂手段，今天，游戲中的人工智能應用已經深入到各大游戲制造商的開發中。
伴隨著人工智能和智能機器人的發展，不得不討論是人工智能本身就是超前研究，需要用未來的眼光開展現代的科研，因此很可能觸及倫理底線。作為科學研究可能涉及到的敏感問題，需要針對可能產生的沖突及早預防，而不是等到問題矛盾到了不可解決的時候才去想辦法化解。
5 智能機器人
智能機器人具有類似于人的智能，它裝備了高靈敏度的傳感器，因而具有超過一般人的視覺、聽覺、嗅覺、觸覺的能力，能對感知的信息進行分析，控制自己的行為，處理環境發生的變化，完成交給的各種復雜、困難的任務。而且有自我學習、歸納、總結、提高已掌握知識的能力。目前研制的智能機器人大都只具有部分的智能，和真正的意義上的智能機器人，還差得很遠。
6 結語
當然，雖然人工智能一直都處于計算機技術的最前沿，但人工智能的發展也并不是一帆風順的，并不象我們期待的那樣迅速，也曾因計算機計算能力的限制無法模仿人腦的思考以及與實際需求的差距過遠而走入低谷。人工智能的問題的在于，一方面哲學、認知科學、思維科學和心理學等學科所研究的智能層次高而抽象；另一方面AI邏輯符號、神經網絡和行為主義所研究的智能層次太基本。由于對中間機制知之甚少，這種背景下提出的各種AI理論，就只能是或者完全不同于人類思維，與人類的思維模式相距太遠，同時在人類思維方式的理解上也有待突破，不然很難形成更新的AI框架和理論體系。盡管如此，多學科的聯合協作研究也帶來了足夠引人注目的增長。因為人工智能的基本理論還不完整，我們還不能從本質上解釋我們的大腦為什么能夠思考，這種思考來自于什么，這種思考為什么得以產生等一系列問題。但經過這幾十年的發展，我們相信它會給世界帶來難以預料的變化。
參考文獻：
[1][美]StuartJ.Russell[美]PeterNorvig人工智能：一種現代的方法（第3版）.
[2]人工智能及其應用蔡自興徐光佑.
[3]游戲人工智能編程案例精粹[美]MatBuckland.
神經網絡就業方向范文6
關鍵詞：軟件行業；IT；就業
中圖分類號：G642 文獻標識碼：B
近幾年來，面對社會再就業和高校畢業生就業的巨大壓力和劇烈競爭，計算機專業畢業生的就業優勢不斷下降，就業難度不斷增加。一個比較普遍的現象是，學生就業的單位層次和待遇在不斷降低。那么計算機專業畢業生應如何選擇自己的就業方向呢？根據現有的就業情況看最好的就是軟件相關方面，畢業生的起薪48％在1500元以上(見下圖)，遠遠高于其他專業。
1軟件行業對人才的需求
據介紹，計算機軟件行業是目前的熱門行業。2007年我國的軟件產業增長率依然保持在30%以上。據招聘網站的統計，其相關職業單月數量達數十萬，申請數量達到百萬級。計算機軟件領域是一個包括系統軟件、Linux應
用、中間件軟件、嵌入式軟件、數據庫軟件、財務及企業管理軟件、教育軟件、游戲軟件、語音應用軟件等在內的復雜的集合體。隨著計算機深入各行各業，在大大提高效率的同時，也在深刻影響著人們的生活。計算機的深入應用離不開軟件，軟件產業將成為21世紀擁有最大產業規模和最具廣闊前景的新興產業。
從2007年的招聘情況看，軟件工程師、軟件測試工程師、網絡系統工程師、咨詢工程師等都有很多招聘職位，人才需求很大。尤其是軟件測試工程師，繼2006年的短缺之后，2007年仍然有很大的人才缺口，很多軟件測試工程師都享受著地位和薪水的雙高待遇。企業招聘人數很多，而且更青睞有經驗的應聘人群。軟件行業中從事計算機和網絡技術類工作的人員比重優勢很明顯，占到了從業人員總數的四成左右。從事銷售類和軟件工程師職位的人也較多。專家指出，中國的IT隊伍存在嚴重的結構失衡，既缺乏高級IT人才，也缺乏技能型、應用型信息技術人才，以及一大批能從事基礎性工作的技術人員。中國軟件人才的“金字塔”型合理結構并未實現，軟件產業健康、快速發展需要三類人才：既懂技術又懂管理的高級項目管理人員、系統分析及軟件測試人員、熟練的程序員，這三類由高到低的人才結構并未呈金字塔型。在軟件行業，具有3000元以上月工資的人員比例接近50%。
2全球軟件發展總體概況
(1) 全球軟件產業保持平穩增長。
(2) 各國形成自身特質發展。
美國：占據軟件產業最上游：基礎軟件、產品標準、高端產品。
日本：大企業需求、大企業應用。
愛爾蘭：軟件產品本地化。
印度：軟件出口外包。
韓國：數字內容、網游。
中國：國內信息化巨大需求、未來將影響軟件產業分工的重要因素。
(3) 中國軟件產業呈現以內需拉動型的增長模式。
這樣看來，軟件開發的確是計算機專業畢業生的好職業，那么如何成為軟件工作者，如何發展呢？
3目前軟件工作現狀
軟件行業提供了許多就業機會。能熟練使用辦公軟件，如Office，Excel等等，會一點編程，你最起碼可以做一個辦公白領。熟悉網絡的話，可以做企事業單位的網管、網絡維護、建網站等工作。能熟練使用C＋＋編程，熟悉操作系統，可以成為專職程序員，熟悉底層軟件還可以成為系統工程師。能熟練使用JAVA，可以處理面向對象的企業型的應用開發，公司企業Web頁面設計、Internet可視化軟件開發及動畫等，Web服務器手機上的JAVA游戲開發等等。熟悉Linux，完全可以在Linux世界里自由競爭，你只需要一臺電腦連上Internet以及一個好的頭腦就足夠了。你的Linux戰友們將會根據你的意見、你的代碼和你的其他貢獻來判斷你的能力，不愁找不到工作。能熟練使用Protel，可以找設計電路板方面的工作，如設計PC機板卡等等。單片機熟練，可以找單片機開發編程應用方面的工作。小企業，小產品多多，其中也自有一番樂趣。對DSP有一定基礎的話，可以在人工智能、模式識別、圖像處理或者數據采集、神經網絡等領域謀求一個職位。熟悉ARM，可以成為便攜式通信產品、手持運算、多媒體和嵌入式解決方案等領域里的一名產品研發工程師。熟悉EDA，能熟練應用HDL語言，熟悉各種算法，如FIR、FFT、CPU等等，同時掌握最新FPGA/CPLD器件的應用，把研制的自主知識產權的模塊用于ASIC。
此外，我國軟件開發工程師與測試工程師崗位比例為6∶1，遠遠低于國際水平。預計在未來10年內，我國IT企業對軟件測試人才的需求還將繼續增大。在談及測試人員的薪酬待遇時，企業方介紹“目前大多數公司給軟件測試人員提供了雙軌制的培訓和廣闊的發展平臺。薪金方面也比較豐厚，具有一定經驗的測試人員的薪水在5千到8千不等”。前程無憂2006年的薪酬報告顯示，軟件測試工程師在IT行業中越來越受到重視，其薪資也節節高升。初級軟件測試工程師的起薪從2000至5000元／月不等，若有三年工作經驗的話，薪資在8000元／月左右，具體視不同地域、不同性質企業、測試工程師的不同能力而定。以3.5年左右從業經驗的軟件測試工程師各地薪資情況來看，北京地區該職位的平均年薪逾5.8萬元，其中外商獨資企業的年薪為全國之最，將近8.5萬元，而其余各類型企業的年薪都在5萬至6萬元。上海地區軟件測試工程師的平均年薪為6.3萬元，歐美獨資和歐美合資企業的薪資不相上下，分別為7.9萬和7.7萬元。以上種種跡象表明，軟件測試工作已成為IT職場上炙手可熱的新“黃金職業”。
在今年北京國展招聘會上，國家軟件出口基地北京軟件出口中心人力資源負責人介紹，本次參與招聘的企業將主要對軟件測試工程師、J2EE高級軟件開發工程師、JAVA開發工程師等崗位展開招聘；由于測試工程師等人才極其緊缺，大多企業都比較急，甚至有些企業像金山、聯信永益等就直接打出“高薪急聘”字眼。也就是說計算機畢業生在軟件行業中就業面臨巨大壓力的同時，也有很多前所未有的機會和挑戰。
4軟件工作者如何發展
軟件行業的門檻相對較低。初級的開發者很多，這些開發者大多從事最上層的基本開發，基本知識相對薄弱，幾乎沒有經驗和系統思維，而且成長的空間也不大。在成長的初期，即軟件工程師和高級工程這個階段，是成長的關鍵。在軟件工程師階段，如果走不到高級工程師就只能轉變角色去其他的領域生存，實際上就大學畢業生而言，最終成為高級開發工程師的并不多，大概有10:1的比例。大多數在初級工程師到高級工程師這個過程中選擇了其他的發展方向，有一部分工作了數年依然是初級工程師的，很多時候感覺他們選擇這個行業是完全錯誤的。在高級工程師階段，如果繼續發展自己的技術能力走技術路線，可能成為系統架構師、分析師、資深技術專家。如果具備一定的領導能力，則可能成為團隊的領導者，甚至成為一個軟件開發企業的CTO。也就是說，要想在軟件開發的道路上走下去，就必須先成為高級開發工程師。
要成為系統開發者、專業開發者、高級應用開發者，需要很高的專業知識和很強的邏輯、抽象、空間思維能力，這就要求從業人員具有很好的基礎，同時具有較大的提升潛力。而要成為簡單開發者和初級應用開發者相對容易，因而使很多人走上了軟件開發的道路。初級開發者在發展的過程中很容易遇到障礙，能否跨過這個障礙成長為高級開發者就需要扎實的軟件理論基礎，較強的思維能力，努力的學習態度。由此可見，軟件開發者的路是很不好走的。成為入門級的開發者相對容易，但是普通的開發者基本過了30歲就很難找到滿意的工作了，如果沒有成為高級開發者繼而走上正確道路的能力和決心，在選擇軟件開發行業的時候一定要慎重！對于在技術路線上苦苦摸索的人來說，與其苦苦追尋，不如發揮自己的特長另辟蹊徑；對于適合技術路線的人，一定要規劃好自己的技術方向，努力提升自己的各方面能力，營造良好的人事環境，爭取自己最大的發展空間。
參考文獻：
