<style>
.title {
color: #009933;
font-weight:bold;
}
.highlight {
color: #ff4d4d;
font-weight:bold;
border-bottom:2px red solid; padding-bottom:2px;
}
</style>
<!-- <font class="highlight"> -->
<!-- <font class="title"> -->
<!-- 縮寫提示 -->
*[O-RAN]:Open Radio Access Network

:::warning
# <center><i class="fa fa-book"></i> 精誠雲學院-人工智慧發展趨勢與應用案例</center>
:::
###### tags: `study` `精誠雲學院`

:::success
Lecturer: 蘇木春
Time: 2022/06/28 13:30-17:30
:::
:::info
- Reference:
:::
[toc]

# Point 1 人工智慧發展趨勢:
## 1.1 有沒有智慧(智慧的根源)？
- 這個生物有沒有學習的能力
- 懂得從錯誤中學習
- **記憶跟學習**是智慧的根源
## 1.2 研究途徑
- 由下而上：類神經發展
- 由上而下：專家系統發展
## 1.3 捲積類神經網路 (CNN)
### 1.3.1 Convolutional Neural Network
- 捲基層、池化層、全連結層
- 優點：
- 有限受激範圍
- 共享連結值權重，減少調參數數目，加快訓練
- 較不會受到平移、比例縮放、旋轉影響
### 1.3.2 感知機
- 步驟：
- **step1** 初始化(0~1)
- **step2** 計算輸出值
- **step3** 調整鍵結值向量
- **step4** 學習循環n+1
- 原則上，若有三層感知機即可解決所有分類問題
- 下圖表示n層可以解決的問題複雜度

- 類神經網路
- 找出梯度，沿著負梯度去搜尋
- 多層感知機
### 1.3.3 比較兩者
- 捲機運作方式(1)：框一個9x9**相乘運算**後填入一個數值
- 捲機運作方式(2)：框一個2x2**找出最大值**填入一個數值
- 所有神經元輸出加總等於一 (可用機率的方式去看)

# Point 2 人工智慧應用:
## 2.1 醫院場域
## 2.2 數位學習
## 2.3 智慧漁業
## 2.4 國防科技
## 2.5 代解決問題

# Summary

----
> **CNCF**: `Cloud-Native Computing Foundation`