第2章
人工神经网络与机器学习

知识地图

本章首先介绍什么是人工神经网络，从人脑神经元谈起，阐述人工神经元的结构与原理，在此基础上说明人工神经网络的两种结构，重点说明本章应用中采用的卷积神经网络。其次介绍机器学习的主要思想，说明监督学习、非监督学习、强化学习方法的技术要点，重点解释本章所用的监督学习方法——误差反向传播算法。最后说明如何将上述原理应用于实现人脸识别与语音识别，并在此基础上进行智能小车控制，给出完整的实践流程。

本章知识地图如图2.1所示。

图2.1　“人工神经网络与机器学习”知识地图

学习目标

知识与技能：

1.理解人工神经网络的起源与构成。

2.理解机器学习算法的思想与原理。

3.了解人工神经网络与机器学习的关系。

4.能应用人工神经网络与机器学习实现人脸识别、语音识别及类似应用。

过程与方法：

1.通过理论知识的学习，使学生掌握人工神经网络与机器学习技术。

2.通过对智能小车应用实例的实践，使学生能实际应用人工神经网络与机器学习技术。

情感与态度：

1.正确认知人工神经网络与机器学习技术的价值。

2.提高对人类大脑与学习机制的探究兴趣。

体验

人脸识别和语音识别是目前人工智能的两种主流应用和体现。图2.2是利用人脸识别与语音识别控制智能小车的案例，其中人脸识别用于识别智能小车的主人，根据手机摄像头拍摄的人脸图像，确定当前使用者是否为小车主人，只有小车主人才能对小车进行控制；语音识别用于识别小车主人发出的控制指令，根据手机听筒获得的声音信号，识别其所对应的控制指令类别。

图2.2　利用人脸识别与语音识别控制智能小车

那么，在智能小车的人脸识别与语音识别背后，是怎样的人工智能技术在起作用呢？