课程详情

武汉研课教育为学员设置人工智能研究课题，本课题邀请对机器人、人工智能以及与其关联的交叉学科等领域感兴趣的学员参与研究，深度交流，从乏味的日常学习中脱身而出，迈进真正的学术殿堂，带领学生开展真正的前沿科学研究。

人工智能研究课题

课程介绍

深度学习(DL，Deep Learning)是机器学习(ML，Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI，Artificial Intelligence)。机器学习是人工智能的子领域，也是人工智能的核心。它囊括了几乎所有对世界影响的方法。机器学习理论主要是设计和分析一些让计算机可以自动学习的算法。深度学习则属于机器学习的子类。它的灵感来源于人类大脑的方式，是利用深度神经网络来解决特征表达的一种学习过程。深度神经网络本身并非是一个全新的概念，可理解为含多个隐含层的神经网络结构。为了提高深层神经网络的训练效果，人们对神经元的连接方法以及激活函数等方面做出了调整。其目的在于建立、模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据，如文本、图像、声音。

课题背景

当排爆机器人一马当先守护静好，当服务型机器人成为潮流饭店的新标配。
计算机和机械自动化技术正在肉眼可见地改写人类活动的形态。不过，单个个体完成孤立任务仍是目前机器人需要突破的主要瓶颈。
单个机器人的“智商”是有限的，其控制芯片往往只能完成预定难度的计算任务。
在执行任务的过程中，“智能”往往变成“智障”。特别是在搜索、救援、战场等复杂而重要的场景，个体绝无胜任可能。
无论是任务分配困难导致的效率低下，还是失联、故障等意外状况都在向机器人研究界提出更高的要求。
更可靠、更快速、更廉价的多机器人系统，特别是让机器人在与环境和其它机器人的相互作用中学习和进化协作行为，成为最激动人心、最富挑战性的新边疆。

课题内容

一阶段：研究领域介绍
系统学习单机器人、多机器人的主要内容和发展历程，重点讲解基于多机器人的协作学习已有成果和未来研究方向，并帮助学员确定感兴趣的子课题。
第二阶段：知识拓展和补充
系统介绍自然语言处理的研究方法、过程、论文撰写流程和技巧，训练学员从零基础迅速上手编程语言——Python/Matlab和仿真工具Vrep。
第三阶段：选题与研究
介绍各子课题研究现状和潜在研究方向，细致讲解如何进行研究，括：机器人建模、人工智能机器学习方法特点、运动学习模型算法的代码编写、仿真验证实验等研究过程。
子课题一：多机器人运动智能控制和规划
子课题二：多机器人运动作业协同学习
子课题三：多机器人仿生智能计算方法
第四阶段：研究成果
训练学术论文写作能力，掌握学术论文写作过程和思路，在项目期间内同导师合作完成或者独立完成一篇学术论文。

人工智能研究课题相关推荐课程