机器学习技术在嵌入式系统的应用.doc

嵌入式系统技术中的机器学习技术ZhaoLianZhengShandong University of Science and TechnologyInformation and Sciences Qingdao, CAbstractThis paper introduces the concepts and characteristics of embedded systems, review the application of machine learning technology-related technology in embedded systems. To understand the status of the application of machine learning technology in embedded systems based on the proposed development trend of embedded systems based on machine learning techniques.Keywords-embedded; machine learning; techniques I. 引言 以嵌入式计算机为核心的嵌入式系统(Embedded System)是继IT网络技术之后，又一个新的技术发展方向，它以其强大而灵活的可应用性得到了计算机、通信和信息等产业的广泛认可，已被广泛应用在工业控制、交通管理、信息家电、家庭智能管理系统、网络及电子商务、环境监测和机器人控制等领域1。嵌入式系统的出现与发展将真正实现计算机的“无处不在” 机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎2。II. 嵌入式系统A. 嵌入式系统的定义及其特点嵌入式系统（Embedded system），是一种“完全嵌入受控器件内部，为特定应用而设计的专用计算机系统”，根据英国电器工程师协会（ U.K. Institution of Electrical Engineer）的定义，嵌入式系统为控制、监视或辅助设备、机器或用于工厂运作的设备。与个人计算机这样的通用计算机系统不同，嵌入式系统通常执行的是带有特定要求的预先定义的任务。由于嵌入式系统只针对一项特殊的任务，设计人员能够对它进行优化，减小尺寸降低成本。嵌入式系统通常进行大量生产，所以单个的成本节约，能够随着产量进行成百上千的放大3。 嵌入式系统的核心是由一个或几个预先编程好以用来执行少数几项任务的微处理器或者单片机组成。与通用计算机能够运行用户选择的软件不同，嵌入式系统上的软件通常是暂时不变的；所以经常称为“固件”4。国内普遍认同的嵌入式系统定义为：以应用为中心，以计算机技术为基础，软硬件可裁剪，适应应用系统对功能、可靠性、成本、体积、功耗等严格要求的专用计算机系统5。嵌入式系统从应用角度出发，它是20世纪70年代以后计算机发展的一个分支，以应用为中心，以计算机技术为基础，软、硬件可裁剪，适用于应用系统对功能、可靠性、成本、体积、功耗等方面有严格要求的专用计算机系统。简单的说，嵌入式系统是嵌入到目标体系中的专用计算机系统6。嵌入式系统一般由嵌入式微处理器、外围硬件设备、嵌入式软件操作系统以及用户的应用程序4部分组成，用于实现对其他外部设备控制以及网络的数据交换等功能7。针对于某种特定的应用需求，嵌入式系统嵌入到对象软硬件体系中,从而实现其对应的功能8。嵌入式系统与普通的PC系统相比主要具有以下特点：(1) 嵌入式系统功耗低，体积小，专用性强。嵌入式CPU工作在为特定用户群设计的系统中，能够把PC中许多板卡完成的任务集成到芯片内部，有利于嵌入式系统设计的小型化9。(2) 嵌入式系统中的软件一般固化在存储芯片或单片机本身中，以提高实行速度与系统可靠性。硬软件都必须高效设计，系统要精简，对软件代码质量要求很高。操作系统一般和软件集成在一起。(3) 嵌入式系统开发需要专门的开发工具和开发环境10。III. 机器学习技术A. 机器学习技术简介及特点机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。机器学习是计算机科学和人工智能中非常重要的一个研究领域，机器学习不但在计算机科学的众多领域中大显身手，而且成为一些交叉学科的重要支撑技术11。机器学习在人工智能的研究中具有十分重要的地位。一个不具有学习能力的智能系统难以称得上是一个真正的智能系统12。计算机是是如何进行机器学习的呢？通俗来说，计算机程序是随着经验积累自动提高性能13，更深层来说就是计算机是如何通过修改代码来发展出自己新的功能，从而变得独立而强大。在机器学习在过去十年实际应用的急剧增长一直伴随着相关的算法和技术的许多重要发展14。正是在这种情形下，机器学习逐渐成为人工智能研究的核心之一。它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域15。机器能否象人类一样能具有学习能力呢？1959年美国的塞缪尔(Samuel)设计了一个下棋程序，这个程序具有学习能力，它可以在不断的对奕中改善自己的棋艺4年后，这个程序战胜了设计者本人。又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。这个程序向人们展示了机器学习的能力，提出了许多令人深思的社会问题与哲学问题。 机器的能力是否能超过人的，很多持否定意见的人的一个主要论据是：机器是人造的，其性能和动作完全是由设计者规定的，因此无论如何其能力也不会超过设计者本人。这种意见对不具备学习能力的机器来说的确是对的，可是对具备学习能力的机器就值得考虑了，因为这种机器的能力在应用中不断地提高，过一段时间之后，设计者本人也不知它的能力到了何种水平。 什么叫做机器学习(machine learning)？至今，还没有统一的“机器学习”定义，而且也很难给出一个公认的和准确的定义。为了便于进行讨论和估计学科的进展，有必要对机器学习给出定义，即使这种定义是不完全的和不充分的。顾名思义， 机器学习 是研究如何使用机器来模拟人类学习活动的一门学科。稍为严格的提法是：机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里所说的“机器”，指的就是计算机；现在是电子计算机，以后还可能是中子计算机、光子计算机或神经计算机等等。IV. 嵌入式系统与机器学习技术关系及应用A. 嵌入式与机器学习技术关系与发展众所周知，机器学习是人工智能的一个非常重要的部分，在当今计算机及其相关领域内，人工智能被受到广泛的重视，它已经被人们应用到几乎任何的计算机领域，当然这也包括当今热门的嵌入式系统领域。同样，机器学习技术也被人工智能这股风暴带进了嵌入式领域，被当作一种新兴的思想，一种新的技术，被整合到嵌入式系统内。曾经有人盲目的认为，人工智能只是一个飘渺的概念，或许它已经慢慢深入到我们的生活中，但那只是最”微不足道”的人工智能。认为人工智能只有超级计算机这种有着顶尖配置，超强运算能力的机器才能实现。那么我认为他对人工智能的认识只是浅显的，因为现在的科学证明了，人工智能已经被广泛的应于在当今社会的各个领域，即使是嵌入式系统，这种通常被我们认作是低配置，低消耗，系统精简，作用单一，也在慢慢接受人工智能，与机器学习技术在整合。机器学习现在似乎已经发展到一个新阶段，机器学习起源于人工智能对人类学习能力的追求，上一阶段的研究几乎完全局限在人工智能这一领域中，而现在，机器学习已经开始进入了计算机科学的不同领域，甚至其他学科，成为一种支持技术、服务技术。现阶段对机器学习的研究可能不应再过多地强调模拟人的学习能力可能应该把机器学习真正当成一种支持技术（手段而非目的），考虑不同领域甚至不同学科对机器学习的需求，找出其中具有共性的、必须解决的问题，并进而着手研究16。B. 机器学习技术在嵌入式系统中的应用实例一 作为处在当今全球消费电子产业技术创新金字塔最顶尖的“IC芯片”设计研发，一直以来，创新难度在业界一直被定义为“超级艰难”。 长虹这款智能语音芯片，被认为是长虹IC事业部“从有到精”的创新性提升。当前市场上的语音芯片多为被动接受语音指令，存在误别率低，应用到智能产品上之后存在着人机交互体验不好等问题。长虹IC事业部通过与中科院声学所的战略合作，一举推出了“长达6米超远距离内识别、语音识别率高达90%以上，且能听懂四川话等方言”等多种显著优势的智能语音芯片17。为了更好地借助智能时代的云计算、大数据等服务优势，长虹在这款语音芯片设计研发中，还特别增加了“主动学习能力”，借助云服务平台对消费者的语音按照不同性别、年龄进行记忆，并具备了自动适应不同语音的辨别能力。图 1 设备学习模型图图 2 设备交互图C. 机器学习技术在嵌入式系统中的应用实例二 一台洗衣机在春、夏、秋、冬四个季节外界环境是不一样的，由于水温及环境温度不同，洗涤时的程序也有区别，洗衣机应能自动学习不同环境中的洗涤程序；另外，在洗衣机早期应用中，洗衣机的零件处于紧耦合状态，过了磨合期，洗衣机的零件处于顺耦合状态，长期应用之后，洗衣机的零件处于松耦合状态18。对于不同时期，洗衣机应该对自身状态进行恰当的调整，同时还应产生与之相应的优化控制过程；此外，洗衣机在很多次数的洗涤中，应自动学习特定衣质、衣量条件下的最优洗涤程序，当用户放入不同量、不同质的衣服时，洗衣机应自动进入学习后的最优洗涤程序这就需要一种新的智能技术：神经网络控制19。V. 机器学习技术在嵌入式系统中的发展趋势随着机器学习技术的日益成熟，支持机器学习功能的嵌入式产品将得到越来越广泛的应用，这不仅将成为嵌入式系统发展的一个热点，也基于机器学习技术的嵌入式系统的未来的研究有以下几点趋势：(1) 高集成度、低功耗、小型化。随着嵌入式系统的微型化、智能化，嵌入式将朝着高智能化、高集成度、小型化方向发展20；(2) 提供方便、快捷的人机界面。嵌入式系统被广泛使用，主要原因是它的多媒体人机界面的方便、快捷，这将使嵌入式设备的操作更加方便快捷、人性化；(3) 嵌入式搭载云端服务器的AI必成为趋势21。VI. 总结 机器学习技术在嵌入式系统中起到了极为重要的作用，特别是在人机交互，系统自我完善，自我学习等方面起到了很重要的作用，是整个嵌入式系统的有效性、正确性得到保证的关键。在机器学习技术的支持以及云计算的支持下，对嵌入式系统的自我完善，及时反馈，学习执行功能将会成为现实，并且随着机器学习技术和云计算的进一步发展，嵌入式系统将会有着更广阔的发展空间。致谢感谢老师第一学期带领学习人工智能这门重要的课程，在这一学期的学习中是使初步了解了人工智能，并在老师的指导以及查阅了大量的资料和书籍的情况下完成了这篇论文。References1 Yu Zhong, Lin Min, Shenhua. Embedded systems based tutorial M. Beijing:NationalDefence Industry Press, 2009(In Chinese).2 Johannes Furnkranz Tobias Scheffer Myra Spiliopoulou，Machine Learning:ECML 2006.17th European Conference on Machine Learning Berlin, Germany:springer,2006.3 Embedded system , .2012(In Chinese).4 Embedded system ,http:/openfoundry .2012(In Chinese).5 64GB iNANDThe advent of embedded flash drive ,http:/icmade. com，2012.6 Peter Barry Patrick Crowley ,Modern Embedded Computing: Designing Connected, Pervasive, Media-Rich Systems,Morgan Kaufmann,2013.7 Yang Haiqing, Zhou Andong, Luo Yong, Chen mu. LCD real-time network communication in embedded system design method of J. computer and digitalengineering,.2010(In Chinese). 8 Tian Ze. Embedded development and application of M. system in Beihang University press.2005(In Chinese).9 Chen Xin. Present situation and development of embedded software technologytrend of M. software.2001(In Chinese).10 Tian Ze. The development and application of embedded system experimentaltutorial M. Beihang University press,.2004(In Chinese).11 Tom M. Mitchell ,Machine LearningM. McGraw-Hill Science Engineering,Math,1997.12 Drew Conway/John Myles White,Machine Learning for HackersM.OReilly Media,2012.13 TobySegaran,ProgrammingCollectiveIntelligenceM,OReilly Media,2007.14 Christopher M. Bishop,Pattern Recognition And Machine LearningM,Science Press,Springer,2007.15 Thomas Rath, Marco Kawollek. Robotic harvesting of Gerbera Jameson ii based on detection and three-dimensional modeling of cut flower pedicels J. Computers and Electronics in Agriculture, 2009, 66(1): 85 92.16 Stuart Russell and