汽车无线感测应用有神器，安森美半导体推出智能无源传感器。传感器是汽车电子控制系统的关键元器件，高性能的传感器对提升汽车主动安全、燃油经济性及舒适性有着重大意义。安森美半导体近期推出首创的超高频射频识别(RFID)传感器，该器件将一个称为Magnus的智能传感器IC及可印制的天线相结合，无需外接电源，能无线感测温度、湿度、压力和距离，用于汽车胎压监测、座椅压力检测、整车质量控制漏水检测及液位检测可降低成本，提升能效和可靠性，并为无限量的汽车及其他低成本感测应用开启了大门。 　　智能无源传感器的核心是MagnusR-S IC和一个远程无线收发器。MagnusR-S是一个系统单芯片，集成了能量收集引擎、感测湿度或压力的ChameleonTM传感器引擎、温度传感器、感测接收到的能源的距离传感器及存储独特ID的非易失性存储器；远程无线收发器用于收集感测信息并对其进行后处理，每秒能收集来自100个传感器的数据。 　　由MagnusR-S连接到天线而形成的智能无源传感器是完全可嵌入的。天线作为MagnusR-S和远程无线收发器之间的通信介质，和根据环境改变天线阻抗的刺激探测器。ChameleonTM传感器引擎用于检测由周围环境变化引起的天线阻抗的变化，将感测到的数据数字化为9位数字代码以便进行处理。距离传感器检测芯片内部可提供的功率，以确定与无线收发器相关的传感器的位置，它将距离信息数字化为5位数字代码。温度传感器的检测精度在0oc-50oc为±0.3 oc，在-40 oc-85 oc为±1 oc。感测通过对存储在非易失性存储器中校准的已知状态进行相关测量而实现，参考数据可随时被检索用于相关感测。远程无线收发器收集感测数据并对其进行后处理，减轻每一单个传感器本地后处理数据的负担，使得单个无线收发器能服务于数以千计的传感器。 　　当前市面上的无线传感器大都由收发器、额外的外围元件、刺激探测器及微控制器等多个IC组成，由电池供电，需要使用专用微控制器在每一节点对感测到的数据进行本地后处理。这类方案由于所需元件数较多，且后期使用需要维护，导致成本较高，目标市场有限。 　　智能无源传感器则将多个传感器和功能集成到单个芯片上，无需电池、刺激探测器和在感测节点的微控制器，感测数据将被发送到远程中央处理单元进行后处理。这种创新方案的优势在于集成度高，元件数较少，单个处理单元可为多个传感器工作，无需后期维护，较传统的无线传感器降低成本和能耗，且市场扩展性极高。

　　在本次大会的“金融助力机器人产业发展分论坛”上，上市公司、新三板，以及即将推出的战略新兴板、科创板都将优先支持机器人等智能制造产业。 　　“目前已有35家机器人企业在新三板挂牌。”中信证券董事总经理胡雅丽表示，新三板宽松便捷的融资制度为机器人产业提供了腾飞的平台。 　　但是在业内人士看来，我国机器人产业依然面临缺乏核心技术的问题，95%的企业集中在下游系统集成的环节，部分企业甚至可能面临被洗牌的处境。 　　各方资本青睐 　　近年来，我国机器人产业快速发展，目前已成为全球最大机器人市场。胡雅丽说，如果按照30%的复合增长率计算，机器人本体和系统集成的市场规模将达到300亿和1000亿元。 　　在系列政策利好驱驶下，资本市场早已嗅到了机器人带来的投资机遇。在中国多层次资本市场50人论坛执行秘书长武良山看来，当前是机器人产业融资的春天，优质的企业等待投资机构挖掘。 　　《每日经济新闻》记者注意到，就在今年10月份，位于深圳的狗尾草智能科技公司小白机器人宣布完成千万级别的Pre-A轮融资，投后估值1.3亿人民币。而这家公司成立还不到两年时间。而且，该公司主打的小白机器人在今年7月份才完成天使轮融资，仅过短短二个月即顺利获得下一轮融资，估值翻3倍，刷新众筹史上最快下一轮融资记录。 　　在24日举行的“金融助力机器人产业发展分论坛”上，《每日经济新闻》记者还获悉，重庆两江机器人融资租赁有限公司仅今年内，就在机器人产业投放出近10亿资金。 　　“机器人已经成为资本市场上最炽手可热的概念。A股市场上，有40多家机器人概念的股票涨势都不错。”中国多层次资本市场50人论坛执行秘书长武良山说，“而且，从目前了解到的消息看，创业板、新三板，以及即将推出的战略新兴板、科创板都将优先支持机器人等智能制造产业。” 　　记者注意到，目前已有35家机器人企业在新三板挂牌；四季度以来，又有10家机器人企业在待挂牌状态，另有20多家公司在审查待挂的状态。 　　在胡雅丽看来，新三板挂牌融资环境比较宽松，而且它的定位就是为广大中小创新型企业服务，因此新三板正成为机器人产业腾飞的平台。 　　除资本市场助力外，机器人产业的高增长背后也有政府“真金白银”的支持。以广东省为例，东莞市政府从2013年起每年拿出2亿元鼓励企业“机器换人”；佛山市则给予在当地注册的机器人企业一次性500万元的奖励。

　　变频器逆变模块损坏多半是由于驱动电路损坏致使1个桥臂上的2个开关器件同一时间导通所造成的。变频器逆变功率模块损坏是不管在矢量变频器还是节能变频器等其他变频设备上常见到的故障，解决这种问题只有查到损坏的根本原因，并首先消除再次损坏的可能，才能更换逆变模块，否则换上去的新模块会再损坏。 　　一、判断 　　逆变功率模块主要有IGBT、IPM等，检查外观是否已炸开，端子与相连印制板是否有烧蚀痕迹。用万用表查C-E、G-C、G-E是否已通，或用万用表测P对U、V、W和N对U、V、W电阻是否有不一致，以及各驱动功率器件控制极对U、V、W、P、N的电阻是否有不一致，以此判断是哪一功率器件损坏。 　　二、损坏原因查找 　　⑴ 器件本身质量不好。 　　⑵ 外部负载有严重过电流、不平衡，电动机某相绕阻对地短路，有一相绕阻内部短路，负载机械卡住，相间击穿，输出电线有短路或对地短路。 　　⑶ 负载上接了电容，或因布线不当对地电容太大，使功率管有冲击电流。 　　⑷ 用户电网电压太高，或有较强的瞬间过电压，造成过电压损坏。 　　⑸ 机内功率开关管的过电压吸收电路有损坏，造成不能有效吸收过电压而使IGBT损坏，如下图所示。 　　⑹ 滤波电容因日久老化，容量减少或内部电感变大，对母线的过压吸收能力下降，造成母线上过电压太高而损坏IGBT。正常运行时母线上的过电压是逆变开关器件脉冲关断时，母线回路的电感储能转变而来的。 　　⑺ IGBT或IPM功率器件的前级光电隔离器件因击穿导致功率器件也击穿，或因在印制板隔离器件部位有尘埃、潮湿造成打火击穿，导致IGBT、IPM损坏。 　　⑻ 不适当的操作，或产品设计软件中有缺陷，在干扰和开机、关机等不稳定情况下引起上下两功率开关器件瞬间同时导通。

　　在经过一段时间酝酿之后，小米无人机在5月25日晚上以直播这样一种特别的方式发布，网红企业家雷军亲自上阵示范视频直播发布会该怎么搞。这次发布会最大的里程碑意义在于，再也没人敢嘲笑小米开发布会总是在不自觉地模仿乔布斯了。 　　按照惯例先介绍一下产品，实际情况与笔者此前的猜想相差太远，雷小编的脸被打得有些肿胀。不过，要怪只能怪小米太不创新了…我们对它期望还是太高了一点，以为能折腾一些好玩儿的新功能出来，给我们一款前所未见的无人机，结果呢，还是集合了无人机行业已有玩家的一些常规功能，然后将价格做低了一些，这倒是小米的一贯风格，让人失望。 　　小米无人机并没有主打“可玩性”，抛飞、跟飞这些功能通通没有，跟小米手环搭配也并未成为现实，从功能来看，小米无人机是大疆早期产品的低端版，功能与大疆精灵4之前的版本即大疆精灵3，以及亿航、零度等产品，并没有太大悬殊：一键自动起降，一键自动返航，自动定位悬停，指点飞行，多点航线规划，绕点飞行。 　　在操控方式上小米无人机并没有与智能手环、智能手机相连，而是采取传统的专用手柄，遥控器采用PCB阵列天线，可减少失联情况。 　　在基础参数上，小米无人机采用5100毫安时电池，可实现27分钟不间断飞行。具有4k和1080p两个版本，均采用安霸图形处理芯片，分别为1240万像素和1600万像素，其中4k版支持2公里720p分辨率实时图传。

　　简要介绍几种控制信号远传方法： 　　1图一： 　　采用电缆式浮球开关自动控制水位，适合供水泵远程自动控制，尤其适合水源端无动力电时，虚线内部分由3芯电缆直接延伸至水源即可。当然，图一这种不算单线远传信号。 　　2图二： 　　适合两地按钮启停控制。 　　3图三： 　　最好是去掉一组指示灯与继电器，不然需搭配合适继电器线圈电压。 　　4图四： 　　保留一组继电器容易搭配线圈电压。 　　注意：以上3种，图二，三，四，需要在同一供电系统内，并且同一漏保开关下，否则不能正常使用。

　　小米正式进军消费型无人机市场，第一代产品将于明天发布。消息称小米无人机将搭载Fellow Me技术和光流定位技术，与小米手环二代配合使用，作为年轻人的第一台无人机售价3999元。此前，有业内传闻高通正在与联芯、大疆谈判，共同合作开发无人机芯片方案平台，小米又是高通在中国最重要的合作伙伴之一。大型芯片商、制造商快速入场，2016年中国无人机产业变局临近。 　　无人机已成为2016年业界最火的名词之一，在航拍、快递、灾后搜救、数据采集等领域，无人机已获得广泛应用，而在警力、城市管理、农业、地质、气象、电力、快递、测绘、植保、喷洒农药、测绘、巡线等行业领域，无人机正在发挥越来越大的作用。预计2016年无人机市场的消费总额将会翻倍，商用无人机消费市场的增长潜力更大。 　　 　　400中国无人机厂商占据全球70%市场 　　根据UBM数据统计，目前国内电力巡线领域潜在需求4000架，输油管道巡检领域潜在需求1170架，森林防火领域潜在需求1000架，公共安全、反恐维稳潜在需求2856架。仅上述四个民用领域的潜在需求总架数已经接近10000架 　　 　　图2：中国大陆无人机出口增长与预测 　　在全球无人机行业中，中国无人机无疑是当中的佼佼者。据UBM最新的数据统计，2015年中国大陆出口无人机89.1万架，同比增长427.2%。其中大疆创新2014年总营收占全球小型无人机市场份额的70%。 　　在无人机制造领域，国内制造商已抢先占领世界市场。目前中国大约有400个无人机制造商，供应全球70%的无人机需求市场。 　　 　　图3：2015年全球民用无人机企业排行榜 　　 　　图4：越来越多的不同领域的厂商开始跨界进入无人机领域

　　目前智能家居的类型，根据布线方式划分，主要有集中控制、现场总线、无线方式三种技术。其中无线控制系统又可分为红外通讯、射频无线通讯、电力载波通讯三类。下面介绍这几种控制技术的基本概念。 　　1、现场总线技术 　　现场总线控制系统则通过系统总线来实现家居灯光、电器及报警系统的联网以及信号传输，采用分散型现场控制技术，控制网络内各功能模块只需要就近接入总线 即可，布线比较方便。 　　一般来说，现场总线类都支持任意拓扑结构的布线方式，即支持星型与环状结构走线方式。灯光回路、插座回路等强电的布线与传统的布线方式完全一致。“一灯多控”，在家庭应用比较普遍，以往一般采用“双联”、“四联”开关来实现，走线复杂而且布线成本高。若通过总线方式控制，则完全不需要增加额外布线。是一种全分布式智能控制网络技术，其产品模块具有双向通信能力，以及互操作性和互换性，其控制部件都可以编程。典型的总线技术采用双绞线总线结构，各网络节点可以从总线上获得供电(24V/DC)，亦通过同一总线实现节点间无极性、无拓扑逻辑限制的互连和通信，信号传输速率和系统容量则分别为10KBPS和4G。 　　现场总线控制系统采用总线式的结构，主要由电源供应器、双绞线和功能模块三个基本部分组成。每个功能模块都是串连在双绞线上，互相的连接不分极性。总线控制系统从功能上可分为很多类，下面将简单介绍常用的几种： 　　(1)基本控制，主要包括总线电源供应器、无线遥控接口、电话遥控接口、电脑控制接口、以太网(TCP/IP)接口、安防控制和安防报警接口等，这些是总线控制系统的基础，同时也为其他总线控制产品提供一个接口平台。 　　(2)灯光控制，以轻触式电子开关/调节器为代表。这一类产品有一个特色就是其外观尺寸与正常开关相似，可以直接替换原有的开关便可实现照明系统的智能化改造，可以调光，也可以遥控，更可以用来产生不同的灯光组合以满足不同的照明需要。万一个别电子开关有故障，所受影响的也仅仅是该开关所连接的那一部分，即使没有备用也可以换回原来的开关便可恢复原来的功能，实现手动操作。 　　(3)电器控制，这类产品即是前面所提到过的可控插座。与电子开关、调光器相似，该类也可以通过直接替换原有的插座来实现对电器控制的智能化改造。将电饭锅、热水炉、洗衣机等电器的电源接在该插座上，用户便可以通过电子开关、遥控器或电话等来控制这些电器，非常方便。该可控插座分自动和手动两种操作方式，万一系统失灵，亦可以用手动去操作。 　　(4)红外控制，这类主要用于控制空调机、电视机、DVD机等本身带有红外遥控器的家电，它具有红外信号的学习和记忆功能，可以通过连接在控制总线上的设备(包括控制面板、定时、遥控、电话、互联网等)实现对空调机的开、关、模式、温度等操作，以及对电视机、DVD的开/关、音量调节、频道选择、播放、停止等操作。 　　(5)安防控制，这类主要包括人体红外传感器，煤气泄露传感器，烟雾火灾传感器和三表自动抄表及可视对讲系统等。这些的安装和使用比其他都要简单，因为有总线兼容标志，可以直接连接在总线之上，并可利用基本系统中的电话遥控/IP接口和其他报警接口实现远程报警。另外，通过基本系统中的安防控制接口，普通的传感器也可以用在总线系统之中。 　　2、集中控制技术 　　采用集中控制方式的智能家居系统，主要是通过一个以单片机为核心的系统主机来构建，中心处理单元(CPU)负责系统的信号处理，系统主板上集成一些外围接口单元，包括安防报警、电话模块、控制回路输入/输出(I/0)模块等电路。

　　去年全球工业机器人销量达到24万台，同比增长8%。其中，我国工业机器人市场销量超过6.6万台，继续保持全球第一大工业机器人市场的地位。但是，按机器人密度来看，即每万名员工对应的机器人保有量，我国不足30台，远低于全球约为50多台的平均水平。 　　前瞻产业研究院《2016-2021年中国工业机器人行业产销需求预测与转型升级分析报告》数据显示：2015年我国工业机器人产量为32996台，同比增长21.7%。2016年机器人产业将继续保持快速增长，今年一季度我国工业机器人产量为11497台，同比增长19.9%。此外，数据显示，2015年我国自主品牌工业机器人生产销售达22257台，同比增长31.3%。国产自主品牌得到了一定程度的发展，但与发达国家相比，仍有一定差距。 　　目前，我国多数机器人制造厂商只能生产拥有3轴至5轴的低端机器人，而从国外进口的机器人多是6轴的高端产品。虽然工业机器人在我国制造业领域渗透率较高，但服务机器人和特种机器人的实际投放率相对较低。未来随着产业巨头纷纷布局机器人领域，机器人产业将向智能化、网络化和人机互动的高端新产品转型升级。 　　未来全球工业机器人产业发展趋势如何呢？ 　　一、大国政策主导，促使工业市场成长 　　工业大国提出机器人产业政策，如德国工业4.0、日本机器人新战略、美国先进制造伙伴计划、中国大陆十三五规划与《中国制造2025》等国家级政策，皆纳入机器人产业发展为重要内涵，将促使工业机器人市场持续增长。 　　二、汽车工业仍为工业机器人主要用户 　　现阶段汽车工业制造厂商仍然是工业机器人的最大用户，以2014年汽车工业使用机器人密度来看，日、德、美、韩每万名人员中皆使用超过一千台以上的工业机器人，而中国大陆则为305台。由于日本、德国、美国与韩国均是汽车工业大国，未来工业机器人主要需求仍在于汽车工业。 　　三、双臂协作型机器人为工业机器人市场新亮点 　　随着人事成本持续增长，包括组装代工大厂与中小企业等的人事成本负担相对沉重，加上人口老化严重国家劳动人力短缺，使得双臂协作型机器人成为其降低人事成本、提高生产效率与补足劳力缺口等的解决方案。2015年东京国际机器人展中，全球机器人大厂便大力推广其协作型机器人产品。 　　四、2016年-2017年仍将维持增长态势 　　IFR认为，2016年-2017年，美洲和欧洲的机器人销量预计年均增长6%，在亚洲/澳洲预计年均增长16%。至2017年底，全球范围内工厂工业机器人保有量预计将达200万台。同时行业发展也存在相关风险：欧元区风险犹存，地缘风险如俄罗斯和乌克兰之间的冲突导致其余西方世界的关系紧张等等。 　　2014年，中国销量5.6万台，其中1.6万台由本土供应商提供。2016年-2017年，年均增长率预计将达25%，2017 年销量将达10万台。到2017年末，中国机器人保有量将有超过40万台。未来将有越来越多的中国机器人供应商进入市场。外资和中国本土机器人供应商之间竞争将会越来越激烈。未来中国市场各种机器人的增长潜力巨大。 　　图表1：2005-2017年中国工业机器人销量及预测(单位：台，%) 资料来源：IFR前瞻产业研究院整理 　　五、新兴市场：电动汽车 　　电动汽车的发展也带来了一个全新的市场。电动汽车所需的电池制造比普通的消费类电池更加复杂，其生产对精度和质量以及生产率的要求，将催生对自动化和机器人的需求。另外电动汽车充电站正考虑采用更换电池的方式，未来这对于机器人也将是一个非常有吸引力的市场。 　　中国工业网是以工业新闻和信息传播为主业的综合性网络媒体。 作为国家工业和信息化部的合作伙伴，开发并运营了国家履行《禁止化学武器公约》工作办公室官方网站和履约信息管理系统。中国工业网拥有企业会员5万余家，个人会员50万人，合作协会100多家，合作媒体近千家。

　　瞬态电压抑制器（TVS）具有响应时间快、瞬态功率大、漏电流低、击穿电压偏差小、箝位电压较易控制、无损坏极限、体积小等优点。目前已广泛应用于计算机系统、通讯设备、交/直流电源、汽车、家用电器、仪器仪表等各个领域。本文将结合TVS二极管应用的特点及使用注意事项，来详细探讨如何正确应用TVS和使TVS的应用效能最佳。 　　在实际的应用电路中，处理瞬时脉冲对器件损害的最好办法，就是将瞬时电流从敏感器件引开。为达到这一目的，将TVS在线路板上与被保护线路并联。这样，当瞬时电压超过电路正常工作电压后，TNS将发生雪崩击穿，从而提供给瞬时电流一个超低阻抗的通路，其结果是瞬时电流通过TVS被引开，从而避开被保护器件，并且在电压恢复正常值之前使被保护回路一直保持截止电压。在此之后，当瞬时脉冲结束以后，TVS二极管再自动恢复至高阻状态，整个回路进入正常电压状态。 　　1、 TVS应用的三大特点 　　1）将TVS二极管加在信号及电源线上，能防止微处理器或单片机因瞬间的脉冲，如静电放电效应、交流电源之浪涌及开关电源的噪音所导致的失灵。 　　2）静电放电效应能释放超过10000V、60A以上的脉冲，并能持续10ms；而一般的TTL器件，遇到超过30ms的10V脉冲时，便会导至损坏。利用TVS二极管，可有效吸收会造成器件损坏的脉冲，并能消除由总线之间开关所引起的干扰（Crosstalk）。 　　3）将TVS二极管放置在信号线及接地间，能避免数据及控制总线受到不必要的噪音影响。 　　2 、TVS管在使用中应注意的事项 　　对瞬变电压的吸收功率(峰值)与瞬变电压脉冲宽度间的关系。手册给的只是特定脉宽下的吸收功率(峰值)，而实际线路中的脉冲宽度则变化莫测，事前要有估计。对宽脉冲应降额使用。 　　对小电流负载的保护，可有意识地在线路中增加限流电阻，只要限流电阻的阻值适当，不会影响线路的正常工作，但限流电阻对干扰所产生的电流却会大大减小。这就有可能选用峰值功率较小的TVS管来对小电流负载线路进行保护。 　　对重复出现的瞬变电压的抑制，尤其值得注意的是TVS管的稳态平均功率是否在安全范围之内。 　　如何使TVS在电路中应用的效能最佳？印制电路板的布线及电路元件的选择很重要，通过合理放置TVS的位置、接地选择、寄生电感和回路区的处理，科学合理地进行PCB的布线和TVS管的选择，使TVS的效能最佳化。

　　计算机视觉是一门跨领域的计算机科学，它从真实的世界中获取数据并予以分析，来生成数字或符号信息。通过这种方式计算机可尝试处理高维数据，这种方式正是人类视觉感知图像、面孔和类似数据的方式。因此，为了完成上述任务，这门学科大部分由不同模型组成，而且通常需借助于机器学习的研究成果，从数学（特别是几何）、物理、统计、认知科学和神经科学中获取输入参数。自从科学家试图通过模拟人类大脑来创建计算机的视觉或感知能力，神经科学变成为了不同的技术、算法和模型获取灵感的源泉。 　　计算机视觉有很多分支学科，比如面部/头部追踪和监测、物体识别和姿态估计、图像追踪、场景重构、机器学习、动作捕获与估测、图像识别与修复，等等。事实上，我们可将人工智能视为其母学科，因为它利用机器学习和计算机视觉来获取对环境的深层理解。有时候也会有一些哲学问题，因为它可能会被问到计算机是否真的能够看见或意识到发生了什么。 　　例如，著名的塞尔思维试验——中国房间，该实验描述了一个完全接收计算机指令的人，比如“当你看到这个中国符号时，输出这个英文单词”。我们能说这个人懂中文吗？当然不能。即使对于一个外部观测者来说似乎这个人是懂中文的，但大部分人都会予以否认。类似问题也被用于人工智能观测：如果计算机只是遵循指令，我们能认为它有感知吗？好奇者号、火星漫游者、新视野号，这些太空飞船真的能看见周边环境还是它们仅是遵循人为指令？当深思（Deep Thought）在下象棋时，它真的在深思吗？这些硬人工智能的问题就好像：大部分科学家相信像人一样完整的理解我们周边的世界对于计算机来说是不可能的，因为总有一些缺失的环节，无法真正理解发生了什么。 　　神经科学的进展，尤其是在神经生物学上，给计算机视觉提供了非常重要的数据，因为大部分模型和方法都依赖于对人类视觉的研究。图像传感器检测电磁辐射，是利用了基于对量子物理研究的技术。主体用来追踪并研究光线，而想要完整的理解这一点如果没有现代物理是不可能的，因此光和粒子通常是研究的重点。由于爱因斯坦的相对论理论，我们发现速度是有限制的，最大也只能达到光速。著名的爱因斯坦方程告诉我们质量乘以速度的平方就等于能量，不管质量多少，物理上都等同于能量。这就是恒星从其核心发生氢聚变，形成氦时制造能量的方式，因此它们的某部分质量变成了能量。 　　另一方面，量子物理给我们讲了一个亚原子级别的故事，基本和非基本粒子的行为并不像看上去那样可以预测。量子物理的重大发现告诉我们，我们可以用概率和统计来描述粒子状态，而世界并不像我们想的那么精准。这也是爱因斯坦直到去世都反对量子力学的原因，因为他相信物理应该能由精确的规律支配，我们能够完整的理解世界，并且不用概率来描述世界。因此，现今的计算机视觉利用的图像传感器采用了量子物理进行设计，而光线与不同表面的相互反应这一过程也有这样的量子物理予以解释。注意！爱因斯坦因光电效应获得了1921年的诺贝尔奖，而这一效应描述的正是光线如何与不同表面发生反应，比如说，当你用光线照射金属时，金属会释放出电子。 　　神经科学和计算机视觉也在信号处理（不同物理和抽象系统之间处理信息传输的理论和应用）中有所体现。数学和统计方法用于规范、呈现并分析不同的输入与输出，在语音、语言、图像和视频处理方面尤其重要。 　　人工神经网络倾向于模拟人类的神经系统和大脑功能，它的知识来源于物理、生物和神经科学。这些模型都是学习模型，它们受到生物，尤其是人类生物和神经网络的灵感激发。其主要目的就是评估在有大量输入的情况下，执行某种任务的功能。这些神经网络倾向于模拟真实的神经网络，并被设计成互联的“神经元”系统，彼此之间能够交流。人类的神经通道就是一系列互联的神经元。神经元本身由轴突和树突构成，轴突是传导电脉冲的神经末梢终端；树突是类似树形的结构，将从其他神经细胞接收到的电化学刺激传递给其他细胞体。人工神经网络就模拟这种相互反应和信息传递。比如，如果有神经网络试图检测图像中的数字和字母（与CAPTCHA所做的类似），一组输入神经元会被不同像素激活，有一个主功能来判断哪些是相关的，结果会被传递给其他神经元，并试图将这些字母和数字和已存的信息联系起来。当激活输出神经元，向终端用户输出匹配结果，这一过程便完成了。 　　机器学习有两种主要的学习类型。一种是监督式学习，处理有标记的数据。例如，包含不同图像的数据组，每个数据都有注释和描述。另一种则是非监督式学习，处理没有标记的数据，计算机必须找到区分不同数据子集、集群或相似图像的方法。机器学习的过程中，神经网络和类似机器学习算法使用训练集和测试集。计算机在一个数据子集中经过“训练”，而后基于先前加工的数据利用其余的数据检验学习是否有效。这种方法与通过改变参数在不同测试中检验学生们的学习成果的概念相同，与教师或者教授在方程式里使用不同的数字，计算机被输入新图像或者新数据，它要在基于先前学习有注释的数据的基础上，得出正确的结论、近似值或者估计的过程也一样。因此它必须推导出一个特定函数，将其应用于其他数据中，产生新的实例。 　　再者，非监督式学习试图在无标记的数据中找出隐藏的结构，这主要应用于集群、各种统计分布。没有信号或比较能让电脑来标记数据，它主要用于模式识别和回归分析（一种估算不同变量之间关系的统计方法）。监督式学习类似于学习过程中有老师指导纠正，而非监督式学习则类似于自学过程，没有特定的连续反馈。