周红阳

(二重(德阳)重型装备有限公司，四川618000)

人工智能领域的“深度学习”方法，适用于炼钢过程中的多参数、非线性问题的分析和解决。目前“深度学习”已经广泛应用于工业生产中各个环节，但主要应用于图像识别、文字识别、语音识别等方面，从而作为生产控制和工艺研究的一个辅助手段。而采用“深度学习”进行工艺研究中数据分析方面的资料，还很少。在没有过多参考的情况下，探索掌握一种新的研究方法。

1 “深度学习”浅释

“深度学习”属于人工智能的一种。其源于人工神经网络的研究，是包含多个隐藏层的多层感知器的机器学习结构。“深度学习”通过组合低层特征形成更加抽象的高层表示属性、类别或特征，以发现数据的分布式特征表示。研究“深度学习”的动机在于建立能模拟人脑进行分析学习的神经网络，模仿人脑的学习机制来解释数据。

目前“深度学习”的核心框架有TensorFlow、Caffe、Torch、Keras等。其中TensorFlow是主流。

采用“深度学习”的方式，是希望通过已有的统计信息，从模糊的不确定的表象下找到最逼近真实的规律。

众所周知，一切不同的物体都是由某些相同的更微小的物体按照不同的空间结构组合而成；一切复杂的现象都是由某些简单现象按照不同的运动方式组成的；同理，一切复杂的规律也都是由某些简单的规律相互交织组合而成。“深度学习”过程就是通过模拟人脑学习机制，寻找复杂规律里各种简单规律间内在联系的过程。

为了进一步理解，下面以一个通俗的例子来说明：以图像分类问题为例，如图1所示，希望找到一种数学表达，这种表达能将各种情况下的“△”和“○”进行区域的划分。……