百科时间 - 为什么人工智能需要神经网络？
▍上周小编带来了Cadence发布业界首款独立完整的神经网络(CNN) DSP IP核心Tensilica Vision C5 DSP的重磅好消息。那么什么是卷积神经网络（CNN），为什么人工智能需要神经网络呢？下面的技术小文给您带来一些有关神经网络的介绍。
卷积神经网络（CNN）
执行数据密集型机器学习任务的关键
现如今，随着计算任务的愈发繁重复杂，实时系统面临着一个前所未有的挑战 - 不仅要快速处理所有数据，还要针对下一步工作作出智能的决策。卷积神经网络(CNN)是快速处理海量数据的关键，作为业界领先解决方案，量身定制的Tensilica® 处理器及 DSP 可以高效执行性能需求极高的 CNN 运算，是用户的不二之选。CNN 的应用领域非常广泛，主要包括图像和模式识别、语音识别、自然语言处理，以及视频分析。从智能手机到智能手表，从高级驾驶辅助系统（ADAS）到虚拟现实游戏机，再到无人机控制和安防设备，依赖高分辨率成像（1080p，4K，甚至更高）的应用领域正在快速发展。
发展至今，高分辨度成像技术已经非常成熟，无论智能手机的人脸检测功能，安防系统的人脸识别功能，还是智能车辆的交通标志识别功能都已经离不开它；未来，它还将继续为无人驾驶的实现保驾护航（详细内容请参阅 Tensilica视觉 DSP，或点击阅读原文）。我们非常看好 CNN 技术在计算机视觉领域的应用前景，它将推动成像精度和准确度的大幅增强。
神经网络由信息共享的人工互联“神经元”构成，每个互联神经元的数字权重都通过反复训练而得到持续优化，经过良好训练的神经网络可以对图像或模式作出精准识别。神经网络包括多个由特征检测“神经元”组成的数据层，每一层的神经元都会对前一层不同组合的数据输入作出回应。
图一：人工神经网络示意图
卷积神经网络（CNN）是上述神经网络的其中一种，由一个或多个卷积层组成。CNN 通常包括一个下采样层，以及与标准神经网络一致的一个或多个全连接层。随着半导体技术的发展，芯片尺寸更小，高度并行处理器的功耗更低，基于卷积神经网络的计算机视觉解决方案将不再是纸上谈兵。
