非監督學習技術研發的核心集中在對自編碼器技術上麵，這種技術用於圖像生成是非常有用的，另外自編碼器技術訓練出來的模型可以學到圖片的語義信息，這種在不同事物間進行關聯的能力正是是人類推理的基石。
另外自編碼器技術空間的降維再升維對應時間上的曆史匹配加預判模型已經讓梅溪大學的非監督學習技術進展很大，因為使用自編碼器的訓練模型不會像監督學習和強化學習模型那樣受到樣本數不均的負麵影響，這對於像醫療和金融這樣正負樣本量差距很大的運用場景極為有用，這樣的模型進行的預測是非常穩健的，不用擔心中間出現一個變量後模型預測的結果就改變了，準確率嚴重下降。
因為梅溪大學在這個技術上麵投入的力度是比較大的，在這種技術上發展很快，研發出了多種自編碼器模型以及變種，這個也是梅溪大學神經元計算機和一些開發的智能技術產品那麽聰明的基石之一。
在機器識別係統技術研發大樓這邊，楊傑也是了解了自主學習技術在圖像識別的一些運用研究課題，包括了用低分辨率圖像合成高清晰圖像技術以及各種人臉識別新技術等，技術人員也是模擬了各種複雜困難的運用場景來提升機器識別係統能力的提升，甚至還故意用一些技術手段來欺騙這些係統。
因為梅溪大學這邊進行的很多研發課題都是不少是應華興科技集團公司在自身運用當中碰到的技術困難展開的，在產學研轉化溝通這一塊是極為緊密的。
楊傑晚上的時候也是去了機器人研究院這邊轉了一圈，尤其是在視察了腦機技術部門研發的新型頭戴式腦機接口樣品設備。
現在技術團隊研發出來的新型頭戴式腦機接口設備用上了靈敏度極高的超導探測器件，這種新型設備對腦電波信號的探測靈敏度相比較之前有了非常巨大的提升。
負責這些設備研發的鄭紹剛從九年前開始啟動了，他帶領的技術團隊開發這個項目的想法是從大腦中提取這些微弱信號，解碼它們的意思，並將它們傳遞到四肢，就可以繞過脊椎，重新將大腦和身體連接起來。
因為觸摸和運動的信號在大腦中顯得雜亂無章，因為每個動作都對應獨特的信號，光是提取這些信號並進行分析解碼已經是非常困難的事情，並將這些解碼的大腦信號，分離為與預期運動和觸覺相對應的信號發送到使用者上肢和下肢的電極套和振動帶讓使用者感受到觸覺並且進行活動也是非常大的挑戰。
技術研發部門利用頭戴式腦機接口設備也是從誌願者頭部采集了非常龐大的數據，這為技術團隊在開發人腦信號智能識別模型算法上提供了非常大的幫助。
之前因為腦電的低分辨率，誌願者的很多的精細的想法是無法解讀的，隻能解讀出大腦的興奮程度和注意力集中程度。 本章尚未完結,請點擊下一頁繼續閱讀---->>>