精华内容
下载资源
问答
  • P2P技术原理及应用

    万次阅读 2018-06-21 12:01:54
    P2P技术原理及应用 作 者:金海 廖小飞 摘要:对等网络(P2P)有3种主要的组织结构:分布式哈希表(DHT)结构、树形结构、网状结构。P2P技术已经延伸到几乎所有的网络应用领域,如分布式科学计算、文件共享、流媒体直播...
      P2P技术原理及应用     
      作 者:金海 廖小飞
      摘要:对等网络(P2P)有3种主要的组织结构:分布式哈希表(DHT)结构、树形结构、网状结构。P2P技术已经延伸到几乎所有的网络应用领域,如分布式科学计算、文件共享、流媒体直播与点播、语音通信及在线游戏支撑平台等方面。现在人们已经开始将重心转入到覆盖层网络的节点延时聚集研究、覆盖网之间(Inter-Overlay)优化研究、P2P支撑平台研究以及P2P安全研究等方面。
      关键词:对等网络;分布式哈希表;覆盖层网络
      Abstract:ThePeer-to-peer(P2P)network has three main structures: Distributed Hash Table (DHT) structure, tree structure, and mesh structure. P2P technology has been extended to almost all areas of network applications, including distributed scientific computing, file sharing, streaming media on-demand and live broadcast, voice communications, and online gaming support platform. Now, study areas such as node latency aggregation for overlay network, Inter-Overlay optimization, P2P supporting platform, and P2P security are receiving more attention.
      Keywords:P2P;distributedHash table; overlay network
      1  P2P技术原理
      什么是对等网络(P2P)技术?P2P技术属于覆盖层网络(Overlay Network)的范畴,是相对于客户机/服务器(C/S)模式来说的一种网络信息交换方式。在C/S模式中,数据的分发采用专门的服务器,多个客户端都从此服务器获取数据。这种模式的优点是:数据的一致性容易控制,系统也容易管理。但是此种模式的缺点是:因为服务器的个数只有一个(即便有多个也非常有限),系统容易出现单一失效点;单一服务器面对众多的客户端,由于CPU能力、内存大小、网络带宽的限制,可同时服务的客户端非常有限,可扩展性差。P2P技术正是为了解决这些问题而提出来的一种对等网络结构。在P2P网络中,每个节点既可以从其他节点得到服务,也可以向其他节点提供服务。这样,庞大的终端资源被利用起来,一举解决了C/S模式中的两个弊端。
      P2P网络有3种比较流行的组织结构,被应用在不同的P2P应用中。
      (1)DHT结构
      分布式哈希表(DHT)[1]是一种功能强大的工具,它的提出引起了学术界一股研究DHT的热潮。虽然DHT具有各种各样的实现方式,但是具有共同的特征,即都是一个环行拓扑结构,在这个结构里每个节点具有一个唯一的节点标识(ID),节点ID是一个128位的哈希值。每个节点都在路由表里保存了其他前驱、后继节点的ID。如图1(a)所示。通过这些路由信息,可以方便地找到其他节点。这种结构多用于文件共享和作为底层结构用于流媒体传输[2]。
      (2)树形结构
      P2P网络树形结构如图1(b)所示。在这种结构中,所有的节点都被组织在一棵树中,树根只有子节点,树叶只有父节点,其他节点既有子节点也有父节点。信息的流向沿着树枝流动。最初的树形结构多用于P2P流媒体直播[3-4]。
      (3)网状结构

      网状结构如图1(c)所示,又叫无结构。顾名思义,这种结构中,所有的节点无规则地连在一起,没有稳定的关系,没有父子关系。网状结构[5]为P2P提供了最大的容忍性、动态适应性,在流媒体直播和点播应用中取得了极大的成功。当网络变得很大时,常常会引入超级节点的概念,超级节点可以和任何一种以上结构结合起来组成新的结构,如KaZaA[6]。


      2  P2P技术应用现状
      由于能够极大缓解传统架构中服务器端的压力过大、单一失效点等问题,又能充分利用终端的丰富资源,所以P2P技术被广泛应用于计算机网络的各个应用领域,如分布式科学计算、文件共享、流媒体直播与点播、语音通信及在线游戏支撑平台等方面。
      (1)分布式科学计算
      我们知道,许多计算机的CPU资源并不是时刻保持峰值运转的,甚至很多时候计算机处于“空闲”状态,比如使用者暂时离开等情况。而P2P技术可以使得众多终端的CPU资源联合起来,服务于一个共同的计算。这种计算一般是计算量巨大、数据极多、耗时很长的科学计算。在每次计算过程中,任务(包括逻辑与数据等)被划分成多个片,被分配到参与科学计算的P2P节点机器上。在不影响原有计算机使用的前提下,人们利用分散的CPU资源完成计算任务,并将结果返回给一个或多个服务器,将众多结果进行整合,以得到最终结果。
      世界最著名的P2P分布式科学计算系统非“SETI@home”项目莫属。SETI@home项目(简称为S@H或SETI),由美国加利福尼亚大学伯克利分校在1999年发起,是至今最成功的分布式计算项目。SETI@home通过分析从射电望远镜传来的数据来搜寻地外文明,这在不少科幻迷甚至是很多普通大众眼里都是一个“很酷”的应用。SETI的早期版本截至2005年已经吸引了543万用户,分析了大量积压数据。正如宇宙的浩瀚一般,需要计算的数据(即存在宇宙空间的无数无线电信号)也是海量的。可以说,这几百万台终端组成了一个目前最快的高性能计算机都望尘莫及的“超级计算机”。
      (2)文件共享
      要问一百个网友目前中国最流行的文件下载方式,恐怕99个都会回答是“BT”。“BT”是BitTorrent[7]的简称,是一种依赖P2P方式将文件在大量互联网用户之间进行共享与传输的协议,对应的客户端软件有BitTorrent、BitComet和BitSpirit等。由于其实现简单、使用方便,在中国用户之间被广泛使用。BitTorrent中的节点在共享一个文件时,首先将文件分片并将文件和分片信息保存在一个流(Torrent)类型文件中,这种节点被形象地称作“种子”节点。其他用户在下载该文件时根据Torrent文件的信息,将文件的部分分片下载下来,然后在其他下载该文件的节点之间共享自己已经下载的分片,互通有无,从而实现文件的快速分发。由于每个节点在下载文件的同时也在为其他用户上传该文件的分片,所以整体来看,不会随着用户数的增加而降低下载速度,反而下载的人越多,速度越快。
      BitTorrent是一种无结构的网络协议。除了BitTorrent之外,还有不少著名的无结构化的P2P文件共享协议,典型的有Gnutella[8]和KaZaA[6]。
      Gnutella协议是一种最典型的完全分布式、无等级结构的P2P网络模型。网络中的节点随机连接若干个其他节点,称之为“邻居”。这种结构能够很好地适应P2P网络中节点频繁加入与离开的动态特性,因为任意一个节点都可以被新加入的节点作为“邻居”而连接,任意一个“邻居”也可以随意地离开网络。同时,这种加入节点和离开节点的选择是节点间的独立行为,随机分布于网络之中。所以说Gnutella的网络具有健壮性、实时性、可靠性、负载平衡等优势。
      在Gnutella网络中存在以下问题:
      冗余消息多,对带宽的消耗存在一定的浪费。Gnutella网络协议采用泛洪式(Flooding)消息传播机制,这种消息传播机制产生了呈指数级增长的冗余消息。据统计,P2P软件白天占Internet上运行带宽的40%~70%,晚上有时能达到80%。
      搜索效率低,可扩展性差。Gnutella网络的搜索协议将所有资源与节点统一对待,没有考虑节点的性能差异,也没有利用查询成功的历史经验,使得搜索效率低下。
      KaZaA协议中节点大体上也是无结构连接的。但是在KaZaA协议中存在一种“超级节点”。这种“超级节点”其实是来源于各个普通的客户端节点,但它们一般具有计算能力强、接入带宽大、在线时间稳定等特点。在KaZaA协议中,超级节点承担着部分服务器的任务,如管理部分普通节点,负责搜索消息的转发等。每一个节点上线后会寻找一个超级节点挂靠,并和原先挂靠在该超级节点下的其他普通节点随机相连,组成一个小的无结构网络。普通节点的共享文件索引汇报给所挂靠的超级节点。因而,KaZaA网络大体上可以看作是两层的无结构网络,上层是超级节点组成的无结构网络;下层是普通节点组成的多个无结构网络,按所挂靠的超级节点分成多个簇。当普通节点发起文件搜索请求时,将请求消息发给所挂靠的超级节点,超级节点从自己存储的共享文件索引信息中查找区域内符合条件的文件,同时将搜索请求转发给若干个其他超级节点,由它们返回其区域内搜索结果。如果需要,这个转发过程可以执行多步以获得更大范围内的搜索结果。这样的混合式结构对异构的终端节点“分而治之”,可以充分利用一些能力较强的终端节点来担任“小”服务器的角色,可谓是“人尽其才,物尽其用”。
      除了这些无结构的P2P文件共享协议之外,几乎所有的DHT网络都可以并已经用来实现文件共享的应用,如Chord、Pastry、KAD、CAN等应用。
      (3)流媒体直播
      曾经人们以为P2P做文件共享最合适,但现在大家发现P2P模式是如此适合于流媒体直播,以至于研究热点在很短的时间内迅速转移到P2P的流媒体上来。中国最早的P2P流媒体直播软件应该算香港科技大学计算机系研究的Coolstreaming[5]、华中科技大学集群与网格计算湖北省实验室研究的AnySee[9]以及清华大学的Gridmedia等系统。
      Coolstreaming是一款基于网状无结构网络拓扑的流媒体直播软件,中文名叫做“酷流”。在Coolstreaming中,每个节点通过登录服务器(BS)进入网络,并得到一些邻居列表。每个节点和邻居之间共享媒体数据。Coolstreaming中节点共享媒体数据是基于一种称作“数据驱动”的机制。首先,对于节点缓冲区内所拥有的数据,使用一种“缓冲映射表”(Buffer Map)来进行标记:对于每一秒的媒体内容,如果节点已经从节目源或邻居处获取,则标记该秒数据为“1”,否则标记为“0”。这样,一个80秒长度的缓冲区就对应一个80位长度的缓冲映射表。其次,节点之间以“心跳”(Heartbeat)方式定期交换各自的缓冲映射表,通过比对得到自己没有而邻居拥有的数据位,然后根据数据调度算法,选择合适的邻居,请求得到相应的数据。Coolstreaming采取全网状结构组织网络中的节点,每个节点连接20个左右的邻居,在定期交换缓冲映射表的同时,还要交换自己的邻居列表。这样,在一个邻居离开时,可以从它最近提供的邻居列表中选择一个连接数没有达到上限的邻居作为“替补”邻居进行连接。最早期的Coolstreaming是采取随机选取邻居的策略,即从BS上随机返回一些当前在线的节点列表,然后随机从中选择一些节点进行连接,在选择“替补”邻居时也是随机的。这样做同时又可以达到一定程度的负载平衡效果,因为每个节点连接的邻居数基本是均匀的。但是这样做的缺点也是明显的,两个距离很远、连接很差的节点也可能被调度成为邻居,大大影响的系统的服务质量。
      华中科技大学集群与网格计算湖北省重点实验室是中国最早研究P2P流媒体直播的小组之一,它所研发的AnySee软件期望能够使得用户在网上任何时候任何地点都能观看多媒体直播节目。
      AnySee的第一个版本基于树状结构:节目源是一个多播树的根节点,之后的节点被调度为其“儿子”或子树。每个节点向其父节点索要数据,并将数据提供给多个子节点。这样的结构可以使得节点快速加入到网络中,并且可以根据IP邻近原则构建起一棵IP多播树,使得节点加入位置都是和自己IP邻近的节点,从而优化服务质量。之后AnySee推出第二个版本,结合了原有的树状结构和流行的网状结构,使得“控制数据走树,媒体数据走网”,既能帮助节点快速定位到加入点,又能实现一定程度的负载均衡,并缓解了原有纯树状结构中底层节点和顶层节点之间播放时差较大的问题。最近的AnySee版本已经取消了树的结构,演化成了优化的网状结构(如图2所示),即每个节点维护一定数量的邻居成员,并从中选出最合适的“伙伴”节点与之交换数据。伙伴的数量既有上限又有下限,在不满足下限时,节点会不断寻找新的合适节点加入伙伴列表;在达到下限时,节点停止主动寻找伙伴的过程,但可以接受其他节点将其加入伙伴列表的请求;在达到上限时,节点不再和新的节点建立伙伴关系。

      除了学术界对P2P流媒体直播的研究外,中国还涌现了很多成功的P2P流媒体直播商业产品,如PPLive、PPStream、沸点和TVAnts等,其中以PPLive最为有名。PPLive目前拥有数百个频道,在2006年“超级女声”决赛期间,频道观看人数达到十万人,可以说是把P2P发挥到了极限。此外,国外也有不少对P2P流媒体直播的研究,如SplitStream[10]等。


      (4)流媒体点播
      由于观看直播节目时用户不能选择观看指定片段,所以在人们热烈研究P2P流媒体直播时,已有人开始将目光转向P2P流媒体点播服务。目前成功推出P2P流媒体点播的机构还不多,典型的有GridCast[11]系统、PPStream点播系统。GridCast也是一款由华中科技大学集群与网格计算湖北省重点实验室于2005年12月份成功研发并投入使用的对等视频点播系统,具有支持多人共享点播片段、跟踪(Tracker)服务器用户引导、环状结构内容组织等特点。由于一个点播频道的人数往往不会太多,所以在用户进行视频录放(VCR)操作时(即前后拖动播放点、暂停/继续播放等操作),能否快速将用户定位到观看该点节目的其他用户处就成了P2P点播技术的关键。为了实现快速定位,GridCast中采取了一种同心圆环的媒体内容组织结构。在每一个节目频道里,媒体内容按指数递增的区间进行划分,例如一个一个半小时的电影节目,可划分成[0, 5]、(5, 15]、(15, 35]、(35, 75]和(75, END=90]几段,其单位为分钟。每个节点记录几个正在观看各个段之间内容的节点。这样,在和AnySee类似的网状结构中,可以定期交换这种分段记录,从而,在某个用户拖动观看点时,可以快速定位到相应段的记录节点处,并从这些节点当时所观看的区间内得到大量备用记录以请求该区间媒体数据。此外,GridCast还根据用户习惯对数据调度策略进行优化。
      (5)IP层语音通信
      IP层语音通信(VoIP)是一种全新的网络电话通信业务,它和传统的PSTN电话业务相比有着扩展性好、部署方便、价格低廉等明显的优点。在全球范围内的VoIP应用中,由于通信各方可能处于不同的网络状况下,所以采取少数几个服务器来进行话音包中转不仅存在压力过大的问题,还可能无法为指定通信双方提供满意的通话质量保证。所以采取P2P技术动态自适应地根据通信双方网络进行链路控制与消息转发是可行的解决方案。
      目前风靡全球的Skype[12]即是一款典型的P2P VoIP软件。Skype由于能够提供清晰的语音质量和免费的服务,使用起来又方便快捷,所以吸引了全球数千万的用户,每天在线用户达500万人,并且注册用户数每天增加15万。基本上,Skype采取类似KaZaA的拓扑结构,在网络中选取一些超级节点。在通信双方直连效果不好时,一些合适的超级节点则担当起其中转节点的角色,为通信双方创建中转连接,并转发相应的语音通信包。
      (6)网络游戏平台
      大型网络在线游戏和网络对战游戏是不少“网虫”的至爱。但由于服务器能力有限,大型网络在线游戏往往需要限制场景人数或者不断增加服务器,而网络对战游戏也必须局限在局域网内进行或者依赖独立的服务器端程序及机器实现Internet上的电子竞技。目前,已有研究人员将P2P技术引入网络游戏和网络游戏支撑平台中。
      目前较为成功的P2P游戏平台是华中科技大学集群与网格计算湖北省重点实验室推出的PKTown[13]系统。PKTown系统是一个支持多种网络对战游戏的P2P平台。P2P网络对战游戏平台的难点在于将严格延时约束的节点聚集在一起,这由对战游戏本身要求所决定:延时是影响对战游戏用户体验的关键因素。在众多在线用户中,如何将新加入用户调度到周围都是延时邻近的环境中去呢?PKTown也是采取GridCast中出现过的指数增长的同心圆环方式,很好地解决了这个问题。
      PKTown不需要改变游戏本身的代码,而是将用户和Internet邻居组建成一个虚拟局域网,将游戏发出的通信包截获后负载上虚拟局域网的地址,转发出去,游戏进程接收到之后认为是来自同一局域网的游戏包,则可以正常进行游戏。目前PKTown支持魔兽争霸、星际争霸和反恐精英几款游戏,已经在高校范围内进行公测,并成功举办华中科技大学第三届Race War游戏大赛,用户反应良好。
      3  结束语
      自P2P技术从1999年出现之后,现在已经发展繁荣起来。前文中提到的很多技术都已经趋近成熟,如拓扑构建和内容分发等相关技术。由于P2P架构灵活,适用面广阔,所以将P2P应用到新领域的现象层出不穷,P2P的软件产品也如雨后春笋一般爆炸性增长。
      通过本文的描述可以看出,P2P蹬基本原理是容易实现的,人们的研究方向也由基础架构的构建和维护及优化算法等桎梏中摆脱出来,开始深入到P2P技术的根本性问题中去。最新的研究成果表明,不少研究人员已经开始将重心转入到覆盖层网络的节点延时聚集研究、覆盖网之间(Inter-Overlay)优化研究、P2P支撑平台研究以及P2P安全方面的研究等方面。相信随着对P2P技术研究的不断深入,人们能够对P2P计算有一个更深入的认识并解决目前P2P领域中大部分科学问题。可以预见,P2P所带来的技术创新和应用创新还将继续。
      作者简介:
      金海,华中科技大学特聘教授、博士生导师,华中科技大学计算机学院院长。长期从事计算系统虚拟化、网格计算、对等计算、集群计算等相关领域的研究。获国家发明专利14项。已发表学术论文300余篇,被SCI、EI索引收录160余篇次。廖小飞,博士,华中科技大学副教授。从事对等计算、流媒体服务等领域的研究。已发表论文30余篇,其中被SCI、EI等索引引用10余篇次。
    展开全文
  • 三轴加速度传感器原理及应用

    万次阅读 2017-06-25 22:10:44
    三轴加速度传感器原理 MEMS换能器(Transducer)可分为传感器(Sensor)和致动器(Actuator)两类。其中传感器会接受外界的传递的物理性输入,通过感测器转换为电子信号,再最终转换为可用的信息,如加速度传感器、...

    三轴加速度传感器原理
    MEMS换能器(Transducer)可分为传感器(Sensor)和致动器(Actuator)两类。其中传感器会接受外界的传递的物理性输入,通过感测器转换为电子信号,再最终转换为可用的信息,如加速度传感器、陀螺仪、压力传感器等。其主要感应方式是对一些微小的物理量的变化进行测量,如电阻值、电容值、应力、形变、位移等,再通过电压信号来表示这些变化量。致动器则接受来自控制器的电子信号指令,做出其要求的反应动作,如光敏开关、MEMS显示器等。
    目前的加速度传感器有多种实现方式,主要可分为压电式、电容式及热感应式三种,这三种技术各有其优缺点。以电容式3轴加速度计的技术原理为例。电容式加速度计能够感测不同方向的加速度或振动等运动状况。其主要为利用硅的机械性质设计出的可移动机构,机构中主要包括两组硅梳齿(Silicon Fingers),一组固定,另一组随即运动物体移动;前者相当于固定的电极,后者的功能则是可移动电极。当可移动的梳齿产生了位移,就会随之产生与位移成比例电容值的改变。

    当运动物体出现变速运动而产生加速度时,其内部的电极位置发生变化,就会反映到电容值的变化(ΔC),该电容差值会传送给一颗接口芯片(InteRFace Chip)并由其输出电压值。因此3轴加速度传感器必然包含一个单纯的机械性MEMS传感器和一枚ASIC接口芯片两部分,前者内部有成群移动的电子,主要测量XY及Z轴的区域,后者则将电容值的变化转换为电压输出。
    文中所述的传感器和ASIC接口芯片两部分都可以采用CMOS制程来生产,而在目前的实际生产制造中,由于二者实现技术上的差异,这两部分大都会通过不同的加工流程来生产,再最终封装整合到一起成为系统单封装芯片(SiP)。封装形式可采用堆叠(Stacked)或并排(Side-by-Side)。
    手持设备设计的关键之一是尺寸的小巧。目前ST采用先进LGA封装的加速度传感器的尺寸仅有3 X 5 X 1mm,十分适合便携式移动设备的应用。但考虑到用户对尺寸可能提出的进一步需求,加速度传感器的设计要实现更小的尺寸、更高的性能和更低的成本;其检测与混合讯号单元也会朝向晶圆级封装(WLP)发展。
    下一代产品的设计永远是ST关注的要点。就加速度传感器的发展而言,单芯片结构自然是必然的趋势之一。目前将MEMS传感器与CMOS接口芯片整合的过程是最耗费成本的加工环节,如果能实现单芯片的设计,其优点不言而喻,封装与测试的成本必然会大幅度降低。

    加速度传感器选用要点
    加速度传感器针对不同的应用场景,也在特性上体现为不同的规格。用户需根据自身的具体需要选取最适合的产品。如上文提到的汽车车身冲击传感器或洗衣机等家电的振动传感器等来说,需选用高频(50~100Hz)的加速度传感器;对于硬盘的跌落和振动保护,需要中频(20~50Hz)以上的加速度传感器;而手持设备的姿态识别和动作检测只需低频(0~20Hz)产品即可。
    线形加速度传感器的选取还需要考虑满量程(Full Scale,FS)、灵敏度及解析度等元件的特性。满量程表示传感器可测量的最大值和最小值间的范围;灵敏度与ADC等级有关,是产生测量输出值的最小输入值;解析度则表示了输入参数最小增量。
    除此之外,加速度传感器按输出的不同还可分为模拟式和数字式两种。其中模拟式加速度传感器输出值为电压,还需要在系统中添加模数转换(ADC);数字式加速度传感器的接口芯片中已经集成了ADC电路,可直接以SPI或I2C等实现数字传输。数字式产品在成本上也有一定优势,因为高质量ADC通常比较昂贵,价格甚至可超过传感器部分的单独售价。

    三轴加速度传感器的应用
    1、车身安全、控制及导航系统中的应用
    加速度传感器在进入消费电子市场之前,实际上已被广泛应用于汽车电子领域,主要集中在车身操控、安全系统和导航,典型的应用如汽车安全气囊(Airbag)、ABS防抱死刹车系统、电子稳定程序(ESP)、电控悬挂系统等。

    目前车身安全越来越得到人们的重视,汽车中安全气囊的数量越来越多,相应对传感器的要求也越来越严格。整个气囊控制系统包括车身外的冲击传感器(Satellite Sensor)、安置于车门、车顶,和前后座等位置的加速度传感器(G-Sensor)、电子控制器,以及安全气囊等。电子控制器通常为16位或32位MCU,当车身受到撞击时,冲击传感器会在几微秒内将信号发送至该电子控制器。随后电子控制器会立即根据碰撞的强度、乘客数量及座椅/安全带的位置等参数,配合分布在整个车厢的传感器传回的数据进行计算和做出相应评估,并在最短的时间内通过电爆驱动器(Squib Driver)启动安全气囊保证乘客的生命安全。
    除了车身安全系统这类重要应用以外,目前加速度传感器在导航系统中的也在扮演重要角色。专家预测便携式导航设备(PND)将成为中国市场的热点,其主要利于GPS卫星信号实现定位。而当PND进入卫星信号接收不良的区域或环境中就会因失去信号而丧失导航功能。基于MEMS技术的3轴加速度传感器配合陀螺仪或电子罗盘等元件一起可创建方位推算系统(DR, Dead Reckoning),对GPS系统实现互补性应用。

    2、硬盘抗冲击防护
    目前由于海量数据对存储方面的需求,硬盘和光驱等元器件被广泛应用到笔记本电脑、手机、数码相机/摄相机、便携式DVD机、PMP等设备中。便携式设备由于其应用场合的原因,经常会意外跌落或受到碰撞,而造成对内部元器件的巨大冲击。

    为了使设备以及其中数据免受损伤,越来越多的用户对便携式设备的抗冲击能力提出要求。一般便携式产品的跌落高度为1.2~1.3米,其在撞击大理石质地面时会受到约50KG的冲击力。虽然良好的缓冲设计可由设备外壳或PCB板来分解大部分冲击力,但硬盘等高速旋转的器件却在此类冲击下显得十分脆弱。如果在硬盘中内置3轴加速度传感器,当跌落发生时,系统会检测到加速的突然变化,并执行相应的自我保护操作,如关闭抗震性能差的电子或机械器件,从而避免其受损,或发生硬盘磁头损坏或刮伤盘片等可能造成数据永久丢失的情况。

    3、消费产品中的创新应用
    3轴加速度传感器为传统消费及手持电子设备实现了革命性的创新空间。其可被安装在游戏机手柄上,作为用户动作采集器来感知其手臂前后、左右,和上下等的移动动作,并在游戏中转化为虚拟的场景动作如挥拳、挥球拍、跳跃、甩鱼竿等,把过去单纯的手指运动变成真正的肢体和身体的运动,实现比以往按键操作所不能实现的临场游戏感和参与感。

    此外,3轴加速度传感器还可用于电子计步器,为电子罗盘(3D Compass)提供补偿功能,也可用于数码相机的防抖。以上提到的种种创新应用使其成为下一代产品设计中必不可少的元件。
    1.姿态与动作识别
    3轴加速度传感器的应用范围很广,除了文中提到的游戏动作操控外,还能用于手持设备的姿态识别和UI操作。例如借助3轴加速度传感器,手持设备可实现画面自动转向。iPod Touch就内建了此功能,设备显示的画面和信息会根据用户的动作而自动旋转。其通过内部传感器对重力向量的方向检测来确定设备处于水平或垂直状态,并自动调整显示状态,给用户带来方便。
    传感器对震动的感知性能也可将以前传统的按键动作变化为震动,用户可通过单次或多次震动来进行功能的选择,如曲目的选择、音量控制等。此外,该功能还可扩展至对用户界面元素的操控。如屏幕显示内容的上下左右等方向的浏览可通过倾斜手持设备来完成。
    2.趣味性扩展功能
    3轴加速度传感器对用户操控动作的转变还可转化为许多趣味性的扩展功能上,如虚拟乐器、虚拟骰子游戏,以及“闪讯”(Wave Message)等。虚拟乐器内置的加速度传感器可检测用户对手持设备的挥动来控制乐器的节奏和音量等;骰子游戏也采用类似的原理,通过对挥动等动作的感知来控制虚拟骰子的旋转速度,并借助内部数学模型抽象的物理定律决定其停止的时间。
    “闪讯”是一个更富有想象力的应用,用户可利用此功能在空中进行文字编辑。“闪讯”即让手持设备通过加速度传感器捕捉用户在空中模拟写字的快速动作,主要适合较暗的环境下使用。手持设备上会安装发光的LED,由于人眼视网膜的视觉暂留现象,其在空中挥动的动作会在其眼中留下短暂的连续画面,完成写字的所有动作笔顺。
    3.功耗控制
    功耗一直是便携设备设计中要考虑的重要因素,内置3轴加速度传感器则使设备可通过检测设备的使用状况来对其用电模式加以控制,从而有效延长电池的使用时间。

    Thelma制程技术
    成熟的制程技术是3轴加速度传感器和其他MEMS产品在消费电子产品市场成功的关键之一。目前,为了达到产量及质量控制的严格要求,充分利用全球半导体产业界的制造和材料资源,以及生产流程控制经验,MEMS类元器件大多采用标准的CMOS半导体制造技术,这样不但能使其生产制造从规模经济中受惠,还能让MEMS元器件随光照制程的微型化先进制程不断演进和发展,产品体积更小。
    然而在制程技术上,MEMS类组件的生产与其它一般芯片有所差异。早期的MEMS产品制造中多采用单晶硅为材料,和比较简单且稳定的体型微加工(Bulk Micro-Machining)技术,缺点是制造成本较高。目前的制造技术比较接近集成电路半导体的制程,多采用多晶硅表面微加工(SuRFace Micro-Machining)科技,使成本有效降低,而且加工的精度和分辨率均更加出色。
    各厂家的MEMS类元件制程技术虽然在工艺和加工设备上较类似,大都采用文中提到的CMOS制程与表面微加工技术,但为了与自身的生产制造特点相符,制造商往往会根据自己的经验开发出其特有的生产加工平台及相应的流程,以实现缩短生产周期、提高产品质量和降低加工成本的目的。
    Thelma制程技术,即厚磊晶层(Thick Epitaxial Layer for Micro-Gyroscopes and Accelerometer)技术,是ST发展出的专有表面为加工制程,主要针对高灵敏度、高探测范围的加速度传感器和陀螺仪等MEMS元器件的生产加工。其通过运用深度蚀刻技术及牺牲层(Sacrificial-Layer)等理论,可在微型装置中加工出能实现各种动作的精密机械机构。Thelma制程技术主要包含六个主要步骤:基底热氧化、水平互连的沉积与表面图样化(Patterning)、牺牲层的沉积与表面图样化、结构层的磊晶生长、用通道蚀刻将结构层图样化、以及牺牲层的氧化物去除,与接触金属化沉积。

    多晶硅材料具有良好的耐疲劳性及抗冲击性,且采用CMOS制程除了能带来较低的成本、更稳定的加工流程,芯片与传感器的功能相独立还保证了设计上的灵活性。独特的Thelma技术还可提供完整的铸模封装,使生产出的元器件具有极可靠的物理性质,能制造出最佳的制止器(Stopper),降低电极之间的静电摩擦等风险。与传统工艺相比较,Thelma技术可以减少芯片面积,因而克服体型微加工过程中常见的设计局限。此外,其会生长出一块厚度约15微米(um)的多晶硅磊晶层。该硅结构在增加厚度的同时也增加了垂直表面积,因而增大平行于基底的静电启动器的总电容值。

    http://www.elecfans.com/lab/sensor/20120909287860.html

    展开全文
  • 而今天我们要介绍的GAN实际上是一种比较年轻的方法。两年半之前, Ian Goodfellow的一篇论文首次将其引入,虽然时间很短,但我们看Google的搜索热度和Google学术上论文引用的次数,它一直受到学术界广泛的关注,而且...

    转载自:http://www.leiphone.com/news/201701/Kq6FvnjgbKK8Lh8N.html

    GAN是“生成对抗网络”(Generative Adversarial Networks)的简称,由2014年还在蒙特利尔读博士的Ian Goodfellow引入深度学习领域。2016年,GAN热潮席卷AI领域顶级会议,从ICLR到NIPS,大量高质量论文被发表和探讨。Yann LeCun曾评价GAN是“20年来机器学习领域最酷的想法”。

    在GAN这片新兴沃土,除了Ian Goodfellow所在的OpenAI在火力全开,Facebook的人工智能实验室也在这一领域马不停蹄深耕,而苹果近日曝出的首篇AI论文,就是基于GANs的变种“SimGAN”。从学术界到工业界,GANs席卷而来。

    嘉宾介绍

    冯佳时,现任新加坡国立大学电子与计算机工程系助理教授,机器学习与视觉实验室负责人。

    中国科学技术大学自动化系学士,新加坡国立大学电子与计算机工程系博士。2014-2015年在加州大学伯克利分校人工智能实验室从事博士后研究。现研究方向为图像识别、深度学习及面向大数据的鲁棒机器学习。

    冯佳时博士曾获ICCV’2015 TASK-CV最佳论文奖,2012年ACM多媒体会议最佳技术演示奖。担任ICMR 2017技术委员会主席,JMLR, IEEE TPAMI, TIP, TMM, TCSVT, TNNLS及 CVPR, ICCV, ECCV, ICML, NIPS, AAAI, IJCAI等期刊、会议审稿人。冯佳时博士已在计算机视觉、机器学习领域发表论文60余篇。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    GANs是深度学习领域比较重要的一个模型,也是人工智能研究的一个重要工具。

    我们现在所追求的人工智能,一个很重要的特性就是能够像我们人类一样,理解周围复杂的世界。包括识别和理解现实中的三维世界,人类、动物和各种工具。这样才能在对现实世界理解的基础上,进行推理和创造。

    而正像著名物理学家,理查德•费曼说的一样,如果要真正理解一个东西,我们必须要能够把它创造出来。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    正是基于这样的想法,机器学习以及人工智能的研究者们提出了概率生成模型,致力于用概率和统计的语言,描述周围的世界。

    作为一种概率生成模型:GAN

    简单说, 概率生成模型的目的,就是找出给定观测数据内部的统计规律,并且能够基于所得到的概率分布模型,产生全新的,与观测数据类似的数据

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    举个例子,概率生成模型可以用于自然图像的生成。假设给定1000万张图片之后,生成模型可以自动学习到其内部分布,能够解释给定的训练图片,并同时生成新的图片。

    与庞大的真实数据相比,概率生成模型的参数个数要远远小于数据的数量。因此,在训练过程中,生成模型会被强迫去发现数据背后更为简单的统计规律,从而能够生成这些数据。

    现在比较流行的生成模型,其实可以分为三类:

    1. 生成对抗网络(GAN)。这个是我们今天要重点介绍的内容。

    2. 变分自动编码模型(VAE)。它依靠的是传统的概率图模型的框架,通过一些适当的联合分布的概率逼近,简化整个学习过程,使得所学习到的模型能够很好地解释所观测到的数据。

    3. 自回归模型(Auto-regressive)。在这种模型里,我们简单地认为,每个变量只依赖于它的分布,只依赖于它在某种意义上的近邻。例如将自回归模型用在图像的生成上。那么像素的取值只依赖于它在空间上的某种近邻。现在比较流行的自回归模型,包括最近刚刚提出的像素CNN或者像素RNN,它们可以用于图像或者视频的生成。

    GAN热度从学术界蔓延至工业界

    这三种生成模型都有各自的优缺点,然后也在不同的领域上得到广泛的关注。而今天我们要介绍的GAN实际上是一种比较年轻的方法。两年半之前, Ian Goodfellow的一篇论文首次将其引入,虽然时间很短,但我们看Google的搜索热度和Google学术上论文引用的次数,它一直受到学术界广泛的关注,而且热度一直快速增长。

    除了学术界,GAN还受到工业界的广泛关注。有许多做人工智能研究的公司正在投入大量的精力来发展和推广GAN模型。其中包括 Ian Goodfellow 如今所在的 OpenAI 公司。这个公司一直在致力于研究推广GAN,并将其应用在不同的任务上。同时 Facebook 和 Twitter 最近两年也投入了大量的精力来研究,并将GAN应用在了图像生成和视频生成上。尤其值得一提的是,Apple最近发表了其关于人工智能研究的首篇论文,恰恰是应用GAN来做数据的生成,帮助更好地训练机器学习模型。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    那么,GAN为什么会受到这样广泛的关注呢?

    Goodfellow在他的论文中,给出了一些解释。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    GAN是更好的生成模型,在某种意义上避免了马尔科夫链式的学习机制,这使得它能够区别于传统的概率生成模型。传统概率生成模型一般都需要进行马可夫链式的采样和推断,而GAN避免了这个计算复杂度特别高的过程,直接进行采样和推断,从而提高了GAN的应用效率,所以其实际应用场景也就更为广泛。

    其次GAN是一个非常灵活的设计框架,各种类型的损失函数都可以整合到GAN模型当中,这样使得针对不同的任务,我们可以设计不同类型的损失函数,都会在GAN的框架下进行学习和优化。

    再次,最重要的一点是,当概率密度不可计算的时候,传统依赖于数据自然性解释的一些生成模型就不可以在上面进行学习和应用。但是GAN在这种情况下依然可以使用,这是因为GAN引入了一个非常聪明的内部对抗的训练机制,可以逼近一些不是很容易计算的目标函数。

    Facebook人工智能研究院的Yann LeCun也一直是GAN的积极倡导者。其中一个最重要的原因就是GAN为无监督学习提供了一个强有力的算法框架,而无监督学习被广泛认为是通往人工智能重要的一环。就像Yann LeCun所给出的一个比喻一样:

    “如果人工智能是一块蛋糕,那么强化学习是蛋糕上的一粒樱桃,监督学习是外面的一层糖霜,无监督/预测学习则是蛋糕胚。目前我们只知道如何制作糖霜和樱桃,却不知如何制作蛋糕胚。“

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    虽然还在快速的发展当中,但是GAN确实为无监督学习,提供了一个非常有潜力的解决方案。

    朴素GAN的基本框架

    一个最朴素的GAN模型,实际上是将一个随机变量(可以是高斯分布,或0到1之间的均匀分布),通过参数化的概率生成模型(通常是用一个神经网络模型来进行参数化),进行概率分布的逆变换采样,从而得到一个生成的概率分布(图中绿色的分布模型)。

    而GAN的或者一般概率生成模型的训练目的,就是要使得生成的概率分布和真实数据的分布尽量接近,从而能够解释真实的数据。但是在实际应用中,我们完全没有办法知道真实数据的分布。我们所能够得到的只是从这个真实的数据分布中所采样得到的一些真实数据。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    通过优化目标,使得我们可以调节概率生成模型的参数\theta,从而使得生成的概率分布和真实数据分布尽量接近。

    那么怎么去定义一个恰当的优化目标或一个损失?传统的生成模型,一般都采用数据的似然性来作为优化的目标,但GAN创新性地使用了另外一种优化目标。首先,它引入了一个判别模型(常用的有支持向量机和多层神经网络)。其次,它的优化过程就是在寻找生成模型和判别模型之间的一个纳什均衡。

    GAN所建立的一个学习框架,实际上就是生成模型和判别模型之间的一个模仿游戏。生成模型的目的,就是要尽量去模仿、建模和学习真实数据的分布规律;而判别模型则是要判别自己所得到的一个输入数据,究竟是来自于真实的数据分布还是来自于一个生成模型。通过这两个内部模型之间不断的竞争,从而提高两个模型的生成能力和判别能力。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    如果我们把生成模型比作是一个伪装者的话,那么判别模型就是一个警察的角色。伪装者的目的,就是通过不断的学习来提高自己的伪装能力,从而使得自己提供的数据能够更好地欺骗这个判别模型。而判别模型则是通过不断的训练来提高自己判别的能力,能够更准确地判断数据来源究竟是哪里。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    当一个判别模型的能力已经非常强的时候,如果生成模型所生成的数据,还是能够使它产生混淆,无法正确判断的话,那我们就认为这个生成模型实际上已经学到了真实数据的分布

    GAN的基本原理

    GAN模型包括了一个生成模型G和一个判别模型D,GAN的目标函数是关于D与G的一个零和游戏。也是一个最小-最大化问题。

    这里判别模型D实际上是对数据的来源进行一个判别:究竟这个数据是来自真实的数据分布Pdata,还是来自于一个生成模型G所产生的一个数据分布Pg。

    判别模型D的训练目的就是要尽量最大化自己的判别准确率。当这个数据被判别为来自于真实数据时,标注 1,自于生成数据时,标注 0。

    而与这个目的相反的是,生成模型G的训练目标,就是要最小化判别模型D的判别准确率。在训练过程中,GAN采用了一种非常直接的交替优化方式,它可以分为两个阶段,第一个阶段是固定判别模型D,然后优化生成模型G,使得判别模型的准确率尽量降低。而另一个阶段是固定生成模型G,来提高判别模型的准确率。

    下面这张图,可视化了GAN学习的过程,从左到右是随着训练过程的进展,依次得到的训练结果。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    图(a)中黑色大点虚线P(x)是真实的数据分布,绿线G(z)是通过生成模型产生的数据分布(输入是均匀分布变量z,输出是绿色的曲线)。蓝色的小点虚线D(x)代表判别函数。

    在图(a)中,我们可以看到,绿线G(z)分布和黑色P(x)真实分布,还有比较大的差异。这点也反映在蓝色的判别函数上,判别函数能够准确的对左面的真实数据输入,输出比较大的值。对右面虚假数据,产生比较小的值。但是随着训练次数的增加,图(b)和图(c)反映出,绿色的分布在逐渐靠近黑色的分布。到图(d),产生的绿色分布和真实数据分布已经完全重合。这时,判别函数对所有的数据(无论真实的还是生成的数据),输出都是一样的值,已经不能正确进行分类。G成功学习到了数据分布,这样就达到了GAN的训练和学习目的。

    • GAN的全局最优解和收敛性

    但是GAN有一些待加强的理论保证,其中一个是说,GAN是存在全局最优解的。这个全局最优解可以通过一些简单的分析得到。首先,如果固定G,那么D的最优解就是一个贝叶斯分类器。将这个最优解形式带入,可以得到关于G的优化函数。简单的计算可以证明,当产生的数据分布与真实数据分布完全一致时,这个优化函数达到全局最小值。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    另外一点,是关于GAN的收敛性。如果G和D的学习能力足够强,两个模型可以收敛。但在实际中,GAN的优化还存在诸如不稳定等一些问题。如何平衡两个模型在训练中是一个很重要的问题。

    • GAN的优点和缺点

    GAN的优点很多,前面我们提到了一部分。这里要提到的一个重要优点,就是生成模型G的参数更新不是来自于数据样本本身(不是对数据的似然性进行优化),而是来自于判别模型D的一个反传梯度

    GAN可以和CNN、RNN结合在一起。任何一个可微分的函数,都可以用来参数化GAN的生成模型和判别模型。那么,在实际中,我们就可以使用深度卷积网络,来参数化生成模型。另外,GAN和RNN结合在一起,用来处理和描述一些连续的序列数据,可以学习到序列数据的分布,同时也可以产生序列数据应用,包括对音乐数据或者是一些自然语言数据的建模和生成。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    但GAN的缺点也同样明显。

    第一个是GAN的可解释性非常差,因为我们最后所学到的一个数据分布Pg(G),没有显示的表达式。它只是一个黑盒子一样的映射函数:输入是一个随机变量,输出是我们想要的一个数据分布。

    其次,在实际应用中GAN比较难训练。因为GAN要交替优化两个部件,而这两个部件之间的优化需要很好的同步。例如,在实际中我们常常需要 D 更新 K次, G 才能更新 1 次,如果没有很好地平衡这两个部件的优化,那么G最后就极大可能会坍缩到一个鞍点。

    GAN的应用实例

    作为一个生成模型,GAN最直接的应用,就是用于真实数据分布的建模和生成,包括可以生成一些图像和视频,以及生成一些自然语句和音乐等。其次,因为内部对抗训练的机制,GAN可以解决一些传统的机器学习中所面临的数据不足的问题,因此可以应用在半监督学习、无监督学习、多视角、多任务学习的任务中。还有,就是最近有一些工作已经将进行成功应用在强化学习中,来提高强化学习的学习效率。因此GAN有着非常广泛的应用。

    • 应用实例 1:图像超分辨率(Twitter)

    Twitter 公司最近发表了一篇图像超分辨率的论文,就是应用了GAN模型。图像超分辨率的目的,是将一个低分辨率的模糊图像,进行某种变换,得到一个高分辨率的带有丰富细节的清晰图像。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    超分辨率问题,实际上是一个病态问题,因为在图像分辨率降低的过程中,丢失的高频细节很难恢复。但是GAN在某种程度上可以学习到高分辨率图像的分布,从而能够生成质量比较好的高分辨率图像。

    生成模型要将模糊的低分辨率图像作为输入,并输出一个高分辨率的清晰图像。而判别模型,就要判断所输入的图像究竟是“真实高分辨率图像”还是由低分辨率图像“转化来的高分辨率图像”。而这就大大简化了图像超分辨率模型的学习过程。因为传统上做一个图像超分辨率,都要去对一些高频细节进行建模,而这里生成模型训练目的就简化为迷惑判别模型。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    为了使得整个GAN能够取得比较好的结果,我们常常要求生成模型和判别模型都要有很强的学习能力,所以在实际应用中,我们常常用一个多层的神经网络来参数化生成模型或者判别模型。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    在 Twitter 这篇论文中,他们用一个16个残差块的网络来参数化生成模型。而判别模型使用的是一个VGG网络。这个实验结果也说明了使用GAN模型能够得到更好的结果。与以往基于深度学习模型做图像超分辨率的结果相比的话(比如SRResNet等),我们可以看到GAN的结果图能够提供更丰富的细节。这也就是GAN做图像生成时的一个显著优点,即能够提供更锐利的数据细节

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    • 应用实例 2:数据合成(Apple)

    Apple最近刚刚发表了其第一篇AI论文,论文要解决的问题,就是如何使得模拟的数据更加逼真,与真实图像的差异性尽量小。

    这篇论文中使用了类似GAN的框架,将模拟器(Simulator)产生的虚拟数据作为输入,通过一个叫做改进器(Refiner)的模型(对应生成模型)来产生改进后的虚拟数据。再同样的,使用一个判别器,来判断所产生的图像是真实的,还是虚拟的 。

    Apple对GAN主要做了两个方面的改进。

    第一个就是,为了最大程度保留虚拟图像的类别,引入了额外的一个自正则项(Self-Regularization Term),最小化生成图像与合成图像的绝对值误差,从而保留图像的标注信息,如眼睛视线的方向,使得生成图像可以用于训练机器学习模型。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    另外一个改进,是引入了一个局部对抗损失函数(Local adversarial loss),而不是像之前的判别器,使用的是一个全局的损失函数。这里不同于朴素GAN将整张图作为一个输入进行真与假的判别,而是将输入的图像分成若干个图像块,对每个图像块进行判别。这样的话可以避免过于强调某些特定的图像特征而导致的尾插。同时实验结果也表明,使用这种局部的对抗损失,确实可以提供一些更锐利的细节,使得生成结果具有更丰富的信息。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    那么除了刚才介绍的两个例子,GAN还有其他一些非常有意思的应用。

    • 其它有趣的应用实例

    首先,图像到图像的翻译。比如说将语义标注图、灰度图或边缘图作为GAN的输入,那么我们希望它输出能够和输入图一致的真实图像,例如这里的街景图和彩色图。

    其次,文本到图像的翻译。GAN的输入是一个描述图像内容的一句话,比如“一只有着粉色的胸和冠的小鸟”,那么所生成的图像内容要和这句话所描述的内容相匹配。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    GAN可以用在特定的人脸图像生成上,例如戴着墨镜的人脸。还可用在图像语音分割上,通过引入对抗训练,得到更锐利的风格结果。GAN可以用于视频生成,通过过去的一些帧来预测未来的一些帧,从而捕捉到一些运动的信息。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    最近,我们自己的实验室团队在GAN上也有一些应用和发展,其中一个是将GAN应用在“人脸去遮挡”。我们引入了一种保持人的身份信息的GAN模型,实验结果证明,这个模型不仅能够检测和去掉在人脸上的遮挡,同时还能保持人的身份信息,从而提高人脸的识别准确率。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    我们实验室的另一个GAN应用,是在小物体的检测上,例如在自动驾驶领域对交通标志进行检测。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    我们发现,小的交通标志和大的交通标志实际上在特征表示上有着显着的差异。因此,如果我们直接将所学习到的特征表示作为输入,进行检测的话,那么小物体上的检测结果往往都不是特别好。所以,我们提出了一个“感知GAN模型”(Perceptual GAN),应用在小物体特征表示的超分辨率上,而不是对原始图像进行超分辨率,使得小物体的特征表示和大物体的特征角表示尽量接近,这样我们就能够成功检测到小物体。我们将这个感知GAN模型应用在了交通标志检测上,取得了比较好的实验结果。

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    GAN的未来发展方向

    1. 针对GAN可解释性差进行改进。包括最近刚提出的InfoGANs。InfoGANs通过最大化隐变量与观测数据的互信息,来改进GAN的解释性。

    2. 进一步提高GAN的学习能力。包括引入“多主体的GAN”。在多主体的GAN中,有多个生成器和判别器,它们之间可以进行交流,进行知识的共享,从而提高整体的学习能力。

    3. 针对GAN优化不稳定性进行改进。例如使用 F 散度来作为一个优化目标和手段,对GAN进行训练。

    4. 应用在一些更广泛的领域。包括迁移学习以及领域自适应学习。还有一个最近比较有意思的应用,是建立了GAN和强化学习之间的联系,将GAN用在了逆强化学习和模拟学习上,从而能够大幅度提高强化学习的学习效率。另外还可以用在数据的压缩上以及应用在除了图像以外其他的数据模式上,比如用于自然语句的生成,还有音乐的生成。

    总结

    1. GAN的优势。作为一个生成模型,GAN模型避免了一些传统生成模型在实际应用中的一些困难,巧妙地通过对抗学习来近似一些不可解的损失函数。

    2. 应用方面。GAN现在广泛应用图像和视频等数据的生成,还可以用在自然语言和音乐生成上。

    3. 存在的问题。一个是GAN的优化过程中存在不稳定性,很容易坍缩到一个鞍点上;其次是GAN的可解释性比较差;再次,需要提高训练过程中的稳定性和GAN模型的延展性,尤其在处理大规模数据的时候。

    4. 应用前景。在未来,我们希望看到GAN应用在无监督学习或自监督学习上,提供有效的解决方案。同时GAN还可以建立与强化学习之间的联系,应用在强化学习上。

    最后,回到Yann LeCun提出的那个比喻,我们对它进行一点修改。就是如果人工智能是一个蛋糕的话,那么“蛋糕胚”不仅是指无监督的数据表示学习,还应该包括“无监督推断学习”,而GAN确实很好地连接了这两个重要的人工智能主体

    深度学习新星:GAN的基本原理、应用和走向 | 硬创公开课

    另外,除了强化学习这颗“樱桃”之外,实际上还有很多其他的“樱桃”。比如说鲁棒学习、自监督学习和在线学习等。所以实际上还有许多问题需要大家一起来解决。


    这里有多类其他变形 GAN 从 NIPS 2014 被提出,到 2017年5月一共覆盖了25篇重要论文的原理、方法、存在的问题、改进的方法和应用方向等。http://mp.weixin.qq.com/s/dVDDMXS6RA_NWc4EpLQJdw

    展开全文
  • 区块链:起源、原理及应用

    万次阅读 多人点赞 2016-07-25 10:33:10
    德勤在接受CoinDesk的采访中表示,正在尝试将区块链技术应用到客户端的自动审核众包(公司以自由形式外包给非特定大众网络)公司在应用程序上的咨询服务。 金融主管机构: 2016年1月20日,中国人民银行数字货币...

    近年来,区块链技术正在经历快速发展,并吸引了超过10亿美元的投资规模。而我们认为,最值得重视的是,区块链正在走进金融机构、大型企业、政府决策层的视野,大有从“草根力量”引发经济变革的态势。

    证券交易所:2015年12月,纳斯达克首次在个股交易商使用区块链技术,其合作伙伴Chain.com在对一位私人投资者发行股票时首次使用了纳斯达克的基于区块链技术的交易平台Linq,该平台正式纳斯达克与Chain.com合作开发的。

    会计审计机构:近期,普华永道已经开始组建其区块链技术团队,并开始调查普华永道客户对于区块链技术的潜在应用,以及推动金融行业对于该技术的理解程度。而此前,其两家同行—德勤、安永早已宣布进军区块链。德勤在接受CoinDesk的采访中表示,正在尝试将区块链技术应用到客户端的自动审核及众包(公司以自由形式外包给非特定大众网络)公司在应用程序上的咨询服务。

    金融主管机构:2016年1月20日,中国人民银行数字货币研讨会在北京召开,来自人民银行及国内外知名机构的数字货币研究专家进行了研讨和交流。人民银行行长周小川出席会议,人民银行副行长范一飞主持会议。人民银行表示高度重视移动互联网、可信可控云计算、终端安全存储、区块链等技术对于支付方式的影响和变革,数字货币的发展正在对中央银行的货币发行和货币政策带来新的机遇和挑战。

    大型科技企业:IBM宣布加入由Linux基金会推出的全新开放式账本项目(Open Ledger Project),推动区块链技术的进一步发展。该项目旨在构建一个企业级的开源分布式账本框架,使开发者能够根据特定行业需求打造领先的应用、平台和硬件系统,以更好地支持不同行业的业务交易。

    银行体系:区块链联盟R3 CEV近期宣布,它首个分布式账本实验将会使用以太坊平台和微软云服务Azure上的BaaS(Blockchain as a Service,区块链即服务),并且会有11个它的成员银行参与。R3负责管理的私有点对对台账将会链接巴克莱银行,BMO金融集团,瑞士信贷银行,澳大利亚联邦银行,汇丰银行,法国外贸银行,苏格兰皇家银行,道明银行,瑞士联合银行,意大利联合信贷银行和富国银行。

    区块链技术的发展和原理

    【相关专业词汇释义】

    区块链技术(Block Chain)是指通过去中心化的方式集体维护一个可靠数据库的技术方案。该技术方案主要让区块(Block)通过密码学方法相关联起来,每个数据块包含了一定时间内的系统全部数据信息,并且生成数字签名以验证信息的有效性并链接到下一个数据块形成一条主链(Chain)。

    区块(Block)是区块链中的一条记录,包含并确认待处理的交易。

    挖矿(Mining)指通过计算形成新的区块,是交易的支持者利用自身的计算机硬件为网络做数学计算进行交易确认和提高安全性的过程。以比特币为例:交易支持者(矿工)在电脑上运行比特币软件不断计算软件提供的复杂的密码学问题来保证交易的进行。作为对他们服务的奖励,矿工可以得到他们所确认的交易中包含的手续费,以及新创建的比特币。

    对等式网络(Peer-to-Peer Network)是指通过允许单个节点与其他节点直接交互,从而实现整个系统像有组织的集体一样运作的系统。以比特币为例:网络以这样一种方式构建——每个用户都在传播其他用户的交易。而且重要的是,不需要银行或其他金融机构作为第三方。

    哈希散列(Hash)是密码学里的经典技术,把任意长度的输入通过哈西算法,变换成固定长度的由字母和数字组成的输出。

    数字签名(Digital Signature)是一个让人可以证明所有权的数学机制。

    私钥(Private Key)是一个证明你有权从一个特定的钱包消费电子货币的保密数据块,是通过数字签名来实现的 。

    双重消费指用户试图非法将电子货币同时支付给两个不同的收款人,是电子货币的最大风险之一。

    区块链的起源:一种支持比特币运行的底层技术

    区块链的概念首次在2008年末由中本聪(Satoshi Nakamoto)发表在比特币论坛中的论文《Bitcoin: A Peer-to-Peer Electronic Cash System》提出。论文中区块链技术是构建比特币数据结构与交易信息加密传输的基础技术,该技术实现了比特币的挖矿与交易。中本聪认为:第一,借助第三方机构来处理信息的模式拥有点与点之间缺乏信任的内生弱点,商家为了提防自己的客户,会向客户索取完全不必要的信息,但仍然不能避免一定的欺诈行为;第二,中介机构的存在,增加了交易成本,限制了实际可行的最小交易规模;第三,数字签名本身能够解决电子货币身份问题,如果还需要第三方支持才能防止双重消费,则系统将失去价值。基于以上三点现存的问题,中本聪在区块链技术的基础上,创建了比特币。

    【下图】基于第三方机构消费系统存在的问题暨比特币创立背景


    2009年1月3日,中本聪制作了比特币世界的第一个区块“创世区块”并挖出了第一批比特币50个。

    2010年5月21日,佛罗里达程序员用1万比特币购买了价值25美元的披萨优惠券,随着这笔交易诞生了比特币第一个公允汇率。

    2010年7月,第一个比特币平台成立,新用户暴增,价格暴涨。

    2011年2月,比特币价格首次达到1美元,此后与英镑、巴西雷亚尔、波兰兹罗提汇兑交易平台开张。

    2012年,瑞波(Ripple)发布,其作为数字货币,利用区块链转移各国外汇。

    2013年,比特币暴涨。美国财政部发布了虚拟货币个人管理条例,首次阐明虚拟货币释义。

    2014年,以中国为代表的矿机产业链日益成熟,同年,美国IT界认识到了区块链对于数字领域的跨时代创新意义。

    2015年,美国纳斯达克证券交易所推出基于区块链的数字分类账技术Linq进行股票的记录交易与发行。

    近期,花旗集团、日本三菱日联金融集团、瑞士联合银行和德意志银行等全球大型金融机构,也将应用“区块链”技术,打造快捷、便利、成本低廉的交易作业系统。在金融领域之外,区块链技术也开始应用于保护知识产权、律师公证、网络游戏等有信息透明公开并永久记录需求的领域。

    【下图】比特币区块链交易的具体流程示意

    区块链技术作为比特币的基础性技术,具有高度透明、去中心化、去信任、集体维护(不可更改)、匿名等性质。这些性质体现了分布式自治的理念,逐渐受到拥有创新意识的金融机构的广泛关注。DAC(Distributed Autonomous Corporation)翻译为分布式自治机构。所谓DAC,就是通过一系列公开公正的规则,以无人干预和管理的情况下自主运行的组织机构。这些规则往往会以开源软件的形式出现,每个人可以通过支付手段获得不定形式的回报,分享收益,参与系统的成长。比如,比特币、纳斯达克的新平台以及其他应用就是典型的DAC。

    自2009 年中本聪提出比特币概念,比特币起初因为其高度的隐蔽性和不可追踪性受到了“黑市丝绸之路”用户的青睐,后期又频繁被当作赎金来使用。虽然博得了眼球,但比特币至今仍没有成为一种主流货币,过高的波动性和各国监管层对其复杂的态度抑制了比特币的发展。但其背后的数据结构—区块链却得到了快速的的发展。作为一种基于开源软件和建构上的P2P网络,在和货币相关的例如交易支付等领域,相比传统网络的支持方式,区块链可以为这些领域带来多种优秀特点。这些优点包括:去中心化、无须信任系统、去中介化、不可篡改、加密安全性。这些优点的叠加可以解决两个长期存在于加密数字货币行业的问题:“双花”问题和“拜占庭”将军问题。

    去中心化:区块链是一个由各矿工节点记账维持,并储存在全球范围内各个去中心化节点的公开账本,因为每个节点和矿工都必须遵循同一记账交易规则,而该规则基于密码算法而非信用,同时每笔交易需要网络内其他用户的批准,所以不需要一套第三方中介结构(比如说银行)或信任机构背书。在传统的中心化网络中,对一个中心节点(例如支付中介第三方)实行有效攻击即可破坏整个系统,而在一个去中心化的例如区块链的网络中,攻击单个节点无法控制或破坏整个网络,掌握网内50%的节点只是获得控制权的开始而已。

    无须信任系统:区块链网络中,通过算法的自我约束,任何恶意欺骗系统的行为都会遭到其他节点的排斥和抑制,因此其不依赖中央权威机构支撑和信用背书。传统的信用背书网络系统中,参与人需要对于中央机构足够信任,随着参与网络人数增加,系统的安全性下降。与之相反,区块链网络中,参与人不需要对任何人信任,但随着参与节点增加,系统的安全性反而增加,同时数据内容可以做到完全公开。不可篡改和加密安全性:区块链采取单向哈希算法,同时每个新产生的区块严格按照时间线形顺序推进,时间的不可逆性导致任何试图入侵篡改区块链内数据信息的行为很容易被追溯,导致被其他节点的排斥,从而限制了相关不法行为的产生和施行。

    “双花”问题:加密数字货币和其他数字资产一样,如同可以将一个文件以附件形式保存并发送任意多次,具有无限可复制性的缺陷。如果没有一个中心化的机构,我们无法确认一笔数字现金或资产是否已经被花掉或提取。为了解决“双花”问题,可以信赖的第三方需要保留交易总帐从而保证每笔现金或资产只被花费或提取过一次。在区块链中,每一个区块都包含了上一个区块的哈希值,从创始区块开始连接到当前区块从而形成块链。每一个区块都要确保按照时间顺序在上个区块之后产生,否则前一个区块的哈希值是未知的。同时,由于区块链中所有交易都要进行对外广播,所以只有当包含在最新区块中的所有交易都是独一无二且之前从未发生过,其他节点才会认可该区块。因此在区块链中,“双花”变的非常困难。

    “拜占庭将军”问题:拜占庭问题的核心问题是当战场上多个将军互相并不信任彼此(存在叛徒)时,互相相隔甚远无法碰头,但却要保证进攻时间一致,所以某种分布式远程协调沟通机制尤为重要。如果每个将军向其他九个将军派出一名信使,也就是10 个将军每个派出了9 名信使,即为总计90 次的传输,每个将军会分别收到9 条信息,可能每一封都附着不同的进攻时间。此外,部分将军会答应超过一个的攻击时间,故意背叛发起人,所以他们将重新广播超过一条的信息链。这个系统迅速变成不可靠信息和攻击时间相互矛盾的混合体。区块链通过为发送信息加入了成本,也就是基于计算一个随机哈希算法得到遗传64 位的随机数字和字母组成的字符串的“工作量证明”,并加入了一个随机元素以保证在一个时间只有一个将军可以进行广播,解决了这个问题。

    【下图】区块链技术的特点

    区块链的原理:去中心化的分布式记账系统

    区块链技术的核心是所有当前参与的节点共同维护交易及数据库,它使交易基于密码学原理而不基于信任,使得任何达成一致的双方,能够直接进行支付交易,不需第三方的参与。

    从技术上来讲,区块是一种记录交易的数据结构,反映了一笔交易的资金流向。系统中已经达成的交易的区块连接在一起形成了一条主链,所有参与计算的节点都记录了主链或主链的一部分。一个区块包含以下三部分:交易信息、前一个区块形成的哈希散列、随机数。交易信息是区块所承载的任务数据,具体包括交易双方的私钥、交易的数量、电子货币的数字签名等;前一个区块形成的哈希散列用来将区块连接起来,实现过往交易的顺序排列;随机数是交易达成的核心,所有矿工节点竞争计算随机数的答案,最快得到答案的节点生成一个新的区块,并广播到所有节点进行更新,如此完成一笔交易。

    【下图】区块和区块链的组成
    【下图】交易实现、区块链形成的步骤

    区块链本质上是一个去中心化的巨大账本数据库,作为比特币的底层技术,区块链是由一串使用密码学相关联所产生的数据块组成,每一个数据块中包含了多次比特币网络有效确认(一次有效交易检验被称为一次确认)的信息。随着交易不断产生,矿工不断验证交易创造新的区块来记录最新的交易,这个帐本会一直增长延长。这些区块按照时间顺序线性补充到原有的区块链上。每一个节点(每台通过钱包的客户端口连接到区块链网络上的电脑)都有一份完整的已有区块链备份记录,而这些都是通过进行数据验证算法解密的矿工网络自动完成。区块链上保留有所有关于每个节点和节点上比特币余额的信息,这些信息也被记录在完整的区块链上。公共式区块链帐本完全对外公开,这意味着区块链信息可以通过特定地址在区块链浏览器上(例如www.blockchain.info)进行查询。

    新区块的生成将奖励矿工新的电子货币,还可以通过设置交易费用来奖励挖矿这种提供算力的行为,系统通过这样的方式完成电子货币的发行,这也让矿工有利可图,成为了矿工挖矿的主要动机。

    有了区块链之后,当一个用户想要进行历史交易的验证时,可以通过一系列基于密码学与数据结构学的运算追踪交易所属的区块,从而完成验证。此外,对于随机数答案难度的调整可以控制新区块的生成速度;私钥的保密性可以保证和实现匿名交易;对于历史交易数据的剪枝可以实现硬盘空间的回收:经过中本聪的测算,经过完全剪枝的区块链数据一年只生成4.2MB的数据量。

    区块链的硬件:挖矿提供强大的计算能力支持与安全保证

    区块链系统同任何一个数字系统一样,都离不开计算机硬件的支持。去除了第三方机构的同时,也无法得到第三方机构提供的硬件支持。区块链集体记账的特点要求每个支持交易的节点都能够为系统提供计算能力,由此提出了一种鼓励节点竞相提供计算能力的机制——挖矿。

    每个节点接收到交易信息以后,生成新的区块并计算该区块的随机数答案,最快得到答案的节点将促成这笔交易的实现,完成交易的区块记录,并将该区块广播至所有节点。同时该节点将有可能获得一枚新的电子货币作为奖励。由于其过程很像矿工挖矿,因此节点提供算力的过程也叫作挖矿。通过挖矿,可以强制性保证块链中的数据按时间顺序存储,保持比特币网络的中立性,且允许比特币网络上不同的计算机对系统状态达成一致。

    【下图】第三方机构支持的硬件系统与区块链硬件系统的对比


    2016年1月,支持比特币运行的区块链的计算能力已经达到了800,000,000Gh/s,代表每秒能够进行8×10[18]次运算,全球Top500的超级计算机的算力加在一起都远远不及这个数量级。区块链矿机网络的强大运算能力也让人们认识到区块链技术背后群体力量汇聚之后的超级力量。

    区块链系统的安全性是通过挖矿形成的强大算力保证的。由于每笔交易都是通过盖时间戳的方式顺序链接的,当一个人想要伪造一笔交易时,他不仅需要伪造该笔交易对应的区块,还需要伪造该区块之后所链接的所有区块。如果伪造者计算机的算力不能支持它伪造区块的速度超过区块链增长的速度,那么伪造的区块就马上会被发现并被弃用。

    【下图】比特币区块链的计算能力


    中国东北的一家挖矿工厂拥有2500台矿机,每个月支持矿机计算的电费就达到了40万人民币,尽管工厂内有制冷系统,但是室内温度还是达到了40度。随着区块链矿机网络计算能力的增强,矿机挖矿的难度也在增大。挖矿行业已经成为了一个完全竞争的市场,挖矿的难度和中彩票相当,没人可以轻易地、连续地将新块加入到块链中。同时,这也意味着区块链的安全性越来越高,通过伪造区块的方式伪造交易变得几乎不可能。2014年的CES展会上,蝴蝶公司展示了最新的挖矿机,该机器的运算能力达到了600GH/s。

    【下图】左-东北一家挖矿工厂;右-2014年CES 展会上展出的挖矿机


    区块链是群体智慧、互联网思维的技术实现

    区块链所指代的两个概念容易让人混淆:一是支持比特币运行的区块链,该区块链在2013年9月就达到了1PH/s的计算能力,意味着它成为了全球最大的算力网络,它的强大算力体现了群体智慧的力量;二是根据区块链技术重新构建的区块链,这个区块链可能是私有的、部分公开的或是完全公开的。

    节点的竞争式计算实现了群体智慧的生物逻辑

    1994年,凯文?凯利的著作《失控》首次出版,外界评价它为互联网发展的“先知预言”。书中描述的一个重要观点是:蜂群、蚁群等生物群体是由单个生物组成的“超级有机体”,单个生命体的智慧虽然微乎其微,但是其汇聚形成的“超级有机体”的群体智慧力量大到能够覆盖并维系整个族群生活的方方面面,保证种群的繁衍。

    群体智慧就是这样一种大自然赋予的生命逻辑,群体通过一种简单的规则联系起来,每个个体看似微不足道,但是汇聚起来的智慧和力量却无比强大,往往强大到能够超越种群自身智力上或身体结构上的限制,整个系统的运行看似混乱却保持着惊人的和谐。长久以来,人们利用自然逻辑创造机器、输入机器、产生灵感的例子,已经不胜枚举,如根据蝙蝠超声定位发明了超声波雷达,根据鸟飞行的姿态发明了飞机等等,又如根据生物的神经网创造的人工神经网络,根据细胞的排列创造的元胞自动机等等。群体智慧同这些应用一样源于自然,不同的是,群体智慧更多的是一种创新的哲学,是“长尾理论”“共享式经济”“互联网思维”等思想和理论的基础:即去中心化,强调共享,强调群体自身的智慧与力量。

    【下图】从自然现象中启发的创新思想


    在虚拟的数字世界中,“机器的智慧”体现在计算能力上。区块链技术中节点的集体竞争式计算由于其独特的计算方式(不断生成随机字符串直到获得正确答案),因此竞争式的计算也能达到分布式计算所产生的合作效果,单个节点的计算能力得以汇聚成系统的超强计算能力。2016年比特币的区块链的计算能力已经达到了每秒能够进行8×10[18]次运算,而号称世界运行最快的计算机,美国用于核武器研发的蓝色基因/L超级计算机每秒能进行2.8×10[14]次运算,区块链的计算能力约为世界上最快的单台计算机的计算能力的28,000倍。

    区块链的集体式计算从技术上实现了群体智慧的逻辑,由个体汇聚而成的“超级计算系统”的计算能力超越了个体的限制。有技术人员甚至认为,互联网时代将从以信息为基础的“数字时代”进入以算力为基础的“计算时代”。

    区块链技术的应用体现了互联网思维的新高度

    近几年,国内掀起了互联网投资热潮,互联网各个领域的创业项目层出不穷,根据CVSource投中数据终端显示,2015年互联网行业融资案例1,105例,其中披露金额286.14亿美元,环比增长316.28%。2014年7月,中国国务院颁布了《关于积极推进“互联网+”行动的指导意见》把“互联网+”列入“十三五”规划产业的发展主线,提出拓展网络经济空间,发展分享经济,促进互联网和经济社会融合发展。实施国家大数据战略,推进数据资源开放共享。

    “互联网思维”最早由百度公司提出后,其对于产品的创新和指导意义越来越多的被业界、学者所认可,“互联网思维”这个词也演变成了多个不同的解释。任何一种解释,都会强调互联网思维中最重要的三个方面:“开放式”“自主化”“体验化”。区块链技术的 “去中心化”“高度透明”“集体维护”正好体现了“开放式”“自主化”的互联网特征。

    与之前国内外的一些互联网产品重视互联网思维在功能创新上的应用不同,区块链是从底层技术上对于互联网思维的一种应用,目的是从互联网的生态逻辑层面承载更多功能,而不是简单创造更好的用户体验吸引更多用户,颠覆性更强,受益范围更广。

    【下图】区块链与普通互联网创新的对比


    区块链技术的创新和应用

    按时间顺序记录事件的特点创新了数据库的形式

    从应用角度看,区块链技术是维护一个不断增长的数据记录的分布式数据库技术,数据除了交易数据还可以有其他表现形式。区块链集体维护数据库的技术特点,不同于以往任何一种数据库形式。以往的数据库可分为关系型数据库和非关系型数据库(NoSQL),两者各有特点:关系型数据库是最原始的数据库形式,是基于实体关系模型建立的,代表有Oracle、MySQL、Microsoft SQL Server等;随着WEB2.0和SNS的兴起,传统关系数据库在处理数据上暴露了很多难以克服的问题,而非关系型的数据库由于其自身的特点得到了迅速发展,代表有HBase、MongoDb、Oracle BDB等。区块链对于数据库的创新不同于以往任何一种数据库形式,它是一种分布式的、集体维护的、按照时间顺序将事件数据排列的“时间轴数据库”。

    【下图】数据库技术的发展及其特征

    区块链在多个领域存在颠覆式应用价值

    经历多年的发展,区块链技术发展日新月异,区块链已经超越了数字货币领域,在多个方面都拓展出了其独特的应用价值,并且已经表现出了可以重塑社会各个方面及运作方式的潜力。根据区块链科学研究所(Institute for Blockchain Studies)创始人Melanie Swan(梅兰妮.斯万)的观点,目前由区块链技术所带来的已有和将有的革新主要分为三类:区块链1.0、2.0、以及3.0。1.0对应的是数字货币,这方面的应用和现金有关,包含例如货币转移、汇兑和支付系统等。2.0 对应的是智能合约,这方面的应用主要在经济、市场、金融领域等,但其可延伸范围比简单的现金转移要宽广,可以涵盖例如股票、债券、期货、贷款、按揭、产权、智能合约和智能合约等。3.0 则对应的是超越货币、金融、市场以外的应用,主要在政府、健康、科学、文化和艺术方面。

    比特币所需颠覆的是央行的货币发行权和主权国家对货币的控制权,我们认为货币发行替代官方货币方面,比特币区块链会面临不可逾越的限制。同时因为隐蔽性强、不可追踪的特点,比特币往往和外汇转移、恐怖组织融资、逃税等有紧密联系。这种联系也让各国监管层对其颇为警惕。从创立初至今比特币持续的高波动性也不利于其成为一种稳定的储蓄性货币。但我们认为,基于比特币区块链上衍生出的货币转移、汇兑和支付等1.0技术,因为可以解决目前很多现有相关运营模式的痛点,会在政府监管下获得持续发展,甚至被政府所采用以提升效率。同时,各大咨询公司的分析和产业内投资的趋势表明,近年来产业内已经将区块链技术和比特币分离,投入了更加独立的关注、分析、发展、和推广。智能合约相关技术的发展更是迅速,成为了业内公认区块链通往未来颠覆性创新的钥匙。区块链2.0应用的核心在于智能合约,随着智能合约的发展加快,区块链技术在物联网、金融市场交易、网络安全、公共记录、金融市场等多个领域会大显身手,改进目前各个领域的服务流程,甚至颠覆这些行业内的传统商业模式。

    【下图】超越货币领域的部分区块链应用


    区块链技术可以全方位改善金融市场环境

    除了为比特币数字货币提供交易平台以外,区块链技术可以大幅改善,甚至颠覆现有数字货币以外的各种资产交易系统,在例如金融衍生品、外汇、私人股权、能源信用挂钩投资品等资产的清算结算等交易后市场程序中大显身手。区块链技术可以为这些市场程序带来更快的速度,更短的结算周期,更低价的费用,以及更强的安全性。

    更快的速度方面:目前美国证券市场内普遍的结算审核所需时间是2到3天,区块链技术的应用有望将结算审核时间从小时级降低至分钟级、甚至是秒级,从而将结算风险降低99%,同时降低资金成本和系统性风险。区块链中交易确认和结算为同时进行,节点交易受系统确认后自动写入分布式账本,并同时更新其他所有节点对应的分布式账本,自动化的运作机制可以大幅缩短结算所用周期。

    更低的费用上:在目前的结算机制下,要想达到更短的结算周期,大幅增加的结算成本和初始投入开支是必须。根据美国托管信托和清算公司(DTCC)和波士顿咨询(BCG)的测算,如果将美国证券市场内交易所结算常规周期从T+3变为T+2,初始投资需要5.5亿美元,3年的投资周期内部收益率为18%。如果将结算周期从T+3变成T+1,初始投资需要17.7亿美元,5年的理想化(交易量持续增加)投资周期内部收益率为14%。区块链技术的出现为更加效率快速缩减结算周期提供了可能。缩减交易中间程序方面,根据奥纬(Oliver Wyman)的估算,目前数字证券(例如OTC权益)全球每年交易流程各种中间人程序加总要浪费650 到800亿美元,区块链可以大幅省去类似中间程序,从而节省大笔费用,而这笔巨额费用就是相关区块链产业的市场空间。

    安全性方面:除了更快的处理速度,更短的清算周期降低了风险以外,区块链技术融入智能合约技术,可以程序化处理复杂的衍生品交易,将清算变的更为标准化、自动化。区块本身时间线形堆进的特点可以帮助监管层鉴别发现违规操作,同时智能合约可以将合规检查变自动化,从清算之初就将违规的可能性降为最低。区块链技术24小时不间断运转的特点也可以将泛州间交易所数据互换处理变得更为稳定和值得信赖。近日,韩国交易所(KRX)宣布将创建一个使用区块链技术的场外交易平台(OTC),交易所代表称,“交易所希望这个系统有助于场外交易商节约成本和减少寻找交易对手的精力花费,从而让交易更便捷。”

    除了证券交易结算以外,区块链还可以用来注册并发行数字资产拥有权。目前,纳斯达克正在和Chain 进行紧密的合作,利用区块链技术建设私有公司股权交易系统,发行和转移私有公司的股票份额。之所以选择从私有股权交易系统开始,主要是因为私有股权的发行和交易目前仍主要依赖于人工(律师)的手动处理(Excel),区块链技术可以大幅提升程序自动化。智能合约则可以将众多复杂的衍生品交易条款写入区块链技术支持的注册发行程序中,当交易发生时区块链网络可以迅速地进行正确执行。许多其他交易所,例如纳斯达克的竞争对手纽交所目前也对区块链技术表达出了浓厚的兴趣。“区块链技术,不断重新定义的不仅仅是发行交易领域的运作方式,同时还有整个全球金融经济体系。纳斯达克的目标是在这一转折点式的发展机遇中,充当重要角色”— 纳斯达克CEO Bob Greifeld如是说。2015年11月,纳斯达克和Chain合作的区块链技术新项目Linq 已利用基于区块链的发行交易平台完成了第一笔私募股权交易。

    原文http://blog.163.com/chengaoming266@126/blog/static/2708303520165138594897/

    展开全文
  • Java类加载器 — classloader 的原理及应用

    千次阅读 多人点赞 2021-02-19 16:20:00
    classloader的应用场景 类加载器是java语言的一项创新,也是java语言流行的重要原因这一。通过灵活定义classloader的加载机制,我们可以完成很多事情,例如解决类冲突问题,实现热加载以及热部署,甚至可以实现jar...
  • 区块链技术原理应用领域挑战 李董, 魏进武 中国联合网络通信有限公司研究院,北京 100032 Theory, application fields and challenge of the blockchain technology LI Dong, WEI Jinwu China Unicom ...
  • (2)微型计算机:简称微机MC,具有完整运算控制功能的计算机 包含:微处理器(CPU)、存储器、接口适配器、输入输出设备 (3)单片机:是将微处理器、一定容量的RAM、ROM以及io口、定时...
  • TRIZ系列-创新原理-1-分割原理

    万次阅读 2014-10-07 11:29:21
    分割原理要表达的其实就是我们平常所说的分而治之的策略,这是我们解决问题的一种最简单朴素的方法应用非常广泛。分割原理好处:A)降低系统的规模和粒度,增加系统的可解析降低系统规模和粒度的目的当然可以使得...
  • TRIZ系列-创新原理-2-抽取原理

    万次阅读 2014-10-07 23:27:52
    将系统分为有害(或者无用)部分和有用部分,通过将有害部分抽取,可以得到更好的系统(产品),谷子去壳,鱼去骨,工业提纯,通信去噪,矿渣提炼,选矿等都是这种原理应用。抽取原理的第一种情况是通过除掉无用...
  • 物理或化学参数改变原理的具体描述如下:1)改变物体的系统状态;2)改变浓度或者密度;...从发明创新来讲,包含试错法在内的很多方法也会改变系统的物理或者化学参数来达到创新的目的,实际上,我们在创新的过
  • 大数据技术原理应用-林子雨版-课后习题答案

    万次阅读 多人点赞 2019-06-26 13:29:23
    1.试述信息技术发展史上的3次信息化浪潮具体内容。 信息化浪潮 发生时间 标志 解决问题 代表公司 第一次浪潮 1980年前后 个人...
  • 3)利用离心力,用旋转物体代替直线运动由于TRIZ的创新原理是基于专利分析的基础上来的,有些原理就是一种经验的积累,曲面化原理就是这种经验性总结,曲面化原理告诉我们,在面临系统问题时,我们可以在系统中寻找...
  • 一文搞定卷积神经网络——从原理应用

    万次阅读 多人点赞 2019-01-07 19:40:20
    本文和《BP 神经网络入门:从原理应用》一文一脉相承,因此,我希望读者务必先看看这篇文章(链接在这里: BP 神经网络入门:从原理应用 , ​ 好多读者都说,之前那篇BP神经网络的文章,公式太多,阅读体验...
  • Triz创新原理--智能水杯的创新

    千次阅读 2018-12-01 19:26:27
    智能水杯 功能简介:智能茶杯杯...基于“复合材料”创新原理的智能茶杯物品设计 设计人:许本盛 创新原理:复合材料 复合材料原理就是使用复合材料用来代替均质材料,单一材料存在自己的优的同时也存在缺点,...
  • 蚁群算法原理以及应用

    万次阅读 多人点赞 2019-03-09 09:05:12
    蚁群算法是一种群体智能仿生启发式算法,从提出至今已在不同...通过对蚁群算法的使用方法做简要介绍,可以了解近似解的含义以及正反馈的作用,最后针对目前蚁群算法的发展现状和应用领域对未来的发展提出展望和目标。
  • TRIZ系列-创新原理-7-嵌套原理

    万次阅读 2014-10-11 23:40:56
    原理表述如下:1)把一个物体嵌入另外一个物体,然后将这两个物体再嵌入第三个物体,以此类推;这个原理又叫俄罗斯娃原理,目的是在不影响原有功能的情况下:A) 在需要时,可以减少系统的体积和便于携带,也可以...
  • TRIZ 40创新原理

    千次阅读 2018-11-29 10:35:22
    原理1. 分割   A、把一个物体分成相互独立的部分为不同材料(如玻璃、纸、铁罐等)的再回收设置不同的回收箱   B、将物体分成容易组装和拆卸的部分组合家具   C提高物体的可...
  • TRIZ系列-创新原理-12-等势原理

    千次阅读 2014-10-13 06:25:24
    等势原理的表述如下:1)改变工作条件,而不需要升降物体。这里的势是势能的势,如重力势,电压势等,势的背后包含着一种力,这种力是势具有能量的根本原因,比如重力和物体...3)解决问题的方法是改变工作条件,工作条
  • TRIZ系列-创新原理-23-反馈原理

    千次阅读 2014-10-22 08:38:59
    反馈原理的具体表述如下:1)引入反馈:2)如果已经有反馈,那么改变它这个原理告诉我们应当从系统中尽量多收集反馈信息,并用这些信息来矫正系统的作用。很容易看出,引入反馈是系统自动控制的前提。系统中的任何...
  • TRIZ系列-创新原理-24-中介物原理

    千次阅读 2014-10-23 22:07:08
    自服务原理的具体表述如下:
  • TRIZ系列-创新原理-5-合并原理

    千次阅读 2014-10-11 13:18:42
    组合原理表述如下:1)在空间上,将相同的物体或者相关的操作加以组合;2)在时间上,将相同或相关的操作进行合并。在空间上进行组合其实是一种组件集成或者功能集成,可以提高系统的性能:整体性和便利性。提高系统...
  • TRIZ系列-创新原理-37-热膨胀原理

    千次阅读 2014-11-01 07:31:03
    热膨胀原理的具体描述如下:
  • TRIZ系列-创新原理-26-复制原理

    千次阅读 2014-10-24 13:42:58
    复制原理的具体表述如下:1)用简化的,便宜的复制品来替代易碎的或不方便操作的物体; 这样可以降低成本,提高可操作性。2)如果已经使用了可见光的复制品,那么使用红外光或者紫外光的复制品; 红外和紫外光有...
  • 原理表述如下:1)事先
  • TRIZ系列-创新原理-25-自服务原理

    千次阅读 2014-10-23 22:22:48
    自服务原理的具体表述如下:1)
  • TRIZ系列-创新原理-38-加速氧化原理

    千次阅读 2014-11-01 07:31:25
    加速氧化原理的具体描述如下:1)用富氧空气替代普通空气;2)用纯氧替代富氧空气;3)用电离氧气替代纯氧;4)用臭氧化的氧气替代电离氧气;5)用臭氧替代臭氧化的氧气;6)用单氧替代臭氧;从上面可以看出,加速...
  • TRIZ系列-创新原理-33-同质性原理

    千次阅读 2014-10-26 20:00:33
    同质性原理的具体表述如下:1)与

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 54,218
精华内容 21,687
关键字:

创新方法原理及应用