问TensorFlow可以帮助解决哪些类型的问题？

EN

关于人工神经网络可以做什么，我们的大脑是一个神经网络这一事实可能意味着一个人工神经网络最终将能够完成同样的任务。

今天使用的更多的人工神经网络的例子：音乐创作，基于图像的定位，页面排名，谷歌语音，股票交易预测，美国宇航局恒星分类，交通管理。

有些领域我知道，但没有一个很好的参考：

光学量子力学测试装置

医学诊断，参考文献仅关于安全性

夏普LogiCook微波炉，维基，美国宇航局提及

我认为有数以百万计的“问题”可以用人工神经网络解决，决定数据表示(输入、输出)对其中一些人来说将是一个挑战。我一直在想的一些有用和无用的例子：

• 家庭恒温器，了解您的愿望与某些天气类型。
• 面包店生产预测
• 识别棋盘上的棋子并绘制它们的位置。
• 个人活动猜测和打开适当的设备。
• 基于鼠标运动的人识别

如果有正确的数据和网络，这些例子将有效。爸爸有一台电脑控制家里的供暖系统，我根据他10年来的供暖数据(外部温度、内部温度、湿度等)训练了一个网络。不幸的是，我不能把它连接起来。

我姨妈和叔叔有一家面包店，根据6年的销售数据，我训练了一个网络，预测他们应该做多少面包和面包。它向我展示了正确的输入是多么重要。首先，我使用一年中的一天，但当我切换到一周的一天，我看到了15%的准确性提高了。

目前，我正在工作的网络，将检测到一个转板在一个给定的图像和地图所有的361个地点告诉我，如果有一个黑色，白色或没有石头在场。

两个例子向我展示了在单个神经元中可以存储多少信息，以及表示数据的不同方式：图像示例、神经元示例 (不幸的是，您必须亲自培训这两个示例，以便给它们一点时间)。

在你的例子中，空气在飞机周围流动。

我对气流计算一无所知，我的尝试将是一个非常庞大的三维输入层，在那里你可以“绘制”一架飞机，以及气流的方向和速度。

它可能会工作，但它将需要大量的计算能力，对这个特定主题有更多了解的人可能知道一种更抽象的方法来表示数据，从而形成一个更易于管理的网络。这篇nasa的论文讨论了一种计算机翼周围气流的神经网络。不幸的是，我不明白他们使用的是什么样的输入，也许这对你来说更清楚。