根据应用场景人工智能技术有哪些分类？

人工智能技术的定义十分宽泛，机器学习技术作为人工智能领域研究的一个重要分支，在图像、语音处理领域取得了广泛的应用。

软件：语音、图像、感官识别技术、软件、自然语言处理、高级算法、数据训练；硬件：深度学习的芯片、传感器、ICT、IOT；大数据：数据汇集、数据存储、数据计算、数据可视化；

人工智能技术根据应用场景分析，有以下几个分类：

移动应用性能分析
目前，移动应用软件的爆发式增长带来了种类繁多数量也剧增的众多移动应用，用户在选择移动应用过程中并没有可以参考的标准。在此情况下，移动应用的友好性分析和应用软件排行对于用户选择移动应用具有一定的指导作用，同时也可以促进移动应用的良性发展，提升移动应用的整体质量。目前，对于移动应用性能分析主要集中在移动应用端到端QoE分析、用户黏性分析、业务协同友好性分析等方面。而这些方面分析的共同点就是都要基于大数据分析，将大量的用户和应用相关信息进行收集和计算得出结论。

那么，在这个大数据分析计算的过程中通常使用人工智能算法进行解决。不同的机器学习算法是进行大数据分析的利器，目前广泛采用的有加强学习算法以及基于神经网络的深度学习算法等。这些学习算法运作模式是将不同应用在不同应用场景下的能耗、时延、流量、速率按指标要求进行收集和存储，作为神经网络体系的输入端。然后，按照不同的应用种类区分社交应用、即时通信应用、音视频应用、云应用、浏览器应用和游戏应用，将不同领域内的应用对于能耗、时延、流量、速率等指标的需求度进行分析，并生成对应指标的加权值作为神经网络的权值。最后，通过大量数据的训练和反馈计算形成神经网络模型。经过学习的模型可以完成应用整体友好性结论输出，也可以完成基于当前数据的应用排行，同时还能通过现有数据进行预测应用性能。目前，各运营商积极建立移动互联网用户行为分析系统，