3. 

        <meter id="pryje"><nav id="pryje"><delect id="pryje"></delect></nav></meter>
          <label id="pryje"></label>
          


          
	
  	
          
	
          
		首頁　 
		資訊　 
		商機 　
		下載　 
		拆解 　
		高校　 
		招聘 　
		雜志　 
		會展　 
		EETV　 
		百科 　
		問答　 
		電路圖　 
		工程師手冊 　
		Datasheet　
		100例 　
		活動中心　 
		E周刊閱讀 　
		樣片申請
	
          




          
	EEPW首頁 >> 
	主題列表 >> 
	深度學習
          

          
	
          
    	
          
    	  	
          
              	
                                
          
                  

                                
          
                    
          深度學習干貨｜基于Tensorflow深度神經(jīng)網(wǎng)絡(luò)(DNN)詳解
          
                                                            
                                        
            
                    	
          • 深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks，簡稱DNN)是深度學習的基礎(chǔ)，想要學好深度學習，首先我們要理解DNN模型。DNN的基本結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)是基于感知機的擴展，而DNN可以理解為有很多隱藏層的神經(jīng)網(wǎng)絡(luò)。多層神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)DNN其實也基本一樣，DNN也叫做多層感知機(MLP)。DNN按不同層的位置劃分，神經(jīng)網(wǎng)絡(luò)層可以分為三類，輸入層，隱藏層和輸出層，如下圖示例，一般來說第一層是輸入層，最后一層是輸出層，而中間的層數(shù)都是隱藏層。網(wǎng)絡(luò)結(jié)構(gòu)層與層之間是全連接的，也就是說，第i層的任意一個神經(jīng)
            • 
                    	                        
          • 關(guān)鍵字：
                        DNN  深度神經(jīng)網(wǎng)絡(luò)  深度學習                          
            • 
                   	
          
                    
          
                
          
                                
          
                    
          大聯(lián)大世平集團推出基于Cambricon產(chǎn)品的AI明廚亮灶方案
          
                                                            
                                        
            
                    	
          • 致力于亞太地區(qū)市場的領(lǐng)先半導體元器件分銷商---大聯(lián)大控股宣布，其旗下世平推出基于寒武紀（Cambricon）MLU220處理器的AI明廚亮灶方案。 圖示1-大聯(lián)大世平基于Cambricon產(chǎn)品的AI明廚亮灶方案的展示板圖 食品安全問題關(guān)系著千家萬戶的健康。為了保障人們的食品安全，自2014年2月起，國家食藥監(jiān)總局就開始在各地餐飲業(yè)開展明廚亮灶工作。倡導餐飲服務(wù)提供者通過采用透視明檔（透明玻璃窗或玻璃幕墻）、視頻顯示、隔斷矮墻、開放式廚房或設(shè)置窗口等多種形式，對餐飲食品加工過程進行公示
            • 
                    	                        
          • 關(guān)鍵字：
                        AI  深度學習  廚房                          
            • 
                   	
          
                    
          
                
          
                                
          
                    
          使用深度學習進行地下電纜系統(tǒng)預(yù)測性維護
          
                                                            
                                        
            
                    	
          • 本文敘述如何使用深度學習來進行地下電纜系統(tǒng)的預(yù)測性維護。利用深度學習模型能夠接近實時地執(zhí)行分類，讓現(xiàn)場的技術(shù)人員可以在擷取到數(shù)據(jù)后立即看到結(jié)果，并且在必要時重新執(zhí)行測試。地下電纜系統(tǒng)與陸上電線路網(wǎng)相比，雖然對暴風雨、閃電、野火、冰暴、以及其他不利天氣狀況較不敏感；不過，地下電纜維修成本較高，很難準確指出故障位置及進行修復。如果電纜的瑕疵未被偵測出來，可能導致停電和對大眾造成危險。根據(jù)IEEE數(shù)據(jù)顯示，大約90%的地下電纜系統(tǒng)故障都和局部放電（partial discharge；PD）有關(guān)，也就是電纜內(nèi)的電
            • 
                    	                        
          • 關(guān)鍵字：
                        深度學習  地下電纜  預(yù)測性維護                          
            • 
                   	
          
                    
          
                
          
                                
          
                    
          Graphcore攜手百度飛槳 共建全球軟硬AI生態(tài)
          
                                                            
                                        
            
                    	
          • 近日，Graphcore?（擬未）在Wave Summit 2022深度學習開發(fā)者峰會上正式宣布加入硬件生態(tài)共創(chuàng)計劃。Graphcore和百度飛槳將基于該共創(chuàng)計劃共同研發(fā)技術(shù)方案，協(xié)同定制飛槳框架，建設(shè)模型庫與場景范例，以“IPU+飛槳”為產(chǎn)業(yè)賦能，推動產(chǎn)業(yè)AI化轉(zhuǎn)型和升級。目前，Poplar? SDK 2.3與百度飛槳2.3已經(jīng)完全集成，相關(guān)代碼將于今日在百度飛槳的GitHub上線供開發(fā)者獲取。百度飛槳是中國首個自主研發(fā)、功能豐富、開源開放的產(chǎn)業(yè)級深度學習平臺。截至2022年5月，百度飛槳已經(jīng)匯聚了47
            • 
                    	                        
          • 關(guān)鍵字：
                        深度學習  AI                          
            • 
                   	
          
                    
          
                
          
                                
          
                    
          Imagination和Visidon聯(lián)合開發(fā)基于深度學習的超分辨率技術(shù)
          
                                                            
            
                    	
          • Imagination Technologies與Visidon Oy聯(lián)合推動移動、數(shù)字電視和汽車市場的嵌入式應(yīng)用向基于深度學習的超分辨率過渡。憑借這項人工智能（AI）技術(shù)，用戶可以通過先進的算法將低分辨率圖像和視頻的分辨率提高到4K和8K。IMG Series4 NNA能夠在系統(tǒng)級芯片嚴格的功耗和散熱要求下，以更高的效率實時完成此類苛刻的流程。Imagination的IMG Series4神經(jīng)網(wǎng)絡(luò)加速器（NNA）通過其Tensor Tiling技術(shù)為先進的AI圖像處理軟件帶來強大的計算性能與領(lǐng)先的能效。
            • 
                    	                        
          • 關(guān)鍵字：
                        深度學習  超分辨率                          
            • 
                   	
          
                    
          
                
          
                                
          
                    
          使用深度學習進行海上雷達數(shù)據(jù)質(zhì)量管控自動化
          
                                                            
                                        
            
                    	
          • 本文說明Miros公司設(shè)計的一套Wavex傳感器系統(tǒng)，如何精準測量波浪、洋流、以及對水航速，并使用深度學習網(wǎng)絡(luò)來自動辨識測量下取得的雷達數(shù)據(jù)，進一步提升Wavex系統(tǒng)的表現(xiàn)與可靠度。對海上船只而言，海浪、洋流、對水航速（speed through water）等量測數(shù)據(jù)的準確性，對于船只執(zhí)行各種任務(wù)，如燃料優(yōu)化、或在受限區(qū)域內(nèi)導航等，具有很高的價值。舉例來說，對水航速量測錯誤，即使只是一些微小誤差，就有可能對船艦效能的計算帶來重大錯誤，讓每天的燃料使用量多出好幾十噸。傳統(tǒng)上，對水航速是透過水下的測速儀器來
            • 
                    	                        
          • 關(guān)鍵字：
                        深度學習  海上雷達  自動化  Miros  Wavex                          
            • 
                   	
          
                    
          
                
          
                                
          
                    
          2021年AI關(guān)鍵趨勢，AI芯片初創(chuàng)公司可能發(fā)生并購
          
                                                            
            
                    	
          • 人工智能（AI）和機器學習仍然是技術(shù)決策者、行業(yè)人士和投資者關(guān)注的重點。標普全球市場財智（S&P Intelligence）2020 7月發(fā)布的調(diào)查顯示，有58%的公司和組織預(yù)計新冠大流行會對他們現(xiàn)有的AI計劃產(chǎn)生負面影響，還有19%的公司和組織表示新冠大流行導致他們停止了AI項目。與此同時，也有75%的公司和組織表示COVID-19促進了他們新的AI計劃。最近發(fā)布的2021 AI/ML用例調(diào)查顯示情況發(fā)生了變化，有86%參與調(diào)查的人表示新冠大流行已經(jīng)或?qū)е缕渌诘慕M織投資于新的AI計劃。由于大
            • 
                    	                        
          • 關(guān)鍵字：
                        人工智能  機器學習  深度學習  數(shù)據(jù)科學                          
            • 
                   	
          
                    
          
                
          
                                
          
                    
          基于目標檢測的智能垃圾分類垃圾桶的設(shè)計
          
                                                            
                                        
            
                    	
          • 本設(shè)計使用目標檢測識別進行分類垃圾以代替?zhèn)鹘y(tǒng)的人工分類。本設(shè)計旨在用前沿的YOLOv3模型去實現(xiàn)準確的垃圾識別。設(shè)計中的模型利用Anaconda搭建環(huán)境變量，并在Pycharm軟件上運行模型。YOLOv3模型實驗所需的數(shù)據(jù)集來自華為云人工智能大賽提供的垃圾分類數(shù)據(jù)集，共有44種垃圾類別，圖片數(shù)為1.9萬張。經(jīng)測試發(fā)現(xiàn)YOLOv3模型能夠快速而又準確地識別出44種垃圾，隨后通過藍牙發(fā)出信號給STM32單片機部分，單片機通過控制舵機旋轉(zhuǎn)后完成全自動化垃圾分類。
            • 
                    	                        
          • 關(guān)鍵字：
                        智能分類垃圾桶  環(huán)境保護  STM32單片機  深度學習  TensorFlow  YOLOv3  202202                          
            • 
                   	
          
                    
          
                
          
                                
          
                    
          TinyML前進物聯(lián) MCU深度學習成為可能
          
                                                            
                                        
            
                    	
          • 物聯(lián)網(wǎng)正加速帶動人工智能走向終端裝置，我們可以看到市場繼續(xù)保持積極的成長趨勢。市場也期待有更多的人工智能物聯(lián)網(wǎng)設(shè)備在市場上普及，并深入包括消費性物聯(lián)網(wǎng)設(shè)備、工業(yè)應(yīng)用和網(wǎng)絡(luò)、還有與視覺、語音和聲音影像相關(guān)的邊緣應(yīng)用。AI的應(yīng)用案例正在推動著龐大的物聯(lián)網(wǎng)運算需求，而這背后都需要透過MCU來釋放這些運算能量。我們也可以看出市場上的MCU解決方案基本上有兩大發(fā)展趨勢，用以支持新一代的機器學習（Machine Learning；ML）運算能力。一是提高MCU本身的運算性能及能力，例如從Arm Cortex M0+提
            • 
                    	                        
          • 關(guān)鍵字：
                        TinyML  MCU  深度學習                          
            • 
                   	
          
                    
          
                
          
                                
          
                    
          新一代汽車深度學習架構(gòu)趨勢
          
                                                            
                                        
            
                    	
          • 下一代汽車的車輛電子系統(tǒng)正在以電動化和自動駕駛為中心發(fā)展。圖中描述了車輛電控系統(tǒng)的演進?，F(xiàn)有的車輛電子控制系統(tǒng)中，由于每個功能域由駕駛員直接控制，因此每個域之間的通信是松散耦合的，并且為了不受其它域的影響，域之間是相對獨立的。另一方面，自動駕駛時代的電控系統(tǒng)是由一個名為Vehicle computer的中央控制系統(tǒng)來代替駕駛員來控制自動駕駛功能，各域之間的通信會相對多一些（緊耦合），域之間的獨立性會低一些。此外，隨著控制程序的規(guī)模呈指數(shù)級增長，安全的OTA（Over the air）變得至關(guān)重要，OTA的
            • 
                    	                        
          • 關(guān)鍵字：
                        車輛  電子系統(tǒng)  深度學習                          
            • 
                   	
          
                    
          
                
          
                                
          
                    
          賽昉科技重磅發(fā)布全球首款基于RISC-V人工智能視覺處理平臺 ——驚鴻7100
          
                                                            
                                        
            
                    	
          • 近日- RISC-V處理器IP供應(yīng)商賽昉科技有限公司，發(fā)布全球首款基于RISC-V的人工智能視覺處理平臺——驚鴻7100?！绑@鴻”一詞取自成語“驚鴻一瞥”，語義雙關(guān)：“驚鴻7100”的推出，不僅驚艷了世界，還以它優(yōu)異的性能，造福于世界。該平臺是全球首款基于RISC-V集深度學習、圖像處理、語音識別、機器視覺為一體的多功能平臺，由賽昉科技獨立自主開發(fā)，可廣泛應(yīng)用于自動駕駛、智能無人機、公共安全、交通管理、智能家電、視覺掃地機器人、工業(yè)機器人等智能應(yīng)用領(lǐng)域?！绑@鴻7100”的出現(xiàn)，標志著RISC-V在智能音視
            • 
                    	                        
          • 關(guān)鍵字：
                        驚鴻7100  RISC-V指令集  深度學習  圖像處理  語音識別  機器視覺                          
            • 
                   	
          
                    
          
                
          
                                
          
                    
          深度學習在視覺搜索和匹配中的應(yīng)用
          
                                                            
                                        
            
                    	
          • 導讀通過使用預(yù)訓練網(wǎng)絡(luò)在遙感圖像應(yīng)用中減少對標注數(shù)據(jù)的需求。深度學習是一個了不起的方法，用于遙感數(shù)據(jù)集，如衛(wèi)星或航空照片的目標檢測和分割/匹配。然而，就像深度學習的許多其應(yīng)用場景一樣，獲得足夠的帶標注的訓練數(shù)據(jù)可能會耗費大量的時間。在這篇文章中，我將介紹一些我們的工作，即使用預(yù)先訓練好的網(wǎng)絡(luò)來在遙感數(shù)據(jù)的目標檢測任務(wù)中避免標注大型訓練數(shù)據(jù)集的大量繁瑣工作。2019年9月中旬，我參加了北歐遙感會議。從許多會談中可以明顯看出，深度學習已經(jīng)進入許多遙感專家的工具箱。觀眾們對這個話題的興趣似乎很大，他們討論了在各
            • 
                    	                        
          • 關(guān)鍵字：
                        深度學習                          
            • 
                   	
          
                    
          
                
          
                                
          
                    
          分析深度學習背后的數(shù)學思想
          
                                                            
            
                    	
          • 深度神經(jīng)網(wǎng)絡(luò)（DNN）本質(zhì)上是通過具有多個連接的感知器而形成的，其中感知器是單個神經(jīng)元。可以將人工神經(jīng)網(wǎng)絡(luò)（ANN）視為一個系統(tǒng)，其中包含沿加權(quán)路徑饋入的一組輸入。然后處理這些輸入，并產(chǎn)生輸出以執(zhí)行某些任務(wù)。隨著時間的流逝，ANN“學習”了，并且開發(fā)了不同的路徑。各種路徑可能具有不同的權(quán)重，并且在模型中，比那些產(chǎn)生較少的理想結(jié)果的路徑，以及被發(fā)現(xiàn)更重要（或產(chǎn)生更理想的結(jié)果）的路徑分配了更高的權(quán)重。在DNN中，如果所有輸入都密集連接到所有輸出，則這些層稱為密集層。此外，DNN可以包含多個隱藏層。隱藏層基本上
            • 
                    	                        
          • 關(guān)鍵字：
                        深度學習                          
            • 
                   	
          
                    
          
                
          
                                
          
                    
          火爆全球的GPT-3，到底憑什么砸大家飯碗？
          
                                                            
            
                    	
          • GPT-3是指第三代生成式預(yù)訓練Transformer，它由舊金山AI公司OpenAI開發(fā)。該程序歷經(jīng)數(shù)年的發(fā)展，最近在AI文本生成領(lǐng)域內(nèi)掀起了一波的創(chuàng)新浪潮。從許多方面來看，這些進步與自2012年以來AI圖像處理的飛躍相似。計算機視覺技術(shù)促進了、無人駕駛汽車到、面部識別、無人機的發(fā)展。因此，有理由認為GPT-3及其同類產(chǎn)品的新功能可能會產(chǎn)生類似的深遠影響。與所有深度學習系統(tǒng)一樣，GPT-3也是數(shù)據(jù)模式。它在龐大的文本集上進行了訓練，并根據(jù)統(tǒng)計規(guī)律進行了挖掘。重要的是，此過程中無需人工干預(yù)，程序在沒有任何
            • 
                    	                        
          • 關(guān)鍵字：
                        GPT-3  AI  深度學習                          
            • 
                   	
          
                    
          
                
          
                                
          
                    
          《科學大家》專欄 | 如何創(chuàng)造可信的AI？
          
                                                            
                                        
            
                    	
          • 　　撰文：蓋瑞·馬庫斯 （Gary Marcus） 紐約大學心理學與認知科學教授、暢銷書作家；歐內(nèi)斯特·戴維斯（Ernest Davis）紐約大學柯朗數(shù)學科學研究所計算機科學教授。人工智能領(lǐng)域科學家　　自從人工智能誕生之始，業(yè)界專家就一直愿景有余、落地不足。60年前，明斯基、麥卡錫等先驅(qū)人物曾篤信，AI 問題將在20世紀末之前被徹底解決。明斯基有句廣為流傳的名言：“一代人之內(nèi)，人工智能的問題將在總體上得到解決。”　　這些預(yù)言卻未能實現(xiàn)，而新畫的“大餅”卻層
            • 
                    	                        
          • 關(guān)鍵字：
                        人工智能  深度學習  機器人                          
            • 
                   	
          
                    
          
                
          
                                                

                
          
	                
          
		                	
          
	
          
	共173條
	2/12			«
														1																2																3																4																5																6																7																8																9																10																													»
			›|
		
	
          
		                
          
	               	
          
                
          
        	
          
            
          
        
          
	
          
	
	
          

          

          
        		關(guān)于我們 - 
        		廣告服務(wù) - 
        		企業(yè)會員服務(wù) - 
        		網(wǎng)站地圖 - 
        		聯(lián)系我們 - 
        		征稿 - 
        		友情鏈接 - 
        		手機EEPW
        		
          
        		Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
          
        		《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國際技術(shù)信息咨詢有限公司
          
      			備案 京ICP備12027778號-2 北京市公安局備案：1101082052    京公網(wǎng)安備11010802012473
      		
          
    	
          
  	





          




          



看屁屁www成人影院,亚洲人妻成人图片,亚洲精品成人午夜在线,日韩在线 欧美成人

(function(){
    var bp = document.createElement('script');
    var curProtocol = window.location.protocol.split(':')[0];
    if (curProtocol === 'https') {
        bp.src = 'https://zz.bdstatic.com/linksubmit/push.js';
    }
    else {
        bp.src = 'http://push.zhanzhang.baidu.com/push.js';
    }
    var s = document.getElementsByTagName("script")[0];
    s.parentNode.insertBefore(bp, s);
})();