EEPW首頁(yè) >>
主題列表 >>
深度學(xué)習
深度學(xué)習 文章 進(jìn)入深度學(xué)習技術(shù)社區
深度學(xué)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(jiǎn)稱(chēng)DNN)是深度學(xué)習的基礎，想要學(xué)好深度學(xué)習，首先我們要理解DNN模型。DNN的基本結構神經(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(shí)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(lèi)，輸入層，隱藏層和輸出層，如下圖示例，一般來(lái)說(shuō)第一層是輸入層，最后一層是輸出層，而中間的層數都是隱藏層。網(wǎng)絡(luò )結構層與層之間是全連接的，也就是說(shuō)，第i層的任意一個(gè)神經(jīng)
- 關(guān)鍵字： DNN 深度神經(jīng)網(wǎng)絡(luò ) 深度學(xué)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
- 致力于亞太地區市場(chǎng)的領(lǐng)先半導體元器件分銷(xiāo)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(wèn)題關(guān)系著(zhù)千家萬(wàn)戶(hù)的健康。為了保障人們的食品安全，自2014年2月起，國家食藥監總局就開(kāi)始在各地餐飲業(yè)開(kāi)展明廚亮灶工作。倡導餐飲服務(wù)提供者通過(guò)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(kāi)放式廚房或設置窗口等多種形式，對餐飲食品加工過(guò)程進(jìn)行公示
- 關(guān)鍵字： AI 深度學(xué)習 廚房
使用深度學(xué)習進(jìn)行地下電纜系統預測性維護
- 本文敘述如何使用深度學(xué)習來(lái)進(jìn)行地下電纜系統的預測性維護。利用深度學(xué)習模型能夠接近實(shí)時(shí)地執行分類(lèi)，讓現場(chǎng)的技術(shù)人員可以在擷取到數據后立即看到結果，并且在必要時(shí)重新執行測試。地下電纜系統與陸上電線(xiàn)路網(wǎng)相比，雖然對暴風(fēng)雨、閃電、野火、冰暴、以及其他不利天氣狀況較不敏感；不過(guò)，地下電纜維修成本較高，很難準確指出故障位置及進(jìn)行修復。如果電纜的瑕疵未被偵測出來(lái)，可能導致停電和對大眾造成危險。根據IEEE數據顯示，大約90%的地下電纜系統故障都和局部放電（partial discharge；PD）有關(guān)，也就是電纜內的電
- 關(guān)鍵字： 深度學(xué)習 地下電纜 預測性維護
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(xué)習開(kāi)發(fā)者峰會(huì )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，建設模型庫與場(chǎng)景范例，以“IPU+飛槳”為產(chǎn)業(yè)賦能，推動(dòng)產(chǎn)業(yè)AI化轉型和升級。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(xiàn)供開(kāi)發(fā)者獲取。百度飛槳是中國首個(gè)自主研發(fā)、功能豐富、開(kāi)源開(kāi)放的產(chǎn)業(yè)級深度學(xué)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(xué)習 AI
Imagination和Visidon聯(lián)合開(kāi)發(fā)基于深度學(xué)習的超分辨率技術(shù)
- Imagination Technologies與Visidon Oy聯(lián)合推動(dòng)移動(dòng)、數字電視和汽車(chē)市場(chǎng)的嵌入式應用向基于深度學(xué)習的超分辨率過(guò)渡。憑借這項人工智能（AI）技術(shù)，用戶(hù)可以通過(guò)先進(jìn)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能夠在系統級芯片嚴格的功耗和散熱要求下，以更高的效率實(shí)時(shí)完成此類(lèi)苛刻的流程。Imagination的IMG Series4神經(jīng)網(wǎng)絡(luò )加速器（NNA）通過(guò)其Tensor Tiling技術(shù)為先進(jìn)的AI圖像處理軟件帶來(lái)強大的計算性能與領(lǐng)先的能效。
- 關(guān)鍵字： 深度學(xué)習 超分辨率
使用深度學(xué)習進(jìn)行海上雷達數據質(zhì)量管控自動(dòng)化
- 本文說(shuō)明Miros公司設計的一套Wavex傳感器系統，如何精準測量波浪、洋流、以及對水航速，并使用深度學(xué)習網(wǎng)絡(luò )來(lái)自動(dòng)辨識測量下取得的雷達數據，進(jìn)一步提升Wavex系統的表現與可靠度。對海上船只而言，海浪、洋流、對水航速（speed through water）等量測數據的準確性，對于船只執行各種任務(wù)，如燃料優(yōu)化、或在受限區域內導航等，具有很高的價(jià)值。舉例來(lái)說(shuō)，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(lái)重大錯誤，讓每天的燃料使用量多出好幾十噸。傳統上，對水航速是透過(guò)水下的測速儀器來(lái)
- 關(guān)鍵字： 深度學(xué)習 海上雷達 自動(dòng)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(xué)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(diǎn)。標普全球市場(chǎng)財智（S&P Intelligence）2020 7月發(fā)布的調查顯示，有58%的公司和組織預計新冠大流行會(huì )對他們現有的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(shí)，也有75%的公司和組織表示COVID-19促進(jìn)了他們新的AI計劃。最近發(fā)布的2021 AI/ML用例調查顯示情況發(fā)生了變化，有86%參與調查的人表示新冠大流行已經(jīng)或將導致其所在的組織投資于新的AI計劃。由于大
- 關(guān)鍵字： 人工智能 機器學(xué)習 深度學(xué)習 數據科學(xué)
基于目標檢測的智能垃圾分類(lèi)垃圾桶的設計
- 本設計使用目標檢測識別進(jìn)行分類(lèi)垃圾以代替傳統的人工分類(lèi)。本設計旨在用前沿的YOLOv3模型去實(shí)現準確的垃圾識別。設計中的模型利用Anaconda搭建環(huán)境變量，并在Pycharm軟件上運行模型。YOLOv3模型實(shí)驗所需的數據集來(lái)自華為云人工智能大賽提供的垃圾分類(lèi)數據集，共有44種垃圾類(lèi)別，圖片數為1.9萬(wàn)張。經(jīng)測試發(fā)現YOLOv3模型能夠快速而又準確地識別出44種垃圾，隨后通過(guò)藍牙發(fā)出信號給STM32單片機部分，單片機通過(guò)控制舵機旋轉后完成全自動(dòng)化垃圾分類(lèi)。
- 關(guān)鍵字： 智能分類(lèi)垃圾桶 環(huán)境保護 STM32單片機 深度學(xué)習 TensorFlow YOLOv3 202202
TinyML前進(jìn)物聯(lián) MCU深度學(xué)習成為可能
- 物聯(lián)網(wǎng)正加速帶動(dòng)人工智能走向終端裝置，我們可以看到市場(chǎng)繼續保持積極的成長(cháng)趨勢。市場(chǎng)也期待有更多的人工智能物聯(lián)網(wǎng)設備在市場(chǎng)上普及，并深入包括消費性物聯(lián)網(wǎng)設備、工業(yè)應用和網(wǎng)絡(luò )、還有與視覺(jué)、語(yǔ)音和聲音影像相關(guān)的邊緣應用。AI的應用案例正在推動(dòng)著(zhù)龐大的物聯(lián)網(wǎng)運算需求，而這背后都需要透過(guò)MCU來(lái)釋放這些運算能量。我們也可以看出市場(chǎng)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(xué)習（Machine Learning；ML）運算能力。一是提高M(jìn)CU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(xué)習
新一代汽車(chē)深度學(xué)習架構趨勢
- 下一代汽車(chē)的車(chē)輛電子系統正在以電動(dòng)化和自動(dòng)駕駛為中心發(fā)展。圖中描述了車(chē)輛電控系統的演進(jìn)?，F有的車(chē)輛電子控制系統中，由于每個(gè)功能域由駕駛員直接控制，因此每個(gè)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(dòng)駕駛時(shí)代的電控系統是由一個(gè)名為Vehicle computer的中央控制系統來(lái)代替駕駛員來(lái)控制自動(dòng)駕駛功能，各域之間的通信會(huì )相對多一些（緊耦合），域之間的獨立性會(huì )低一些。此外，隨著(zhù)控制程序的規模呈指數級增長(cháng)，安全的OTA（Over the air）變得至關(guān)重要，OTA的
- 關(guān)鍵字： 車(chē)輛 電子系統 深度學(xué)習
賽昉科技重磅發(fā)布全球首款基于RISC-V人工智能視覺(jué)處理平臺 ——驚鴻7100
- 近日- RISC-V處理器IP供應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(jué)處理平臺——驚鴻7100?！绑@鴻”一詞取自成語(yǔ)“驚鴻一瞥”，語(yǔ)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(xué)習、圖像處理、語(yǔ)音識別、機器視覺(jué)為一體的多功能平臺，由賽昉科技獨立自主開(kāi)發(fā)，可廣泛應用于自動(dòng)駕駛、智能無(wú)人機、公共安全、交通管理、智能家電、視覺(jué)掃地機器人、工業(yè)機器人等智能應用領(lǐng)域?！绑@鴻7100”的出現，標志著(zhù)RISC-V在智能音視
- 關(guān)鍵字： 驚鴻7100 RISC-V指令集 深度學(xué)習 圖像處理 語(yǔ)音識別 機器視覺(jué)
深度學(xué)習在視覺(jué)搜索和匹配中的應用
- 導讀通過(guò)使用預訓練網(wǎng)絡(luò )在遙感圖像應用中減少對標注數據的需求。深度學(xué)習是一個(gè)了不起的方法，用于遙感數據集，如衛星或航空照片的目標檢測和分割/匹配。然而，就像深度學(xué)習的許多其應用場(chǎng)景一樣，獲得足夠的帶標注的訓練數據可能會(huì )耗費大量的時(shí)間。在這篇文章中，我將介紹一些我們的工作，即使用預先訓練好的網(wǎng)絡(luò )來(lái)在遙感數據的目標檢測任務(wù)中避免標注大型訓練數據集的大量繁瑣工作。2019年9月中旬，我參加了北歐遙感會(huì )議。從許多會(huì )談中可以明顯看出，深度學(xué)習已經(jīng)進(jìn)入許多遙感專(zhuān)家的工具箱。觀(guān)眾們對這個(gè)話(huà)題的興趣似乎很大，他們討論了在各
- 關(guān)鍵字： 深度學(xué)習
分析深度學(xué)習背后的數學(xué)思想
- 深度神經(jīng)網(wǎng)絡(luò )（DNN）本質(zhì)上是通過(guò)具有多個(gè)連接的感知器而形成的，其中感知器是單個(gè)神經(jīng)元?？梢詫⑷斯ど窠?jīng)網(wǎng)絡(luò )（ANN）視為一個(gè)系統，其中包含沿加權路徑饋入的一組輸入。然后處理這些輸入，并產(chǎn)生輸出以執行某些任務(wù)。隨著(zhù)時(shí)間的流逝，ANN“學(xué)習”了，并且開(kāi)發(fā)了不同的路徑。各種路徑可能具有不同的權重，并且在模型中，比那些產(chǎn)生較少的理想結果的路徑，以及被發(fā)現更重要（或產(chǎn)生更理想的結果）的路徑分配了更高的權重。在DNN中，如果所有輸入都密集連接到所有輸出，則這些層稱(chēng)為密集層。此外，DNN可以包含多個(gè)隱藏層。隱藏層基本上
- 關(guān)鍵字： 深度學(xué)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訓練Transformer，它由舊金山AI公司OpenAI開(kāi)發(fā)。該程序歷經(jīng)數年的發(fā)展，最近在A(yíng)I文本生成領(lǐng)域內掀起了一波的創(chuàng )新浪潮。從許多方面來(lái)看，這些進(jìn)步與自2012年以來(lái)AI圖像處理的飛躍相似。計算機視覺(jué)技術(shù)促進(jìn)了、無(wú)人駕駛汽車(chē)到、面部識別、無(wú)人機的發(fā)展。因此，有理由認為GPT-3及其同類(lèi)產(chǎn)品的新功能可能會(huì )產(chǎn)生類(lèi)似的深遠影響。與所有深度學(xué)習系統一樣，GPT-3也是數據模式。它在龐大的文本集上進(jìn)行了訓練，并根據統計規律進(jìn)行了挖掘。重要的是，此過(guò)程中無(wú)需人工干預，程序在沒(méi)有任何
- 關(guān)鍵字： GPT-3 AI 深度學(xué)習
《科學(xué)大家》專(zhuān)欄 | 如何創(chuàng )造可信的AI？
- 撰文：蓋瑞·馬庫斯 （Gary Marcus） 紐約大學(xué)心理學(xué)與認知科學(xué)教授、暢銷(xiāo)書(shū)作家；歐內斯特·戴維斯（Ernest Davis）紐約大學(xué)柯朗數學(xué)科學(xué)研究所計算機科學(xué)教授。人工智能領(lǐng)域科學(xué)家 自從人工智能誕生之始，業(yè)界專(zhuān)家就一直愿景有余、落地不足。60年前，明斯基、麥卡錫等先驅人物曾篤信，AI 問(wèn)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，人工智能的問(wèn)題將在總體上得到解決?！薄 ∵@些預言卻未能實(shí)現，而新畫(huà)的“大餅”卻層
- 關(guān)鍵字： 人工智能 深度學(xué)習 機器人
深度學(xué)習介紹
您好，目前還沒(méi)有人創(chuàng )建詞條深度學(xué)習!
歡迎您創(chuàng )建該詞條，闡述對深度學(xué)習的理解，并與今后在此搜索深度學(xué)習的朋友們分享。 創(chuàng )建詞條
歡迎您創(chuàng )建該詞條，闡述對深度學(xué)習的理解，并與今后在此搜索深度學(xué)習的朋友們分享。 創(chuàng )建詞條
深度學(xué)習相關(guān)帖子
深度學(xué)習專(zhuān)欄文章
關(guān)于我們 -
廣告服務(wù) -
企業(yè)會(huì )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 版權所有 北京東曉國際技術(shù)信息咨詢(xún)有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權所有 北京東曉國際技術(shù)信息咨詢(xún)有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473