cnn 文章進(jìn)入cnn技術(shù)社區

川普批中國臺灣偷走美芯片 CNN抱不平揭真相

美國前總統川普日前受訪(fǎng)再度炮轟「中國臺灣偷走芯片業(yè)」，但CNN一篇文章指出，事實(shí)絕非如此，「中國臺灣絕非偷竊，而是透過(guò)遠見(jiàn)、努力和投資，發(fā)展了自己的半導體產(chǎn)業(yè)」。日前美國前總統川普接受《彭博商業(yè)周刊》采訪(fǎng)時(shí)說(shuō)，中國臺灣偷走美國價(jià)值千億美元芯片生意。不過(guò)CNN一篇報導指出，若干產(chǎn)業(yè)專(zhuān)家分析指出，中國臺灣之所以能坐擁芯片江山要歸功于遠見(jiàn)、努力與投資，絕對沒(méi)有偷竊之說(shuō)?，F年93歲的臺積電創(chuàng )辦人張忠謀，曾在英特爾（Intel）、摩托羅拉（Motorola）、德州儀器（Texas Instrumen
關(guān)鍵字：川普芯片 CNN 臺積電

CNN(卷積神經(jīng)網(wǎng)絡(luò ))、RNN(循環(huán)神經(jīng)網(wǎng)絡(luò ))、DNN(深度神經(jīng)網(wǎng)絡(luò ))的內部網(wǎng)絡(luò )結構的區別

先說(shuō)DNN，從結構上來(lái)說(shuō)他和傳統意義上的NN（神經(jīng)網(wǎng)絡(luò )）沒(méi)什么區別，但是神經(jīng)網(wǎng)絡(luò )發(fā)展時(shí)遇到了一些瓶頸問(wèn)題。一開(kāi)始的神經(jīng)元不能表示異或運算，科學(xué)家通過(guò)增加網(wǎng)絡(luò )層數，增加隱藏層可以表達。并發(fā)現神經(jīng)網(wǎng)絡(luò )的層數直接決定了它對現實(shí)的表達能力。但是隨著(zhù)層數的增加會(huì )出現局部函數越來(lái)越容易出現局部最優(yōu)解的現象，用數據訓練深層網(wǎng)絡(luò )有時(shí)候還不如淺層網(wǎng)絡(luò )，并會(huì )出現梯度消失的問(wèn)題。我們經(jīng)常使用sigmoid函數作為神經(jīng)元的輸入輸出函數，在BP反向傳播梯度時(shí)，信號量為1的傳到下一層就變成0.25了，到最后面幾層基本無(wú)法達到調節參數
關(guān)鍵字： DNN 深度神經(jīng)網(wǎng)絡(luò ) 深度學(xué)習 CNN RNN

銅電解極板短路檢測方法綜述

在銅電解精煉過(guò)程中陰陽(yáng)極板的電流分布不均會(huì )導致陰極板上產(chǎn)生銅粒，銅結粒將造成陰陽(yáng)極板短路且陰極板溫度升高，繼而造成較高的電能消耗以及銅的品質(zhì)下降。針對紅外熱像圖進(jìn)行銅電解極板短路檢測過(guò)程，我們列舉了工業(yè)生產(chǎn)上常用的檢測方法，并分析了國內外學(xué)者對此問(wèn)題的研究，他們普遍存在熱像圖模糊、極板目標紋理特征不明顯、背景雜亂以及圖像特征選取不當造成檢測準確率低的問(wèn)題，提出了一種基于快速候選區域提取卷積神經(jīng)網(wǎng)絡(luò )（Faster R-CNN）與紅外熱像圖的銅電解極板短路檢測方法。
關(guān)鍵字： 202104 銅電解極板短路檢測 Faster R-CNN

格芯贏(yíng)得AI芯片業(yè)務(wù)

像Nvidia這樣的芯片巨頭可以負擔得起7nm技術(shù)，但初創(chuàng )公司和其他規模較小的公司卻因為復雜的設計規則和高昂的流片成本而掙扎不已——所有這些都是為了在晶體管速度和成本方面取得適度的改善。格芯的新型12LP+技術(shù)提供了一條替代途徑，通過(guò)減小電壓而不是晶體管尺寸來(lái)降低功耗。格芯還開(kāi)發(fā)了專(zhuān)門(mén)針對AI加速而優(yōu)化的新型SRAM和乘法累加(MAC)電路。其結果是，典型AI運算的功耗最多可減少75%。Groq和Tenstorrent等客戶(hù)已經(jīng)利用初代12LP技術(shù)獲得了業(yè)界領(lǐng)先的結果，首批采用12LP+工藝制造的產(chǎn)品將于
關(guān)鍵字： AI CNN SRAM CPU 芯片

e絡(luò )盟發(fā)布新一期人工智能電子書(shū)，激發(fā)廣大讀者創(chuàng )新應用開(kāi)發(fā)熱情

全球電子元器件與開(kāi)發(fā)服務(wù)分銷(xiāo)商 e絡(luò )盟新近發(fā)布名為《AIoT時(shí)代——AIoT發(fā)展背景、功能與未來(lái)》的電子書(shū)，旨在為專(zhuān)業(yè)工程師、創(chuàng )客和電子愛(ài)好者提供人工智能相關(guān)專(zhuān)業(yè)知識，助力他們更加順利地進(jìn)行人工智能應用開(kāi)發(fā)并開(kāi)拓出更多新型市場(chǎng)應用。本冊電子書(shū)匯集了人工智能詳細路線(xiàn)圖和類(lèi)別，闡釋了人工智能、機器學(xué)習（ML）和深度學(xué)習（DL）之間的關(guān)系，并詳細介紹了神經(jīng)網(wǎng)絡(luò )相關(guān)技術(shù)。書(shū)中還向讀者推薦了數款適用于首次進(jìn)行人工智能物聯(lián)網(wǎng)方案開(kāi)發(fā)的優(yōu)質(zhì)平臺。人工智能和物聯(lián)網(wǎng)將徹底改變人類(lèi)的工作方式。目前，人工
關(guān)鍵字： TTS STT AIoT CNN RNN GAN

Arm MCU在邊緣AI落地的方法

　　魯?冰?（《電子產(chǎn)品世界》編輯）　　AI（人工智能）在M級的便宜的小器件上能不能落地？它需要什么資源，性能又怎么樣？不久前，Arm中國攜手恩智浦半導體在全國進(jìn)行了巡回講演。Arm中國高級市場(chǎng)經(jīng)理Eric Yang分享了AI的基礎知識，分析認為邊緣AI可以通過(guò)在MCU這樣的小芯片上實(shí)現，并推介了Arm的軟件中間件NN——可以有效地對接算法和具體芯片，最后列舉出了Arm MCU的應用案例?！　? 邊緣AI潛力巨大　　AI有沒(méi)有前途？　　前兩年AI非?；?，AI公司支付的薪水很高。不過(guò)，2019年上半年以來(lái)，
關(guān)鍵字： 201910 Arm MCU AI CNN CMSIS-NN

人工智能之卷積神經(jīng)網(wǎng)絡(luò )(CNN)

　　前言：人工智能機器學(xué)習有關(guān)算法內容，請參見(jiàn)公眾號“科技優(yōu)化生活”之前相關(guān)文章。人工智能之機器學(xué)習主要有三大類(lèi):1)分類(lèi);2)回歸;3)聚類(lèi)。今天我們重點(diǎn)探討一下卷積神經(jīng)網(wǎng)絡(luò )(CNN)算法。 ^_^　　20世紀60年代，Hubel和Wiesel在研究貓腦皮層中用于局部敏感和方向選擇的神經(jīng)元時(shí)發(fā)現其獨特的網(wǎng)絡(luò )結構可以有效地降低反饋神經(jīng)網(wǎng)絡(luò )的復雜性，繼而提出了卷積神經(jīng)網(wǎng)絡(luò )CNN(Convolutional Neural Networks)?！　?980年，K.Fukushima提出的新識別機是卷積神經(jīng)網(wǎng)絡(luò )的
關(guān)鍵字：人工智能 CNN

基于FPGA的卷積層并行加速方案

　　卷積神經(jīng)網(wǎng)絡(luò )(Convolutional?Neural?Networks)是一種主要應用于圖像處理領(lǐng)域的人工智能算法。尤其是在計算機視覺(jué)領(lǐng)域，CNN在包括識別(recognition)、檢測(detection)、分割(segmentation)等很多任務(wù)中占主流地位?！　【矸e神經(jīng)網(wǎng)絡(luò )的基本元素：卷積層(convolutional?layer)、池化層(pooling)、激活函數(activation)、全連接層(fully-connected?layer)。卷
關(guān)鍵字： FPGA CNN

面向網(wǎng)絡(luò )邊緣應用的新一代神經(jīng)網(wǎng)絡(luò )　

介紹了面向網(wǎng)絡(luò )邊緣應用的新一代神經(jīng)網(wǎng)絡(luò )——微型二值神經(jīng)網(wǎng)絡(luò )，可在保持低功耗的同時(shí)減少對存儲器的需求。
關(guān)鍵字：二值神經(jīng)網(wǎng)絡(luò ) CNN FPGA 201801

瑞薩電子憑借基于R-Car V3M的綜合解決方案，縮短用于入門(mén)級汽車(chē)和中檔汽車(chē)的NCAP前置攝像頭應用的開(kāi)發(fā)時(shí)間

　　R-Car V3M現已嵌入CNN加速器，可使NCAP前置攝像頭應用中的高性能卷積神經(jīng)網(wǎng)絡(luò )實(shí)現超低功耗　　全球領(lǐng)先的半導體解決方案供應商瑞薩電子株式會(huì )社(TSE：6723)，日前推出的R-Car V3M入門(mén)套件可以簡(jiǎn)化并加速開(kāi)發(fā)新車(chē)評估項目(NCAP，注釋1)的前置攝像頭應用、環(huán)視系統和激光雷達。新入門(mén)套件以R-Car V3M圖像識別SoC為基礎，為日益成長(cháng)的NCAP前置攝像頭市場(chǎng)提供兼顧低功耗和高性能的方案。通過(guò)將R-Car V3M入門(mén)套件與支持軟件和工具相結合
關(guān)鍵字：瑞薩電子 CNN

卷積神經(jīng)網(wǎng)絡(luò )(CNN)基礎介紹

　　本文是對卷積神經(jīng)網(wǎng)絡(luò )的基礎進(jìn)行介紹，主要內容包含卷積神經(jīng)網(wǎng)絡(luò )概念、卷積神經(jīng)網(wǎng)絡(luò )結構、卷積神經(jīng)網(wǎng)絡(luò )求解、卷積神經(jīng)網(wǎng)絡(luò )LeNet-5結構分析、卷積神經(jīng)網(wǎng)絡(luò )注意事項?！　∫?、卷積神經(jīng)網(wǎng)絡(luò )概念　　上世紀60年代。Hubel等人通過(guò)對貓視覺(jué)皮層細胞的研究，提出了感受野這個(gè)概念。到80年代。Fukushima在感受野概念的基礎之上提出了神經(jīng)認知機的概念，能夠看作是卷積神經(jīng)網(wǎng)絡(luò )的第一個(gè)實(shí)現網(wǎng)絡(luò )，神經(jīng)認知機將一個(gè)視覺(jué)模式分解成很多子模式(特征)，然后進(jìn)入分層遞階式相連的特征平面進(jìn)行處理，它試圖將視覺(jué)系統模型化，使其能
關(guān)鍵字：卷積神經(jīng)網(wǎng)絡(luò ) CNN

全卷積網(wǎng)絡(luò )FCN進(jìn)行圖像分割

全卷積網(wǎng)絡(luò )FCN進(jìn)行圖像分割-CNN能夠對圖片進(jìn)行分類(lèi)，可是怎么樣才能識別圖片中特定部分的物體，在2015年之前還是一個(gè)世界難題。神經(jīng)網(wǎng)絡(luò )大神Jonathan Long發(fā)表了《Fully Convolutional Networks for Semantic Segmentation》在圖像語(yǔ)義分割挖了一個(gè)坑，于是無(wú)窮無(wú)盡的人往坑里面跳。
關(guān)鍵字：全卷積碼 FCN CNN

想從事深度學(xué)習工作的進(jìn)來(lái)看，經(jīng)典面試問(wèn)題幫你整理好了

　　更新幾個(gè)面試被問(wèn)到或者聯(lián)想出來(lái)的問(wèn)題，后面有時(shí)間回答　　SGD 中 S(stochastic)代表什么　　個(gè)人理解差不多就是Full-Batch和Mini-Batch　　監督學(xué)習/遷移學(xué)習/半監督學(xué)習/弱監督學(xué)習/非監督學(xué)習?　　本筆記主要問(wèn)題來(lái)自以下兩個(gè)問(wèn)題，后續會(huì )加上我自己面試過(guò)程中遇到的問(wèn)題?！　∩疃葘W(xué)習相關(guān)的職位面試時(shí)一般會(huì )問(wèn)什么?會(huì )問(wèn)一些傳統的機器學(xué)習算法嗎?　　如果你是面試官，你怎么去判斷一個(gè)面試者的深度學(xué)習水平?　　以下問(wèn)題來(lái)自@Naiyan Wang　　C
關(guān)鍵字：深度學(xué)習 CNN

如何使用FPGA加速機器學(xué)習算法？

　　當前，AI因為其CNN(卷積神經(jīng)網(wǎng)絡(luò ))算法出色的表現在圖像識別領(lǐng)域占有舉足輕重的地位?；镜腃NN算法需要大量的計算和數據重用，非常適合使用FPGA來(lái)實(shí)現。上個(gè)月，Ralph Wittig(Xilinx CTO Office的卓越工程師) 在2016年OpenPower峰會(huì )上發(fā)表了約20分鐘時(shí)長(cháng)的演講并討論了包括清華大學(xué)在內的中國各大學(xué)研究CNN的一些成果?！　≡谶@項研究中出現了一些和CNN算法實(shí)現能耗相關(guān)的幾個(gè)有趣的結論：　?、傧薅ㄊ褂闷螹emory;　?、?/li>
關(guān)鍵字： FPGA CNN

基于CNN的?？漳繕藱z測

　　1 引言　　艦船航行在大海上，主要面臨來(lái)自空中，海面和水下的威脅，其中空中的威脅最大。這些目標的主要特點(diǎn)是運動(dòng)速度高，機動(dòng)頻繁，其背景也比較復雜，受云層、煙霧、波浪、飛鳥(niǎo)、山峰等影響較大。傳感器如熱像儀、電視攝像機、激光測距機等自身帶有噪聲，另外還會(huì )有各種形式的干擾，這些都給目標的識別與跟蹤帶來(lái)很大困難。因此尋找一種能實(shí)時(shí)對圖像信號處理的、抗干擾的，并且適合大規模硬件開(kāi)發(fā)與實(shí)現的算法是軍事界至今沒(méi)有完美解決的難題之一。　　元(細)胞神經(jīng)網(wǎng)絡(luò )(Cellular Neural Networks，
關(guān)鍵字：檢測 CNN 神經(jīng)網(wǎng)絡(luò ) Matlab

共17條 1/2 1 2 »

cnn介紹

您好，目前還沒(méi)有人創(chuàng )建詞條cnn!
歡迎您創(chuàng )建該詞條，闡述對cnn的理解，并與今后在此搜索cnn的朋友們分享。創(chuàng )建詞條

cnn資料下載

CNN Inference acceleration using low-power devices for human monitoring and security scenarios
DXSLAM：具有深度特征的穩健高效的視覺(jué)SLAM系統
基于OpenVINO加速CNN分類(lèi)
基于細胞神經(jīng)網(wǎng)絡(luò )的生物芯片圖像實(shí)時(shí)處理

cnn 文章 進(jìn)入cnn技術(shù)社區

cnn介紹

cnn資料下載

熱門(mén)主題

cnn 文章進(jìn)入cnn技術(shù)社區