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(xué)習(xí)

什么是DNN？它對AI發(fā)展意味著什么

  • 為了讓AI加速器在最短延遲內(nèi)達到最佳精準度，特別是在自動駕駛車中，TFLOP已經(jīng)成為許多所謂大腦芯片的關(guān)鍵指針，然而，有專家認為這種野蠻處理方式并不可持續(xù)…… 為了讓人工智能(AI)加速器在最短延遲內(nèi)達到最佳精準度，特別是在自動駕駛車(AV)中，TFLOP(兆次浮點運算)已經(jīng)成為許多所謂大腦芯片的關(guān)鍵指針。這場競賽的選手包括Nvidia的Xavier、Mobileye的EyeQ5、特斯拉(Tesla)的全自動駕駛(FSD)計算機芯片，以及NXP-Kalray芯片。然而，有專家認為這種野蠻處理方式
  • 關(guān)鍵字： DNN  深度神經(jīng)網(wǎng)絡(luò)  深度學(xué)習(xí)  

深度學(xué)習(xí)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(xué)習(xí)的基礎(chǔ)，想要學(xué)好深度學(xué)習(xí)，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(xué)習(xí)  

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(dǎo)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(dǎo)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(xué)習(xí)  廚房  

使用深度學(xué)習(xí)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(xué)習(xí)來進行地下電纜系統(tǒng)的預(yù)測性維護。利用深度學(xué)習(xí)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(fēng)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(fù)。如果電纜的瑕疵未被偵測出來，可能導(dǎo)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(xué)習(xí)  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(xué)習(xí)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(xué)習(xí)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(xí)  AI  

Imagination和Visidon聯(lián)合開發(fā)基于深度學(xué)習(xí)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(xué)習(xí)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(xué)習(xí)  超分辨率  

使用深度學(xué)習(xí)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(xué)習(xí)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(dǎo)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(xué)習(xí)  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(xué)習(xí)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(dǎo)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)?dǎo)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(xí)  深度學(xué)習(xí)  數(shù)據(jù)科學(xué)  

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(xué)習(xí)  TensorFlow  YOLOv3  202202  

TinyML前進物聯(lián) MCU深度學(xué)習(xí)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(xué)習(xí)（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(xué)習(xí)  

新一代汽車深度學(xué)習(xí)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(xué)習(xí)  

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(xué)習(xí)、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(xué)習(xí)  圖像處理  語音識別  機器視覺  

深度學(xué)習(xí)在視覺搜索和匹配中的應(yīng)用

  • 導(dǎo)讀通過使用預(yù)訓(xùn)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(xué)習(xí)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(xué)習(xí)的許多其應(yīng)用場景一樣，獲得足夠的帶標注的訓(xùn)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(xùn)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(xùn)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(xué)習(xí)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(xué)習(xí)  

分析深度學(xué)習(xí)背后的數(shù)學(xué)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?？梢詫⑷斯ど窠?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(xué)習(xí)”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(xué)習(xí)  

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(xùn)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(xué)習(xí)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(xùn)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(xué)習(xí)  
共174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