-
機(jī)器學(xué)習(xí)如何基于學(xué)習(xí)策略分類?機(jī)器學(xué)習(xí)、深度學(xué)習(xí)比較!
一直以來，機(jī)器學(xué)習(xí)都是大家的關(guān)注焦點(diǎn)之一。因此針對大家的興趣點(diǎn)所在，小編將為大家?guī)頇C(jī)器學(xué)習(xí)的相關(guān)介紹，詳細(xì)內(nèi)容請看下文。
-
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)
IMG Series4 NNA幫助先進(jìn)的AI軟件大幅提升圖像和視頻的分辨率
-
基于RF和深度學(xué)習(xí)的中長期用電量預(yù)測研究
摘要:針對中長期用電量受多源因素綜合影響的特點(diǎn),先給出了眾多與用電量相關(guān)的協(xié)變量,然后運(yùn)用隨機(jī)森林)RF）方法對單一解釋變量的重要性進(jìn)行了數(shù)學(xué)估計(jì),從中識別出重要變量,在此基礎(chǔ)上構(gòu)建了基于深度信念網(wǎng)絡(luò))DBN）的預(yù)測模型。結(jié)合算例詳細(xì)介紹了該模型原理與建立過程,交叉驗(yàn)證顯示,經(jīng)RF變量選擇后能夠排除冗余特征、增益預(yù)測性能:同時DBN算法優(yōu)于RF和支持向量機(jī))SVM）等傳統(tǒng)方法。
-
清晰易懂講解機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)有什么區(qū)別?
以下內(nèi)容中，小編將對機(jī)器學(xué)習(xí)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的區(qū)別的相關(guān)內(nèi)容進(jìn)行著重介紹和闡述，希望本文能幫您增進(jìn)對機(jī)器學(xué)習(xí)的了解，和小編一起來看看吧。
-
無人駕駛“起飛”，成都和廣州智能無人車進(jìn)入“深度學(xué)習(xí)”
2021年，汽車產(chǎn)業(yè)由電動化時代急速向智能化時代演進(jìn)，智能汽車的發(fā)展競爭全面展開。先后獲批建設(shè)國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)、國家人工智能創(chuàng)新應(yīng)用先導(dǎo)區(qū)，成都已正式加入這場競賽。
-
工業(yè)機(jī)器人的工作原理和自身結(jié)構(gòu)
工業(yè)機(jī)器人已經(jīng)滲透到各行各業(yè)，幫助人們完成焊接、搬運(yùn)、噴涂、沖壓等各項(xiàng)任務(wù)，那么你有思考過機(jī)器人是怎么做到這一些的嗎？它的內(nèi)部結(jié)構(gòu)又是怎樣的呢？
-
基于遷移學(xué)習(xí)的電力負(fù)荷預(yù)測研究
摘要:電力負(fù)荷預(yù)測是智能電網(wǎng)建設(shè)的基礎(chǔ),對我國未來碳計(jì)量工作具有重要作用?；谥悄芩惴ǖ碾娏ω?fù)荷預(yù)測需要大量的歷史數(shù)據(jù)作為模型訓(xùn)練樣本,而新建城區(qū)或電力計(jì)量基礎(chǔ)較為落后地區(qū),難以收集大量準(zhǔn)確的歷史數(shù)據(jù)用于訓(xùn)練模型,導(dǎo)致難以準(zhǔn)確進(jìn)行電力負(fù)荷預(yù)測?，F(xiàn)通過深度學(xué)習(xí)網(wǎng)絡(luò)構(gòu)建電力負(fù)荷預(yù)測模型,并基于遷移學(xué)習(xí)算法構(gòu)建既有建筑電力數(shù)據(jù)和新建建筑電力負(fù)荷間的聯(lián)系,通過既有建筑負(fù)荷歷史數(shù)據(jù)訓(xùn)練所得模型來預(yù)測新建建筑電力負(fù)荷,以南京市某辦公建筑為例驗(yàn)證所構(gòu)建的負(fù)荷預(yù)測模型,預(yù)測誤差可保持在7.8%以內(nèi),所提出的電力負(fù)荷預(yù)測方法可為實(shí)際電力負(fù)荷預(yù)測計(jì)量提供參考。
-
人工智能有何特點(diǎn)?人工智能會超越人類嗎?
以下內(nèi)容中，小編將對人工智能的相關(guān)內(nèi)容進(jìn)行著重介紹和闡述，希望本文能幫您增進(jìn)對人工智能的了解，和小編一起來看看吧。
-
Socionext 和日本東北大學(xué)顯著加快基于深度學(xué)習(xí)的 SLAM 處理
新方法支持邊緣設(shè)備的高級圖像識別處理
-
基于 Leap Motion 和卷積神經(jīng)網(wǎng)絡(luò)的手勢識別
摘 要 ：針對傳統(tǒng)神經(jīng)網(wǎng)絡(luò)需要人工對參數(shù)進(jìn)行提取的問題，提出基于 Leap Motion 結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的手勢識別方法。首先利用 Leap Motion 獲取高精度手勢圖像，然后對圖像進(jìn)行灰度處理，采用卷積神經(jīng)網(wǎng)絡(luò)算法自動對原始圖像進(jìn)行特征提取及分類，最后設(shè)計(jì) 6 層卷積神經(jīng)網(wǎng)絡(luò)用于手勢識別。實(shí)驗(yàn)結(jié)果表明，卷積神經(jīng)網(wǎng)絡(luò)算法在6 種手勢測試集上的準(zhǔn)確率可達(dá) 96.5%，且識別時間短，模型具有較好的魯棒性。
-
人工智能新力量意法半導(dǎo)體Deep Edge AI 應(yīng)運(yùn)而生
AI（人工智能）起源于達(dá)特茅斯學(xué)院于1956年舉辦的夏季研討會。在該會議上，“人工智能”一詞首次被正式提出。計(jì)算能力的技術(shù)突破推動了人工智能一輪又一輪的發(fā)展。近年來，隨著大數(shù)據(jù)的可用性提高，第三輪人工智能發(fā)展浪潮已經(jīng)來臨。2015年，基于深度學(xué)習(xí)的人工智能算法在ImageNet競賽的圖像識別精度方面首次超過人類，人工智能在發(fā)展道路上高歌猛進(jìn)。隨著計(jì)算機(jī)視覺技術(shù)研究取得突破，深度學(xué)習(xí)已經(jīng)在語音識別、自然語言處理等不同研究領(lǐng)域都獲得了巨大的成功?，F(xiàn)在，人工智能已經(jīng)在生活中的方方面面顯示出巨大潛力。
-
視頻運(yùn)動目標(biāo)跟蹤算法研究綜述
摘 要 ：視頻運(yùn)動目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)，具有廣闊的應(yīng)用前景。近年來，深度學(xué)習(xí)等技術(shù)的引入使得目標(biāo)跟蹤算法的準(zhǔn)確性得到極大提升，但是當(dāng)目標(biāo)發(fā)生形變、尺度變化、被遮擋等情況時，容易導(dǎo)致跟蹤失敗。為了進(jìn)一步改進(jìn)運(yùn)動目標(biāo)跟蹤算法，文中系統(tǒng)地梳理了現(xiàn)有的運(yùn)動目標(biāo)跟蹤算法，將其劃分為經(jīng)典的跟蹤算法、基于相關(guān)濾波的跟蹤算法和基于深度學(xué)習(xí)的算法，分別從算法的基本原理、算法性能等方面進(jìn)行詳細(xì)的闡述，并對未來的發(fā)展趨勢進(jìn)行了展望。
-
基于深度學(xué)習(xí)人臉識別技術(shù)在高校學(xué)堂分析設(shè)計(jì)及實(shí)現(xiàn)
摘 要 ：現(xiàn)代人臉識別以深度學(xué)習(xí)技術(shù)為核心，以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，通過輸入圖像提取到人臉的特征值計(jì)算分析人臉的表情。通過分析當(dāng)前學(xué)生的專注度（表情變化），建立數(shù)據(jù)采集樣本集，通過訓(xùn)練計(jì)算完成課堂專注度分析，形成課堂學(xué)生專注度分布結(jié)果。結(jié)果表明，進(jìn)行教師的課堂學(xué)情分析，有利于進(jìn)行課程的教育教學(xué)改革， 提高辦學(xué)水平，也有利于教育行業(yè)的技術(shù)進(jìn)步，提高行業(yè)的信息技術(shù)教育水平。
-
一種基于深度學(xué)習(xí)的自動稱重機(jī)的設(shè)計(jì)
摘 要 ：為了解決現(xiàn)階段各領(lǐng)域中稱重過程繁瑣的問題，提出一種基于深度學(xué)習(xí)的自動稱重機(jī)，該稱重機(jī)通過利用深度學(xué)習(xí)技術(shù)與單片機(jī)等主要技術(shù)，實(shí)現(xiàn)對所稱物品的自動稱重功能，從而減少稱重人員的工作量，提高稱重效率。
-
基于深度學(xué)習(xí)的手勢識別算法設(shè)計(jì)
摘 要 ：手勢識別是人工智能范疇的一項(xiàng)生物識別技術(shù)，其方便、快捷、可靠和穩(wěn)定等一系列特性使其在多個領(lǐng)域具有廣泛應(yīng)用。如拍照和視頻中使用手勢增加貼紙和實(shí)時特效，將復(fù)雜的手語轉(zhuǎn)化為自然語言，智能家居的輔助控制，輔助駕駛系統(tǒng)等。神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于圖像識別領(lǐng)域，具有較好的口碑。文章基于深度學(xué)習(xí)理論設(shè)計(jì)一種識別精度高，能夠?qū)崿F(xiàn)實(shí)時手勢識別的算法。
-
基于卷積神經(jīng)網(wǎng)絡(luò)的實(shí)景交通標(biāo)志識別
摘 要：文中對傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)Lenet-5的結(jié)構(gòu)進(jìn)行了改進(jìn)，并利用拍攝的實(shí)景交通標(biāo)志圖對其進(jìn)行訓(xùn)練。訓(xùn)練集含有10萬張圖片，訓(xùn)練大約消耗了一天時間，盡管如此，當(dāng)網(wǎng)絡(luò)訓(xùn)練好之后，識別一張交通標(biāo)志圖可以在1毫秒內(nèi)完成。非訓(xùn)練集的2萬張圖片被用作測試集來驗(yàn)證已訓(xùn)練好的網(wǎng)絡(luò)，最終識別率可達(dá)80%以上。
-
你知道人工智能的原理嗎?人工智能有何新奇應(yīng)用?
本文中，小編將對人工智能予以介紹，如果你想對人工智能的原理、人工智能的應(yīng)用的詳細(xì)情況有所認(rèn)識，或者想要增進(jìn)對人工智能的了解程度，不妨請看以下內(nèi)容哦。
-
深度學(xué)習(xí)還是類腦計(jì)算？平頭哥領(lǐng)銜全球?qū)＜已杏懭斯ぶ悄馨l(fā)展前景
2019年11月24日，IEEE CASS-SH Artificial Intelligence For Industry Forum在阿里巴巴上海研究中心召開。本次會議是IEEE電路與系統(tǒng)協(xié)會(CASS)首次在亞洲舉辦的學(xué)術(shù)產(chǎn)業(yè)論壇，由阿里巴巴達(dá)摩院、平頭哥半導(dǎo)體有限公司、以及上海交通大學(xué)聯(lián)合承辦。吸引來自海內(nèi)外頂尖高校師生及產(chǎn)業(yè)界專家共計(jì)150余人到場，就AI未來技術(shù)趨勢展開深入的交流。
-
人工智能重不重要?看看這些人工智能應(yīng)用你就知道了!
在這篇文章中，小編將為大家?guī)砣斯ぶ悄軕?yīng)用的相關(guān)報(bào)道。
-
Teledyne Imaging 亮相 Vision China 2021
發(fā)布全新 AI 和深度學(xué)習(xí)解決方案
- 安富利3kW模擬電源供應(yīng)器（PSU）解決方案開發(fā)板來襲，申請領(lǐng)好禮
- 得捷芯聞解碼視頻研習(xí)站第五期：打造更安全、更智能、更舒適、高續(xù)航的駕乘體驗(yàn)
- FPGA供電應(yīng)用遇挑戰(zhàn)？MPS高性能FPGA供電解決方案幫你破局
- 得捷芯聞解碼研習(xí)站第四期：網(wǎng)絡(luò)安全芯片，讓您的應(yīng)用系統(tǒng)無懈可擊
- “變現(xiàn)”指南：上傳資料獲三重紅包，親測有效！
- 《21ic技術(shù)洞察》系列欄目：AI芯紀(jì)元——AI加持，語?助?再進(jìn)化！
- 得捷芯聞解碼研習(xí)站第三期：MCU助?多應(yīng)?打破功耗噩夢與安全隱患困局
