EEPW首頁(yè) >>
主題列表 >>
?機(jī)器學(xué)習(xí)
?機(jī)器學(xué)習(xí) 文章 進(jìn)入?機(jī)器學(xué)習(xí)技術(shù)社區(qū)
機(jī)器學(xué)習(xí)在半導(dǎo)體制造中的重要性提升
- 本文討論機(jī)器學(xué)習(xí) (ML) 與半導(dǎo)體制造之間的關(guān)系，特別是 ML 算法和模型在半導(dǎo)體制造過(guò)程中的應(yīng)用。
- 關(guān)鍵字： 機(jī)器學(xué)習(xí)
訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)：什么是機(jī)器學(xué)習(xí)？——第二部分
- 本文是系列文章的第二部分，重點(diǎn)介紹卷積神經(jīng)網(wǎng)絡(luò)(CNN)的特性和應(yīng)用。CNN主要用于模式識(shí)別和對(duì)象分類(lèi)。在第一部分文章《卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介：什么是機(jī)器學(xué)習(xí)？——第一部分》中，我們比較了在微控制器中運(yùn)行經(jīng)典線(xiàn)性規(guī)劃程序與運(yùn)行CNN的區(qū)別，并展示了CNN的優(yōu)勢(shì)。我們還探討了CIFAR網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以對(duì)圖像中的貓、房子或自行車(chē)等對(duì)象進(jìn)行分類(lèi)，還可以執(zhí)行簡(jiǎn)單的語(yǔ)音識(shí)別。本文重點(diǎn)解釋如何訓(xùn)練這些神經(jīng)網(wǎng)絡(luò)以解決實(shí)際問(wèn)題。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程本系列文章的第一部分討論的CIFAR網(wǎng)絡(luò)由不同層的神經(jīng)元組成。如圖1所示，32 ×
- 關(guān)鍵字： ADI 機(jī)器學(xué)習(xí)
卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介：什么是機(jī)器學(xué)習(xí)？——第一部分
- 隨著人工智能(AI)技術(shù)的快速發(fā)展，AI可以越來(lái)越多地支持以前無(wú)法實(shí)現(xiàn)或者難以實(shí)現(xiàn)的應(yīng)用。本系列文章基于此解釋了卷積神經(jīng)網(wǎng)絡(luò)(CNN)及其對(duì)人工智能和機(jī)器學(xué)習(xí)的意義。CNN是一種能夠從復(fù)雜數(shù)據(jù)中提取特征的強(qiáng)大工具，例如識(shí)別音頻信號(hào)或圖像信號(hào)中的復(fù)雜模式就是其應(yīng)用之一。本文討論了CNN相對(duì)于經(jīng)典線(xiàn)性規(guī)劃的優(yōu)勢(shì)，后續(xù)文章《訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)：什么是機(jī)器學(xué)習(xí)？——第二部分》將討論如何訓(xùn)練CNN模型，系列文章的第三部分將討論一個(gè)特定用例，并使用專(zhuān)門(mén)的AI微控制器對(duì)模型進(jìn)行測(cè)試。什么是卷積神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)是一種由神
- 關(guān)鍵字： ADI 卷積神經(jīng)網(wǎng)絡(luò) 機(jī)器學(xué)習(xí)
AI也需休息？研究稱(chēng)AI“睡眠”后學(xué)習(xí)力大增
- AI（人工智能）可以說(shuō)是目前的熱點(diǎn)領(lǐng)域，從工廠(chǎng)的機(jī)器人，到支付時(shí)的人臉識(shí)別，生活處處都充斥著AI的影子。人們通常認(rèn)為，AI可以不知疲倦，無(wú)時(shí)無(wú)刻地工作。 但其有一個(gè)致命缺點(diǎn)，當(dāng)學(xué)習(xí)了新知識(shí)后，會(huì)把之前學(xué)習(xí)的知識(shí)忘記，這種現(xiàn)象稱(chēng)為“災(zāi)難性遺忘”。近日，美國(guó)加州大學(xué)圣地亞哥醫(yī)學(xué)院的研究發(fā)現(xiàn)，通過(guò)讓一種新型的超級(jí)AI模仿人類(lèi)睡眠，離線(xiàn)一段時(shí)間后，AI的“災(zāi)難性遺忘”會(huì)得到緩解。 AI在“睡眠”后，就能像人腦一樣，回憶過(guò)去，而不需用舊的數(shù)據(jù)重新訓(xùn)練。據(jù)了解，人腦中的記憶是由突觸重量的模式表示的
- 關(guān)鍵字： AI 人工智能 機(jī)器學(xué)習(xí)
基于數(shù)據(jù)驅(qū)動(dòng)的多模型故障診斷
- 摘 要：故障通常特指某個(gè)系統(tǒng)或某個(gè)運(yùn)行過(guò)程的一系列相關(guān)參數(shù)喪失了規(guī)定性能的狀態(tài)，或者在特定場(chǎng)景下 控制指標(biāo)出現(xiàn)了偏差。故障不可避免，故障影響了電力系統(tǒng)正常安全穩(wěn)定運(yùn)行。為此迫切需要快速識(shí)別診斷故 障。本文基于數(shù)據(jù)驅(qū)動(dòng)算法，詳細(xì)對(duì)比分析了多種基于機(jī)器學(xué)習(xí)主流模型故障診斷的方法，并通過(guò)實(shí)例驗(yàn)證了 模型的有效性以及優(yōu)越性，對(duì)模型的選擇具有重要參考意義。關(guān)鍵詞：故障識(shí)別；機(jī)器學(xué)習(xí)；數(shù)據(jù)驅(qū)動(dòng)0 引言被控系統(tǒng)處于非正常運(yùn)行情況時(shí)，若能夠采用某種 技術(shù)快速實(shí)時(shí)在線(xiàn)檢測(cè)故障并且能基于先進(jìn)定位技術(shù)判 別故障點(diǎn)準(zhǔn)確
- 關(guān)鍵字： 202211 故障識(shí)別 機(jī)器學(xué)習(xí) 數(shù)據(jù)驅(qū)動(dòng)
意法半導(dǎo)體嵌入式 AI 解決方案增加簡(jiǎn)化機(jī)器學(xué)習(xí)開(kāi)發(fā)的高級(jí)功能
- 2022 年 11 月 15 日，中國(guó)——為了擴(kuò)大開(kāi)發(fā)工具的功能，加快嵌入式人工智能 (AI) 和機(jī)器學(xué)習(xí) (ML) 開(kāi)發(fā)項(xiàng)目，意法半導(dǎo)體發(fā)布了NanoEdge AI Studio 和 STM32Cube.AI.的升級(jí)版本。這兩個(gè)開(kāi)發(fā)工具有助于把人工智能和機(jī)器學(xué)習(xí)遷移到應(yīng)用邊緣設(shè)備。遷移到網(wǎng)絡(luò)邊緣后，人工智能和機(jī)器學(xué)習(xí)的優(yōu)勢(shì)非常突出，包括原生隱私保護(hù)、確定性實(shí)時(shí)響應(yīng)、更高可靠性和更低功耗。NanoEdge AI Studio 是一個(gè)自動(dòng)化的機(jī)器學(xué)習(xí)開(kāi)發(fā)工具，適合不需要開(kāi)發(fā)神經(jīng)網(wǎng)絡(luò)的應(yīng)用項(xiàng)目。該工具需要與S
- 關(guān)鍵字： 意法半導(dǎo)體 嵌入式 AI 機(jī)器學(xué)習(xí)
聯(lián)發(fā)科芯片設(shè)計(jì) 導(dǎo)入機(jī)器學(xué)習(xí)
- 聯(lián)發(fā)科長(zhǎng)期投入前瞻領(lǐng)域研究，近期再傳突破性成果。聯(lián)發(fā)科宣布，將機(jī)器學(xué)習(xí)導(dǎo)入芯片設(shè)計(jì)，運(yùn)用強(qiáng)化學(xué)習(xí)（reinforcement learning）讓機(jī)器透過(guò)自我不斷探索和學(xué)習(xí)，預(yù)測(cè)出芯片中最佳電路區(qū)塊的位置（location）與形狀（shape），將大幅縮短開(kāi)發(fā)時(shí)間并建構(gòu)更強(qiáng)大性能的芯片，成為改變游戲規(guī)則的重大突破。聯(lián)發(fā)科表示，該技術(shù)將于11月于臺(tái)灣舉辦的IEEE亞洲固態(tài)電路研討會(huì)A-SSCC（Asian Solid-State Circuits Conference）發(fā)表，同步也將申請(qǐng)國(guó)際專(zhuān)利。聯(lián)發(fā)科指出
- 關(guān)鍵字： 聯(lián)發(fā)科 芯片設(shè)計(jì) 機(jī)器學(xué)習(xí)
移動(dòng)算法 而非巨量數(shù)據(jù)
- 機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)進(jìn)步使我們能夠處理越來(lái)越大量?jī)?chǔ)存資料。傳統(tǒng)方法是將數(shù)據(jù)傳輸?shù)剿惴ㄔO(shè)備，但是這種移動(dòng)巨量數(shù)據(jù)（高達(dá) 1 PB）以供可能只有幾十兆位元算法來(lái)進(jìn)行處理真的有意義嗎？因此，在靠近數(shù)據(jù)儲(chǔ)存位置處理數(shù)據(jù)的想法引起了很多關(guān)注。本文研究了計(jì)算儲(chǔ)存理論和實(shí)踐，以及如何使用計(jì)算儲(chǔ)存處理器 (CSP) 為許多計(jì)算密集型任務(wù)提供硬件加速和更高性能，而不會(huì)給主機(jī)處理器帶來(lái)大量負(fù)擔(dān)。數(shù)據(jù)集崛起近年來(lái)，神經(jīng)網(wǎng)絡(luò)算法在汽車(chē)、工業(yè)、安全和消費(fèi)等應(yīng)用中使用顯著增加。基于邊緣物聯(lián)網(wǎng)傳感器通常只處理少量數(shù)據(jù)，因此所使用算法占用很
- 關(guān)鍵字： ?機(jī)器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò) 數(shù)據(jù)集
安富利：在機(jī)器學(xué)習(xí)中取得領(lǐng)先地位
- 機(jī)器學(xué)習(xí)是改變世界的最新技術(shù)。過(guò)去配合云端使用的算法現(xiàn)在已經(jīng)擴(kuò)展到邊緣運(yùn)算。應(yīng)用包括了監(jiān)控、先進(jìn)駕駛輔助系統(tǒng)ADAS、機(jī)器人和數(shù)據(jù)中心。開(kāi)發(fā)人員正在尋找可快速及輕松地部署復(fù)雜系統(tǒng)的方法?！ ?duì)于邊緣網(wǎng)絡(luò)上的機(jī)器學(xué)習(xí)，Xilinx提供了延遲、功耗、成本、靈活性、可擴(kuò)展性和上市時(shí)間之間的最佳權(quán)衡。其軟件定義的系統(tǒng)單芯片(SDSoC)允許無(wú)縫整合硬件和軟件、自動(dòng)化內(nèi)存分配、快取管理、DMA和裝置互動(dòng)。SDx開(kāi)發(fā)環(huán)境為項(xiàng)目建立，模擬，執(zhí)行和除錯(cuò)提供了通用的基礎(chǔ)架構(gòu)，讓不同的嵌入式系統(tǒng)可輕松實(shí)行。 其結(jié)果是更
- 關(guān)鍵字： 機(jī)器學(xué)習(xí) Xilinx
安富利:物聯(lián)網(wǎng)和機(jī)器學(xué)習(xí)(ML)協(xié)同開(kāi)發(fā)
- 物聯(lián)網(wǎng)裝置和支持ML的裝置日益成為我們?nèi)粘Ｉ钪械囊徊糠?。隨著這些裝置進(jìn)入智能住宅中，就需要更多的專(zhuān)業(yè)知識(shí)來(lái)進(jìn)行建構(gòu)和開(kāi)發(fā)。ROS是一個(gè)開(kāi)放原始碼的機(jī)器人開(kāi)發(fā)平臺(tái)，使機(jī)器人技術(shù)的開(kāi)發(fā)可以協(xié)作。與ROS整合的TurtleBot3在SLAM（同步定位與地圖構(gòu)建）、導(dǎo)航和操控中具備核心技術(shù)，所以適合在家庭服務(wù)機(jī)器人應(yīng)用中使用。 與TurtleBot3整合的Ultra96上的ROS具有多項(xiàng)功能，所以適用于物聯(lián)網(wǎng)裝置中的應(yīng)用。除了配備Xilinx MPSOC開(kāi)發(fā)板Ultra96（Cortex A53、R5）之
- 關(guān)鍵字： 物聯(lián)網(wǎng) 機(jī)器學(xué)習(xí)
人臉識(shí)別的工作原理是什么？
- 什么是人臉識(shí)別？人臉識(shí)別是一種軟件層面的算法，用于通過(guò)處理視頻幀或數(shù)字圖像來(lái)驗(yàn)證或識(shí)別一個(gè)人的身份，其中該人的臉是可見(jiàn)的。面部識(shí)別技術(shù)有幾種不同的工作方法，但是他們通常會(huì)將圖像中的面部特征與數(shù)據(jù)庫(kù)中的面部特征進(jìn)行比較。人臉識(shí)別處理的4個(gè)步驟特定的神經(jīng)網(wǎng)絡(luò)被訓(xùn)練用來(lái)檢測(cè)人臉的標(biāo)簽，并將人臉與圖像中的其他物體區(qū)分開(kāi)來(lái)。標(biāo)簽是人類(lèi)普遍的五官等面部特征，比如：眼睛、鼻子、嘴巴、眉毛等。人臉識(shí)別算法的工作流程任何人臉檢測(cè)和識(shí)別系統(tǒng)或軟件都繞不開(kāi)人臉識(shí)別算法。業(yè)界將這些算法分為兩種：幾何方法側(cè)重于區(qū)分特征簡(jiǎn)而言之就將
- 關(guān)鍵字： 人臉識(shí)別 算法 AI 機(jī)器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò)
邊緣AI和機(jī)器學(xué)習(xí)將被廣泛應(yīng)用于工業(yè)和家庭
- 各行各業(yè)的數(shù)字化轉(zhuǎn)型和日常生活中的新場(chǎng)景已經(jīng)對(duì)邊緣上的人工智能（AI）和機(jī)器學(xué)習(xí)、先進(jìn)數(shù)據(jù)處理、音頻、視覺(jué)等產(chǎn)生了需求。邊緣機(jī)器學(xué)習(xí)（ML）計(jì)算支持廣泛的、智能化的工業(yè)和家庭應(yīng)用，包括用于異常檢測(cè)的傳感器數(shù)據(jù)處理、預(yù)測(cè)性維護(hù)、用于改進(jìn)玻璃破碎檢測(cè)的音頻模式識(shí)別、簡(jiǎn)單命令詞識(shí)別以及視覺(jué)應(yīng)用，如使用低分辨率攝像頭進(jìn)行在場(chǎng)檢測(cè)或人數(shù)統(tǒng)計(jì)。現(xiàn)在的產(chǎn)品設(shè)計(jì)人員已看到了人工智能和機(jī)器學(xué)習(xí)的巨大潛力，可以為家庭安全系統(tǒng)、可穿戴醫(yī)療監(jiān)測(cè)器、商業(yè)設(shè)施和工業(yè)設(shè)備監(jiān)控傳感器等邊緣應(yīng)用帶來(lái)更多的智能化。所以SiliconLabs
- 關(guān)鍵字： 202204 邊緣AI 機(jī)器學(xué)習(xí)
2021年AI關(guān)鍵趨勢(shì)，AI芯片初創(chuàng)公司可能發(fā)生并購(gòu)
- 人工智能（AI）和機(jī)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(diǎn)。標(biāo)普全球市場(chǎng)財(cái)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(jì)新冠大流行會(huì)對(duì)他們現(xiàn)有的AI計(jì)劃產(chǎn)生負(fù)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(xiàng)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(jì)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(jì)劃。由于大
- 關(guān)鍵字： 人工智能 機(jī)器學(xué)習(xí) 深度學(xué)習(xí) 數(shù)據(jù)科學(xué)
AI芯片競(jìng)爭(zhēng)紅海下的生存之道
- 在EE Times美國(guó)今年發(fā)布的Silicon 100榜單中，有大量席位被AI芯片公司所占據(jù)。這兩年來(lái)，以SambaNova、Graphcore等為代表的AI芯片公司可謂是投資界的大熱門(mén)。截至發(fā)稿日，SambaNova已經(jīng)獲得了11億美元的融資，宣稱(chēng)市值為50億美元左右。3-4年之后，這片紅海競(jìng)爭(zhēng)的市場(chǎng)，又將變成怎樣一副模樣？據(jù)市場(chǎng)分析機(jī)構(gòu)GlobalData數(shù)據(jù)顯示，2021年第二季度北美地區(qū)的AI風(fēng)投總額就已經(jīng)達(dá)到95億美元，相比上一季度增長(zhǎng)了17.7%。這一季度，AI芯片市場(chǎng)的大熱門(mén)除了SambaN
- 關(guān)鍵字： AI芯片 IPU 英偉達(dá) 機(jī)器學(xué)習(xí)
2021年智源人工智能前沿報(bào)告（AI Frontiers Report）發(fā)布
- 2021年對(duì)于人工智能技術(shù)和產(chǎn)業(yè)，依舊是不平凡的一年。隨著算力、數(shù)據(jù)、算法等要素逐漸齊備，先進(jìn)的算法結(jié)構(gòu)不斷涌現(xiàn)，各個(gè)研究方向研究成果層出不窮，成熟的AI技術(shù)逐漸向代碼庫(kù)、平臺(tái)和系統(tǒng)發(fā)展，實(shí)現(xiàn)產(chǎn)業(yè)和商業(yè)層面的落地應(yīng)用，推動(dòng)人工智能發(fā)展邁向新階段。在新的一年即將到來(lái)之際，智源研究院采用案例征集、專(zhuān)家咨詢(xún)等方法，向高校和科研機(jī)構(gòu)專(zhuān)家學(xué)者征集2021年度人工智能動(dòng)態(tài)、案例等內(nèi)容，并通過(guò)向?qū)I(yè)人士咨詢(xún)的形式匯總觀(guān)點(diǎn)及建議，形成2021-2022年度人工智能前沿報(bào)告（AI Frontiers Report）。報(bào)告專(zhuān)
- 關(guān)鍵字： AI 機(jī)器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò) 算法
?機(jī)器學(xué)習(xí)介紹
您好，目前還沒(méi)有人創(chuàng)建詞條?機(jī)器學(xué)習(xí)!
歡迎您創(chuàng)建該詞條，闡述對(duì)?機(jī)器學(xué)習(xí)的理解，并與今后在此搜索?機(jī)器學(xué)習(xí)的朋友們分享。 創(chuàng)建詞條
歡迎您創(chuàng)建該詞條，闡述對(duì)?機(jī)器學(xué)習(xí)的理解，并與今后在此搜索?機(jī)器學(xué)習(xí)的朋友們分享。 創(chuàng)建詞條
?機(jī)器學(xué)習(xí)相關(guān)帖子
?機(jī)器學(xué)習(xí)資料下載
?機(jī)器學(xué)習(xí)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(jī)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(guó)際技術(shù)信息咨詢(xún)有限公司
京ICP備12027778號(hào)-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(quán)所有 北京東曉國(guó)際技術(shù)信息咨詢(xún)有限公司
京ICP備12027778號(hào)-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473