中文字幕 另类精品,亚洲欧美一区二区蜜桃,日本在线精品视频免费,孩交精品乱子片免费

<sup id="3hn2b"></sup>
  • 

      <sub id="3hn2b"><ol id="3hn2b"></ol></sub><legend id="3hn2b"></legend>
        

        2. <xmp id="3hn2b"></xmp>
        3. 


        
	
  	
        
	
        
		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 >> 
	深度學習
        

        
	
        
    	
        
    	  	
        
              	
                                
        
                  

                                
        
                    
        用AI協(xié)助兒童聽力檢測 以深度學習姿勢識別技術提升準確性
        
                                                            
          
                    	
        • 「Nature」網站日前發(fā)表了一項開創(chuàng)性的研究，該研究透過深度學習技術，來提升兒童行為聽力測驗的可行性與精確度。研究人員構建了一個專用設計的兒童姿勢檢測數據集，該數據集收錄了大量來自兒童行為聽力測試的珍貴影像資料，細膩地記錄了各式典型的聽力測試動作?；诖藬祿A，研究人員進一步開發(fā)了一個智能檢測平臺，此平臺的核心技術在于一個同步開發(fā)的患者骨骼關鍵點估計模型 （POTR），該模型同樣基于優(yōu)化Transformer架構，專職于精準估算人體骨骼的關鍵節(jié)點。 透過POTR的精確骨骼點定位能力，DoT平臺得以對兒
          • 
                    	                        
        • 關鍵字：
                        AI  聽力檢測  深度學習  姿勢識別技術                          
          • 
                   	
        
                    
        
                
        
                                
        
                    
        一文讀懂｜什么是機器學習
        
                                                            
          
                    	
        • 機器學習定義機器學習（Machine Learning）本質上就是讓計算機自己在數據中學習規(guī)律，并根據所得到的規(guī)律對未來數據進行預測。機器學習包括如聚類、分類、決策樹、貝葉斯、神經網絡、深度學習（Deep Learning）等算法。機器學習的基本思路是模仿人類學習行為的過程，如我們在現(xiàn)實中的新問題一般是通過經驗歸納，總結規(guī)律，從而預測未來的過程。機器學習的基本過程如下：機器學習基本過程機器學習發(fā)展簡史從機器學習發(fā)展的過程上來說，其發(fā)展的時間軸如下所示：機器學習發(fā)展歷程從上世紀50年代的圖靈測試提出、塞繆爾
          • 
                    	                        
        • 關鍵字：
                        機器學習  深度學習  神經網絡                          
          • 
                   	
        
                    
        
                
        
                                
        
                    
        一文總結：人工智能、機器學習、深度學習的關鍵技術概念及 Edge AI 的行業(yè)發(fā)展前景
        
                                                            
          
                    	
        • 文章 概述本文介紹了人工智能（AI）、 機器學習（ ML）、深度學習（DL）和邊緣人工智能（Edge AI ）的 概念、特性及應用領域 ，詳細闡述了ML的各種 訓練模式 ，包括監(jiān)督式、非監(jiān)督式、半監(jiān)督式、強化學習和自監(jiān)督學習，并介紹了它們在各個領域的應用。最后，文章總結了AI、ML和Edge AI對各行各業(yè)的影響和未來 發(fā)展前景 ，強調它們將不斷推動創(chuàng)新，為全球經濟和社會帶來更加智能、便捷的生活方式。人工智
          • 
                    	                        
        • 關鍵字：
                        Digikey  人工智能  機器學習  深度學習                          
          • 
                   	
        
                    
        
                
        
                                
        
                    
        MCX N系列NPU智能驅動AI咖啡機，重塑咖啡研磨新境界！
        
                                                            
          
                    	
        • MCX N系列NPU, 作為先進的人工智能處理器，以其強大的計算能力和高效的算法優(yōu)化，不僅能夠處理復雜的圖像識別任務，還能在咖啡研磨過程中實現(xiàn)精準控制，確保每一粒咖啡豆都能得到恰到好處的處理。為AI咖啡機注入了前所未有的智能動力！先說結論，利用150MHz MCX N的NPU去推理咖啡豆烘焙程度(39mS)比用400MHz的M7內核推理(109mS)快了3倍!作為一名“咖市”的“MCU系統(tǒng)與應用工程師”一直為研磨咖啡豆的顆粒度而感到苦惱，每次換豆都要浪費2次18克豆子去實現(xiàn)“18克豆，10bar，30秒內
          • 
                    	                        
        • 關鍵字：
                        NPU  AI咖啡機  深度學習                          
          • 
                   	
        
                    
        
                
        
                                
        
                    
        TFLite模型的開盲盒體驗 
        
                                                            
          
                    	
        • TFLite模型的開盲盒體驗之flatbuffer格式介紹相信在嵌入式平臺上部署過神經網絡模型的伙伴，都不會對TFLite格式陌生。TFLite是谷歌推出的一個輕量級推理庫，它的主要目標是在移動端和嵌入式設備上部署深度學習模型。為了在這些設備上運行，需要將訓練好的TensorFlow模型轉換成一種特殊的格式，這就是TensorFlow Lite模型。轉換過程包括模型轉化、部署和優(yōu)化三個步驟，旨在提升運算速度并減少內存、顯存占用。具體來說，這其中最終要的就是以.TFLite為格式的模型文件，其主結構為一個M
          • 
                    	                        
        • 關鍵字：
                        TFLite  模型  推理庫  深度學習                          
          • 
                   	
        
                    
        
                
        
                                
        
                    
        Firefly DL小巧輕便，嵌入式深度學習加速部署
        
                                                            
          
                    	
        • 近年來，機器視覺系統(tǒng)越來越多地基于可變條件進行自動化決策。開發(fā)這些系統(tǒng)所需的時間和精力可能會讓人望而卻步。而深度學習的出現(xiàn)正在改變這一局面，并使自動化決策觸手可及。開源庫、Nvidia硬件和FLIR相機等資源正在幫助實現(xiàn)這一變化。走進深度學習“一張圖片勝過千言萬語”這句話在機器視覺領域里從未像今天這樣真實。機器視覺可以將數千甚至數百萬行代碼用簡單地經過圖片和少量編碼訓練后的的神經網絡所代替。深度學習是一種機器學習形式，它使用在輸入和輸出節(jié)點之間有許多“深層”層的神經網絡。通過在大數據集上訓練網絡，可以創(chuàng)建
          • 
                    	                        
        • 關鍵字：
                        Firefly DL  深度學習  人工智能                          
          • 
                   	
        
                    
        
                
        
                                
        
                    
        基于深度學習的智能電網短期日負荷曲線預測系統(tǒng)設計與實現(xiàn)
        
                                                            
                                        
          
                    	
        • 短期電力負荷精準預測對發(fā)電容量與輸電方式的合理調度、確保電力系統(tǒng)安全、穩(wěn)定運行起著至關重要的作用。本文針對負荷數據基數大、難提取、負荷預測影響因素多等問題，運用Mysql數據庫和Python爬蟲技術構建了短期負荷曲線預測基礎數據平臺，提高了數據的存取效率；針對電力負荷的隨機波動性，運用Pandas、關聯(lián)分析算法完成了缺失值處理和影響因素與用電負荷的相關性分析；為提高預測精度，探索使用了融合卷積神經網絡、長短期記憶網格和注意力機制的多元混合神經網絡模型。
          • 
                    	                        
        • 關鍵字：
                        202302  深度學習  短期負荷預測  卷積神經網絡  長短期記憶網格  Flask                          
          • 
                   	
        
                    
        
                
        
                                
        
                    
        視覺慣性導航融合算法研究進展
        
                                                            
                                        
          
                    	
        • 視覺慣性導航一直是無人駕駛與機器人領域重點、難點環(huán)節(jié)。首先介紹經典算法框架，從基于最優(yōu)平滑算法和預積分理論兩個層面介紹經典視覺慣性融合算法。然后介紹新型算法框架，主要在深度學習基礎上，從對整體框架學習的程度，將新型視覺慣性融合算法分為兩類，部分學習和整體學習，最后介紹了主流算法中關鍵技術與未來展望。
          • 
                    	                        
        • 關鍵字：
                        202302  視覺慣性導航  優(yōu)化  耦合算法  深度學習                          
          • 
                   	
        
                    
        
                
        
                                
        
                    
        基于深度學習的跌倒檢測技術對比與分析*
        
                                                            
                                        
          
                    	
        • 基于意外跌倒是造成老年人受傷、失能及死亡的主要原因，對近年來關于深度學習的跌倒檢測研究進行了介紹。根據跌倒檢測工作流程，從數據采集、數據處理、模型訓練及狀態(tài)識別幾個方面進行了詳細介紹，并對已有的基于深度學習的跌倒檢測方法進行分析與比較，為將來的應用研究提供參考，并對將來的發(fā)展方向提出一些思考。
          • 
                    	                        
        • 關鍵字：
                        深度學習  跌倒檢測  卷積神經網絡  長短期記憶網絡  202212                          
          • 
                   	
        
                    
        
                
        
                                
        
                    
        深度學習模型的云邊協(xié)同訓練和部署*
        
                                                            
                                        
          
                    	
        • 將云邊協(xié)同技術應用到深度學習模型的訓練和部署，可以解決目前工業(yè)質檢領域深度學習模型訓練和部署方法的不足，使模型的訓練和部署更加安全、高效、智能化、低成本。
          • 
                    	                        
        • 關鍵字：
                        云邊協(xié)同  深度學習  服務器部署  202212                          
          • 
                   	
        
                    
        
                
        
                                
        
                    
        一種改進的可遷移深度學習模型*
        
                                                            
                                        
          
                    	
        • 摘 要：本文設計了一種改進的可遷移深度學習模型。該模型能夠在離開可靠的訓練環(huán)境（其中存在標簽）并被
置于純粹的無標簽數據的領域時，輸出依然可以持續(xù)得到改善，這種訓練方式可以降低對監(jiān)督學習的依賴程度。關鍵詞：可遷移；深度學習；無標簽*基金項目：湖南省教育廳科學研究課題“基于深度學習的智能無人機目標檢測算法研究”(20C0105)；湖南省
自然科學基金項目《基于高光譜特征信息融合的油菜籽品質參數反演與建模》（2021JJ60093）；校級培育項目
“基于深度學習的目標檢測算法研究”(22mypy15)1
          • 
                    	                        
        • 關鍵字：
                        202210  可遷移  深度學習  無標簽                          
          • 
                   	
        
                    
        
                
        
                                
        
                    
        基于圖結構的圖像注意力網絡
        
                                                            
                                        
          
                    	
        • 摘要：雖然現(xiàn)已有許多關于圖像注意力機制的研究，但是現(xiàn)有的方法往往忽視了特征圖的全局空間結構和空
間注意力與通道注意力的聯(lián)系。所以本文提出了一種基于整個空間拓撲結構的注意機制，將特征圖映射成結點
與特征的形式，再借助圖卷積網絡的特性，得以從整個空間學習特征權重圖。其次空間注意力與通道注意力一
體化結構能夠更有效地學習特征權重。通過多個實驗測試表明，在圖像分類和人臉識別任務中，展現(xiàn)了優(yōu)異的
性能和普遍適用性。關鍵詞：深度學習；注意力機制；圖像分類；人臉識別
隨著計算機性能的提升，卷積神經網絡 (co
          • 
                    	                        
        • 關鍵字：
                        202207  深度學習  注意力機制  圖像分類  人臉識別                          
          • 
                   	
        
                    
        
                
        
                                
        
                    
        直覺有害！Facbook最新研究：易于解釋的神經元會誤導DNN的學習
        
                                                            
          
                    	
        • 　　編譯|蔣寶尚　　關于AI是什么，學界和業(yè)界已經給出了非常多的定義，但是對于AI理解，探討尚不足。換句話說，計算機科學家解釋深度神經網絡（DNNs）的能力大大落后于我們利用其取得有用結果的能力。　　當前理解深度神經網絡的常見做法是在單個神經元特性上“折騰”。例如，激活識別貓圖像的神經元，而關閉其他神經元的“控制變量法”。這種方法的學術術語叫做“類選擇性”。　　由于直觀和易理解，“類選擇性”在學界廣泛應用。誠然，在訓練過程中，這類可解釋的神經元確實會“選擇性地”出現(xiàn)在各種不同任務網絡中。例如，預測產品評論
          • 
                    	                        
        • 關鍵字：
                        DNN  深度神經網絡  深度學習                          
          • 
                   	
        
                    
        
                
        
                                
        
                    
        為什么深度學習如此容易被愚弄？AI研究員正努力修復神經網絡缺陷
        
                                                            
          
                    	
        • 　　來源：nature　　編譯：張大筆茹、小七　　假設一輛自動駕駛汽車看到停車標志時并沒有減速，而是加速駛入了繁忙的十字路口，從而導致了交通事故。事故報告顯示，停車標志的表面粘了四個小的矩形標志。這說明一些微小擾動就能愚弄車載人工智能（AI），使其將“停止”一詞誤讀為“限速45”?！　∧壳埃祟愂录€未發(fā)生，但是人為擾動可能影響AI是非?，F(xiàn)實的。研究人員已經展示了如何通過粘貼紙來欺騙AI系統(tǒng)誤讀停車標志，或者通過在眼鏡或帽子上粘貼印刷圖案來欺騙人臉識別系統(tǒng)，又或者通過在音頻中插入白噪聲使語音識別系統(tǒng)產生錯
          • 
                    	                        
        • 關鍵字：
                        DNN  深度神經網絡  深度學習                          
          • 
                   	
        
                    
        
                
        
                                
        
                    
        DNNBrain：北師大團隊出品的用于映射深層神經網絡到大腦的工具箱
        
                                                            
                                        
          
                    	
        • 導讀深度神經網絡(DNN)通過端到端的深度學習策略在許多具有挑戰(zhàn)性的任務上達到了人類水平的性能。深度學習產生了具有多層抽象層次的數據表示;然而，它沒有明確地提供任何關于DNNs內部運作的解釋，換句話說它的內部運作是一個黑盒子。深度神經網絡的成功吸引了神經科學家，他們不僅將DNN應用到生物神經系統(tǒng)模型中，而且還采用了認知神經科學的概念和方法來理解DNN的內部表示。盡管可以使用諸如PyTorch和TensorFlow之類的通用深度學習框架來進行此類跨學科研究，但是使用這些框架通常需要高級編程專家和全面的數學知
          • 
                    	                        
        • 關鍵字：
                        DNN  深度神經網絡  深度學習  腦機接口                          
          • 
                   	
        
                    
        
                
        
                                                

                
        
	                
        
		                	
        
	
        
	共176條
	1/12															1																2																3																4																5																6																7																8																9																10																													»
			›|
		
	
        
		                
        
	               	
        
                
        
        	
        
            
        
        
        
	
        
	
	
        

        

        
        		關于我們 - 
        		廣告服務 - 
        		企業(yè)會員服務 - 
        		網站地圖 - 
        		聯(lián)系我們 - 
        		征稿 - 
        		友情鏈接 - 
        		手機EEPW
        		
        
        		Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
        
        		《電子產品世界》雜志社 版權所有 北京東曉國際技術信息咨詢有限公司
        
      			備案 京ICP備12027778號-2 北京市公安局備案：1101082052    京公網安備11010802012473