摘要：虽然现已有许多关于图像注意力机制的研究，但是现有的方法往往忽视了特征图的全局空间结构和空
间注意力与通道注意力的联系。所以本文提出了一种基于整个空间拓扑结构的注意机制，将特征图映射成结点
与特征的形式，再借助图卷积网络的特性，得以从整个空间学习特征权重图。其次空间注意力与通道注意力一
体化结构能够更有效地学习特征权重。通过多个实验测试表明，在图像分类和人脸识别任务中，展现了优异的
性能和普遍适用性。关键词：深度学习；注意力机制；图像分类；人脸识别
随着计算机性能的提升，卷积神经网络 (co
关键字：
202207 深度学习 注意力机制 图像分类 人脸识别
编译|蒋宝尚 关于AI是什么，学界和业界已经给出了非常多的定义，但是对于AI理解，探讨尚不足。换句话说，计算机科学家解释深度神经网络（DNNs）的能力大大落后于我们利用其取得有用结果的能力。 当前理解深度神经网络的常见做法是在单个神经元特性上“折腾”。例如，激活识别猫图像的神经元，而关闭其他神经元的“控制变量法”。这种方法的学术术语叫做“类选择性”。 由于直观和易理解，“类选择性”在学界广泛应用。诚然，在训练过程中，这类可解释的神经元确实会“选择性地”出现在各种不同任务网络中。例如，预测产品评论
关键字：
DNN 深度神经网络 深度学习
来源：nature 编译：张大笔茹、小七 假设一辆自动驾驶汽车看到停车标志时并没有减速，而是加速驶入了繁忙的十字路口，从而导致了交通事故。事故报告显示，停车标志的表面粘了四个小的矩形标志。这说明一些微小扰动就能愚弄车载人工智能（AI），使其将“停止”一词误读为“限速45”。 目前，此类事件还未发生，但是人为扰动可能影响AI是非常现实的。研究人员已经展示了如何通过粘贴纸来欺骗AI系统误读停车标志，或者通过在眼镜或帽子上粘贴印刷图案来欺骗人脸识别系统，又或者通过在音频中插入白噪声使语音识别系统产生错
关键字：
DNN 深度神经网络 深度学习
导读深度神经网络(DNN)通过端到端的深度学习策略在许多具有挑战性的任务上达到了人类水平的性能。深度学习产生了具有多层抽象层次的数据表示;然而，它没有明确地提供任何关于DNNs内部运作的解释，换句话说它的内部运作是一个黑盒子。深度神经网络的成功吸引了神经科学家，他们不仅将DNN应用到生物神经系统模型中，而且还采用了认知神经科学的概念和方法来理解DNN的内部表示。尽管可以使用诸如PyTorch和TensorFlow之类的通用深度学习框架来进行此类跨学科研究，但是使用这些框架通常需要高级编程专家和全面的数学知
关键字：
DNN 深度神经网络 深度学习 脑机接口
先说DNN，从结构上来说他和传统意义上的NN（神经网络）没什么区别，但是神经网络发展时遇到了一些瓶颈问题。一开始的神经元不能表示异或运算，科学家通过增加网络层数，增加隐藏层可以表达。并发现神经网络的层数直接决定了它对现实的表达能力。但是随着层数的增加会出现局部函数越来越容易出现局部最优解的现象，用数据训练深层网络有时候还不如浅层网络，并会出现梯度消失的问题。我们经常使用sigmoid函数作为神经元的输入输出函数，在BP反向传播梯度时，信号量为1的传到下一层就变成0.25了，到最后面几层基本无法达到调节参数
关键字：
DNN 深度神经网络 深度学习 CNN RNN
深度神经网络（Deep Neural Networks，以下简称DNN）是深度学习的基础，而要理解DNN，首先我们要理解DNN模型，下面我们就对DNN的模型与前向传播算法做一个总结。 1.从感知机到神经网络 在感知机原理小结中，我们介绍过感知机的模型，它是一个有若干输入和一个输出的模型，如下图: 输出和输入之间学习到一个线性关系，得到中间输出结果： z=∑i=1mwixi+bz=∑i=1mwixi+b 接着是一个神经元激活函数: sign(z)={−11z<0z≥0sign(z)={
关键字：
DNN 深度神经网络 深度学习
为了让AI加速器在最短延迟内达到最佳精准度，特别是在自动驾驶车中，TFLOP已经成为许多所谓大脑芯片的关键指针，然而，有专家认为这种野蛮处理方式并不可持续…… 为了让人工智能(AI)加速器在最短延迟内达到最佳精准度，特别是在自动驾驶车(AV)中，TFLOP(兆次浮点运算)已经成为许多所谓大脑芯片的关键指针。这场竞赛的选手包括Nvidia的Xavier、Mobileye的EyeQ5、特斯拉(Tesla)的全自动驾驶(FSD)计算机芯片，以及NXP-Kalray芯片。然而，有专家认为这种野蛮处理方式
关键字：
DNN 深度神经网络 深度学习
深度神经网络(Deep Neural Networks，简称DNN)是深度学习的基础，想要学好深度学习，首先我们要理解DNN模型。DNN的基本结构神经网络是基于感知机的扩展，而DNN可以理解为有很多隐藏层的神经网络。多层神经网络和深度神经网络DNN其实也基本一样，DNN也叫做多层感知机(MLP)。DNN按不同层的位置划分，神经网络层可以分为三类，输入层，隐藏层和输出层，如下图示例，一般来说第一层是输入层，最后一层是输出层，而中间的层数都是隐藏层。网络结构层与层之间是全连接的，也就是说，第i层的任意一个神经
关键字：
DNN 深度神经网络 深度学习
致力于亚太地区市场的领先半导体元器件分销商---大联大控股宣布，其旗下世平推出基于寒武纪（Cambricon）MLU220处理器的AI明厨亮灶方案。 图示1-大联大世平基于Cambricon产品的AI明厨亮灶方案的展示板图 食品安全问题关系着千家万户的健康。为了保障人们的食品安全，自2014年2月起，国家食药监总局就开始在各地餐饮业开展明厨亮灶工作。倡导餐饮服务提供者通过采用透视明档（透明玻璃窗或玻璃幕墙）、视频显示、隔断矮墙、开放式厨房或设置窗口等多种形式，对餐饮食品加工过程进行公示
关键字：
AI 深度学习 厨房
本文叙述如何使用深度学习来进行地下电缆系统的预测性维护。利用深度学习模型能够接近实时地执行分类，让现场的技术人员可以在撷取到数据后立即看到结果，并且在必要时重新执行测试。地下电缆系统与陆上电线路网相比，虽然对暴风雨、闪电、野火、冰暴、以及其他不利天气状况较不敏感；不过，地下电缆维修成本较高，很难准确指出故障位置及进行修复。如果电缆的瑕疵未被侦测出来，可能导致停电和对大众造成危险。根据IEEE数据显示，大约90%的地下电缆系统故障都和局部放电（partial discharge；PD）有关，也就是电缆内的电
关键字：
深度学习 地下电缆 预测性维护
近日，Graphcore®（拟未）在Wave Summit 2022深度学习开发者峰会上正式宣布加入硬件生态共创计划。Graphcore和百度飞桨将基于该共创计划共同研发技术方案，协同定制飞桨框架，建设模型库与场景范例，以“IPU+飞桨”为产业赋能，推动产业AI化转型和升级。目前，Poplar® SDK 2.3与百度飞桨2.3已经完全集成，相关代码将于今日在百度飞桨的GitHub上线供开发者获取。百度飞桨是中国首个自主研发、功能丰富、开源开放的产业级深度学习平台。截至2022年5月，百度飞桨已经汇聚了47
关键字：
深度学习 AI
Imagination Technologies与Visidon Oy联合推动移动、数字电视和汽车市场的嵌入式应用向基于深度学习的超分辨率过渡。凭借这项人工智能（AI）技术，用户可以通过先进的算法将低分辨率图像和视频的分辨率提高到4K和8K。IMG Series4 NNA能够在系统级芯片严格的功耗和散热要求下，以更高的效率实时完成此类苛刻的流程。Imagination的IMG Series4神经网络加速器（NNA）通过其Tensor Tiling技术为先进的AI图像处理软件带来强大的计算性能与领先的能效。
关键字：
深度学习 超分辨率
本文说明Miros公司设计的一套Wavex传感器系统，如何精准测量波浪、洋流、以及对水航速，并使用深度学习网络来自动辨识测量下取得的雷达数据，进一步提升Wavex系统的表现与可靠度。对海上船只而言，海浪、洋流、对水航速（speed through water）等量测数据的准确性，对于船只执行各种任务，如燃料优化、或在受限区域内导航等，具有很高的价值。举例来说，对水航速量测错误，即使只是一些微小误差，就有可能对船舰效能的计算带来重大错误，让每天的燃料使用量多出好几十吨。传统上，对水航速是透过水下的测速仪器来
关键字：
深度学习 海上雷达 自动化 Miros Wavex
人工智能（AI）和机器学习仍然是技术决策者、行业人士和投资者关注的重点。标普全球市场财智（S&P Intelligence）2020 7月发布的调查显示，有58%的公司和组织预计新冠大流行会对他们现有的AI计划产生负面影响，还有19%的公司和组织表示新冠大流行导致他们停止了AI项目。与此同时，也有75%的公司和组织表示COVID-19促进了他们新的AI计划。最近发布的2021 AI/ML用例调查显示情况发生了变化，有86%参与调查的人表示新冠大流行已经或将导致其所在的组织投资于新的AI计划。由于大
关键字：
人工智能 机器学习 深度学习 数据科学
本设计使用目标检测识别进行分类垃圾以代替传统的人工分类。本设计旨在用前沿的YOLOv3模型去实现准确的垃圾识别。设计中的模型利用Anaconda搭建环境变量，并在Pycharm软件上运行模型。YOLOv3模型实验所需的数据集来自华为云人工智能大赛提供的垃圾分类数据集，共有44种垃圾类别，图片数为1.9万张。经测试发现YOLOv3模型能够快速而又准确地识别出44种垃圾，随后通过蓝牙发出信号给STM32单片机部分，单片机通过控制舵机旋转后完成全自动化垃圾分类。
关键字：
智能分类垃圾桶 环境保护 STM32单片机 深度学习 TensorFlow YOLOv3 202202
深度学习介绍
您好，目前还没有人创建词条深度学习!
欢迎您创建该词条，阐述对深度学习的理解，并与今后在此搜索深度学习的朋友们分享。
创建词条
关于我们 -
广告服务 -
企业会员服务 -
网站地图 -
联系我们 -
征稿 -
友情链接 -
手机EEPW
Copyright ©2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《电子产品世界》杂志社 版权所有 北京东晓国际技术信息咨询有限公司
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473