首页  资讯  商机   下载  拆解   高校  招聘   杂志  会展  EETV  百科   问答  电路图  工程师手册   Datasheet  100例   活动中心  E周刊阅读   样片申请
EEPW首页 >> 主题列表 >> 深度学习

深度学习 文章

新一代汽车深度学习架构趋势

  • 下一代汽车的车辆电子系统正在以电动化和自动驾驶为中心发展。图中描述了车辆电控系统的演进。现有的车辆电子控制系统中,由于每个功能域由驾驶员直接控制,因此每个域之间的通信是松散耦合的,并且为了不受其它域的影响,域之间是相对独立的。另一方面,自动驾驶时代的电控系统是由一个名为Vehicle computer的中央控制系统来代替驾驶员来控制自动驾驶功能,各域之间的通信会相对多一些(紧耦合),域之间的独立性会低一些。此外,随着控制程序的规模呈指数级增长,安全的OTA(Over the air)变得至关重要,OTA的
  • 关键字: 车辆  电子系统  深度学习  

赛昉科技重磅发布全球首款基于RISC-V人工智能视觉处理平台 ——惊鸿7100

  • 近日- RISC-V处理器IP供应商赛昉科技有限公司,发布全球首款基于RISC-V的人工智能视觉处理平台——惊鸿7100。“惊鸿”一词取自成语“惊鸿一瞥”,语义双关:“惊鸿7100”的推出,不仅惊艳了世界,还以它优异的性能,造福于世界。该平台是全球首款基于RISC-V集深度学习、图像处理、语音识别、机器视觉为一体的多功能平台,由赛昉科技独立自主开发,可广泛应用于自动驾驶、智能无人机、公共安全、交通管理、智能家电、视觉扫地机器人、工业机器人等智能应用领域。“惊鸿7100”的出现,标志着RISC-V在智能音视
  • 关键字: 惊鸿7100  RISC-V指令集  深度学习  图像处理  语音识别  机器视觉  

深度学习在视觉搜索和匹配中的应用

  • 导读通过使用预训练网络在遥感图像应用中减少对标注数据的需求。深度学习是一个了不起的方法,用于遥感数据集,如卫星或航空照片的目标检测和分割/匹配。然而,就像深度学习的许多其应用场景一样,获得足够的带标注的训练数据可能会耗费大量的时间。在这篇文章中,我将介绍一些我们的工作,即使用预先训练好的网络来在遥感数据的目标检测任务中避免标注大型训练数据集的大量繁琐工作。2019年9月中旬,我参加了北欧遥感会议。从许多会谈中可以明显看出,深度学习已经进入许多遥感专家的工具箱。观众们对这个话题的兴趣似乎很大,他们讨论了在各
  • 关键字: 深度学习  

分析深度学习背后的数学思想

  • 深度神经网络(DNN)本质上是通过具有多个连接的感知器而形成的,其中感知器是单个神经元。可以将人工神经网络(ANN)视为一个系统,其中包含沿加权路径馈入的一组输入。然后处理这些输入,并产生输出以执行某些任务。随着时间的流逝,ANN“学习”了,并且开发了不同的路径。各种路径可能具有不同的权重,并且在模型中,比那些产生较少的理想结果的路径,以及被发现更重要(或产生更理想的结果)的路径分配了更高的权重。在DNN中,如果所有输入都密集连接到所有输出,则这些层称为密集层。此外,DNN可以包含多个隐藏层。隐藏层基本上
  • 关键字: 深度学习  

火爆全球的GPT-3,到底凭什么砸大家饭碗?

  • GPT-3是指第三代生成式预训练Transformer,它由旧金山AI公司OpenAI开发。该程序历经数年的发展,最近在AI文本生成领域内掀起了一波的创新浪潮。从许多方面来看,这些进步与自2012年以来AI图像处理的飞跃相似。计算机视觉技术促进了、无人驾驶汽车到、面部识别、无人机的发展。因此,有理由认为GPT-3及其同类产品的新功能可能会产生类似的深远影响。与所有深度学习系统一样,GPT-3也是数据模式。它在庞大的文本集上进行了训练,并根据统计规律进行了挖掘。重要的是,此过程中无需人工干预,程序在没有任何
  • 关键字: GPT-3  AI  深度学习  

《科学大家》专栏 | 如何创造可信的AI?

  •   撰文:盖瑞·马库斯 (Gary Marcus) 纽约大学心理学与认知科学教授、畅销书作家;欧内斯特·戴维斯(Ernest Davis)纽约大学柯朗数学科学研究所计算机科学教授。人工智能领域科学家  自从人工智能诞生之始,业界专家就一直愿景有余、落地不足。60年前,明斯基、麦卡锡等先驱人物曾笃信,AI 问题将在20世纪末之前被彻底解决。明斯基有句广为流传的名言:“一代人之内,人工智能的问题将在总体上得到解决。”  这些预言却未能实现,而新画的“大饼”却层
  • 关键字: 人工智能  深度学习  机器人  

人工智能探境科技之得“芯”应手

  • AI芯片作为一个极具潜力的人工智能处理平台,其关键就是应用的落地。创建自主开发的AI架构,既能满足人工智能语音应用需要,又兼顾智能图像应用的需求,使得北京探境科技掌握先机。其基于新型AI新品的语音识别芯片和模组已在众多的智能家电中初露锋芒,并将全面改变消费类产品的智能化走向。
  • 关键字: 人工智能(AI)  神经网络处理器(NPU)  深度学习  语音识别  202008  中国芯  

什么是OpenVINO?

  • OpenVINO™视觉库(CVSDK)可快速部署模拟人类视觉的应用程序和解决方案。主要包括基于卷积神经网络(CNN)推断模块IE,可以部署深度学习模型部署工具包(DLDT)。
  • 关键字: OpenVINO  CVSDK  深度学习  

百度&米尔携手推出FZ3深度学习计算卡!基于XCZU3EG的百度大脑EdgeBoard加速平台

  • 百度大脑是百度 AI 核心技术引擎,包括视觉、语音、自然语言处理、知识图谱、深度学习等AI核心技术和AI开放平台。
  • 关键字: 加速平台  深度学习  

安富利将在亚太区提供Mipsology的突破性FPGA深度学习推理加速软件

  • 全球领先的技术解决方案提供商 安富利亚洲 和AI软件领域的创新企业 Mipsology 近日宣布,安富利将向其亚太区客户推广和销售 Mipsology 的 Zebra 软件平台。Zebra 消除了 FPGA 的技术复杂性,使得它们可以即插即用,并发挥超快的速度和出色的性能。该协议扩展了安富利的物联网生态系统,为安富利的亚洲客户带来了 Mipsology 突破性的深度学习推理加速解决方案。希望部署人工智能的企业,现在无需修改代码,便可以无缝迁移到全新的基于 FPGA 的加速技术。而且,与
  • 关键字: 深度学习  推理加速  

美光科技与大陆集团携手加速边缘机器学习应用

  • 内存和存储解决方案领先供应商 Micron Technology, Inc.(美光科技股份有限公司)与科技企业大陆集团 (Continental)近日宣布合作计划,大陆集团将采用美光的深度学习加速器,开发下一代基于机器学习的汽车应用。通过该协议,汽车工业领域和内存市场的两大行业巨头将联合推进机器学习的开发,以满足现代化汽车对于内存的极端要求。车载信息娱乐、通信、高级驾驶辅助系统(ADAS)和动力总成控制系统正在变得越来越精密复杂。美光科技将携手大陆集团,共同开发针对具体应用的美光深度学习加速器(DLA)技
  • 关键字: 汽车  边缘  深度学习  

基于数据流计算图的卷积神经网络的理论和设计

  • 谢仁杰 (英特尔战略合作和创新业务部 技术经理,人工智能开放创新平台联合学者,上海 200241)摘  要:近年来在许多信号处理应用领域中,深度卷积神经网络引起了学术界和工业界很大的关注,其中 基于数据流图的深度学习网络Tensorflow框架得到了很多人的青睐。但在一些商业落地的研究和调查中发 现,部分机构涉及一些自开发的计算单元,而它不被大型网络框架所支持,又出于技术的保密性往往需要 自行修改工业界的深度学习框架,这就造成了以下情况, ①工业级大型代码框架极其复杂,各大库之间的 调用很深且一般没有注释
  • 关键字: 202003  深度学习  数据流  计算图  多核运算  车辆分类  

谷歌正尝试用深度学习技术开发新一代计算机芯片

  • 过去几年中,谷歌开发了一个AI硬件家族——Tensor Processing Unit(TPU芯片),用于在服务器计算机中处理AI。使用AI来设计芯片是一个良性循环:AI让芯片变得更好,经过改良的芯片又能增强AI算法,依此类推。
  • 关键字: 谷歌  深度学习  TPU芯片  

2020年,人工智能和深度学习未来的五大趋势

  • 虽然近年来人工智能经常成为热门议题,但它还远未实现真正的成就。
  • 关键字: 人工智能  深度学习  趋势  

给血细胞分类可让人工智能来干

  • 德国亥姆霍兹慕尼黑研究中心和慕尼黑大学的研究人员首次发现,在对急性髓细胞性白血病患者的血样进行分类方面,深度学习算法表现出色。这一概念验证研究为将来广泛使用对样品的自动化、标准化分析铺平了道路。该论文发表在《自然·机器智能》杂志上。
  • 关键字: 血细胞  人工智能  深度学习  
共151条 1/11 1 2 3 4 5 6 7 8 9 10 » ›|
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
备案 京ICP备12027778号-2 北京市公安局备案:1101082052    京公网安备11010802012473