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
物联网正加速带动人工智能走向终端装置，我们可以看到市场继续保持积极的成长趋势。市场也期待有更多的人工智能物联网设备在市场上普及，并深入包括消费性物联网设备、工业应用和网络、还有与视觉、语音和声音影像相关的边缘应用。AI的应用案例正在推动着庞大的物联网运算需求，而这背后都需要透过MCU来释放这些运算能量。我们也可以看出市场上的MCU解决方案基本上有两大发展趋势，用以支持新一代的机器学习（Machine Learning；ML）运算能力。一是提高MCU本身的运算性能及能力，例如从Arm Cortex M0+提
关键字：
TinyML MCU 深度学习
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
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
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
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
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
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
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
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
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