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 进入深度学习技术社区

Firefly DL小巧轻便,嵌入式深度学习加速部署

  • 近年来,机器视觉系统越来越多地基于可变条件进行自动化决策。开发这些系统所需的时间和精力可能会让人望而却步。而深度学习的出现正在改变这一局面,并使自动化决策触手可及。开源库、Nvidia硬件和FLIR相机等资源正在帮助实现这一变化。走进深度学习“一张图片胜过千言万语”这句话在机器视觉领域里从未像今天这样真实。机器视觉可以将数千甚至数百万行代码用简单地经过图片和少量编码训练后的的神经网络所代替。深度学习是一种机器学习形式,它使用在输入和输出节点之间有许多“深层”层的神经网络。通过在大数据集上训练网络,可以创建
  • 关键字: Firefly DL  深度学习  人工智能  

基于深度学习的智能电网短期日负荷曲线预测系统设计与实现

  • 短期电力负荷精准预测对发电容量与输电方式的合理调度、确保电力系统安全、稳定运行起着至关重要的作用。本文针对负荷数据基数大、难提取、负荷预测影响因素多等问题,运用Mysql数据库和Python爬虫技术构建了短期负荷曲线预测基础数据平台,提高了数据的存取效率;针对电力负荷的随机波动性,运用Pandas、关联分析算法完成了缺失值处理和影响因素与用电负荷的相关性分析;为提高预测精度,探索使用了融合卷积神经网络、长短期记忆网格和注意力机制的多元混合神经网络模型。
  • 关键字: 202302  深度学习  短期负荷预测  卷积神经网络  长短期记忆网格  Flask  

视觉惯性导航融合算法研究进展

  • 视觉惯性导航一直是无人驾驶与机器人领域重点、难点环节。首先介绍经典算法框架,从基于最优平滑算法和预积分理论两个层面介绍经典视觉惯性融合算法。然后介绍新型算法框架,主要在深度学习基础上,从对整体框架学习的程度,将新型视觉惯性融合算法分为两类,部分学习和整体学习,最后介绍了主流算法中关键技术与未来展望。
  • 关键字: 202302  视觉惯性导航  优化  耦合算法  深度学习  

基于深度学习的跌倒检测技术对比与分析*

  • 基于意外跌倒是造成老年人受伤、失能及死亡的主要原因,对近年来关于深度学习的跌倒检测研究进行了介绍。根据跌倒检测工作流程,从数据采集、数据处理、模型训练及状态识别几个方面进行了详细介绍,并对已有的基于深度学习的跌倒检测方法进行分析与比较,为将来的应用研究提供参考,并对将来的发展方向提出一些思考。
  • 关键字: 深度学习  跌倒检测  卷积神经网络  长短期记忆网络  202212  

深度学习模型的云边协同训练和部署*

  • 将云边协同技术应用到深度学习模型的训练和部署,可以解决目前工业质检领域深度学习模型训练和部署方法的不足,使模型的训练和部署更加安全、高效、智能化、低成本。
  • 关键字: 云边协同  深度学习  服务器部署  202212  

一种改进的可迁移深度学习模型*

  • 摘 要:本文设计了一种改进的可迁移深度学习模型。该模型能够在离开可靠的训练环境(其中存在标签)并被 置于纯粹的无标签数据的领域时,输出依然可以持续得到改善,这种训练方式可以降低对监督学习的依赖程度。关键词:可迁移;深度学习;无标签*基金项目:湖南省教育厅科学研究课题“基于深度学习的智能无人机目标检测算法研究”(20C0105);湖南省 自然科学基金项目《基于高光谱特征信息融合的油菜籽品质参数反演与建模》(2021JJ60093);校级培育项目 “基于深度学习的目标检测算法研究”(22mypy15)1
  • 关键字: 202210  可迁移  深度学习  无标签  

基于图结构的图像注意力网络

  • 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  

直觉有害!Facbook最新研究:易于解释的神经元会误导DNN的学习

  •   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  

为什么深度学习如此容易被愚弄?AI研究员正努力修复神经网络缺陷

  •   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  

DNNBrain:北师大团队出品的用于映射深层神经网络到大脑的工具箱

  • 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  

CNN(卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)的内部网络结构的区别

  • 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(DNN)模型与前向传播算法

  •   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  

什么是DNN?它对AI发展意味着什么

  • 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  

深度学习干货|基于Tensorflow深度神经网络(DNN)详解

  • 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  

大联大世平集团推出基于Cambricon产品的AI明厨亮灶方案

  • 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  
共171条 1/12 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