6月11日消息，谷歌称其正在使用机器学习系统帮助工程师设计新一代机器学习芯片。谷歌工程师表示，算法设计的芯片质量和人工设计“相当”甚至“还要更好”，但完成速度要快得多。谷歌表示，人工智能可以在不到6小时的时间内完成人工需要数月时间完成的芯片设计工作。 谷歌多年来一直在研究如何使用机器学习制造芯片，本周谷歌员工发表在《自然》杂志的一篇论文证实此类研究已经应用于商业产品。谷歌开始用人工智能设计自家的TPU芯片。 据悉，TPU芯片是应用于人工智能的芯片，专门针对人工智能计算进行了优化。“我们的方法已经用
关键字：
谷歌 AI 机器学习
粮食经常因为各类鸟类的啄食而丢失，研究发现鸟眼对532 nm的绿色激光束最敏感，通过绿色激光束可以达到驱鸟效果。本课题通过3D打印机械模型，利用嵌入式系统完成鸟类识别算法，通过机器学习的方式识别鸟类，用双自由度舵机控制系统驱赶鸟类。精准的激光束定位“打击”，很好实现了驱鸟的任务。
关键字：
驱鸟 532 nm 绿色激光束 机器学习 202103
近日，RISC-V处理器供应商——赛昉科技有限公司，发布全球性能最高的基于RISC-V的处理器内核 –天枢系列处理器。该系列处理器是商用化基于RISC-V指令集架构的64位超高性能内核，针对性能和频率做了高度的优化，具有非常优异的性能，频率可达3.5GHz@TSMC 7nm，SPECint2006 数值为31.2 @ 3.5GHz，Dhrystone 达到5.6 DMIPS/MHz，专为高性能计算应用市场而设计，可广泛应用于数据中心、PC、移动终端、高性能网络通讯、机器学习等领域。天枢系列处理器的发布标志
关键字：
RISC-V 天枢系列处理器内核 机器学习 乱序执行 超标量设计 向量运算 虚拟化技术
据国外媒体报道，谷歌人工智能程序AlphaGo在2016年开始的人机围棋大战中击败李世石等一众人类围棋高手，让外界意识到了人工智能的巨大潜力，人工智能和机器学习也已广泛的应用于生产生活。为苹果、AMD等众多公司代工芯片、近几年在芯片制程工艺方面走在行业前列的芯片代工商台积电，就已在利用人工智能和机器学习技术，以改进他们的芯片生产。台积电已开始利用人工智能和机器学习技术，是他们负责先进技术业务发展的一名高管，在官网上透露的，主要是用于芯片生产过程中的数据处理。这名高管在台积电的官网上表示，生产的芯片越多，从
关键字：
台积电 人工智能 机器学习
日前，国际权威分析机构Forrester发布中国预测分析和机器学习市场研究报告《Now Tech: Predictive Analytics And Machine Learning In China, Q3 2020》（简称PAML），浪潮与百度、阿里云、腾讯云等企业入选中国预测分析和机器学习市场第一阵营。该报告指出，在AI开发流程中首先要解决的就是数据准备问题，企业的数据采集、存储、处理和分析能力将会直接影响AI模型开发、训练和部署，由此可见提升数据处理效率已经成为推动企业AI
关键字：
浪潮 云海Insight 大数据平台 机器学习
日前，国际权威分析机构Forrester发布《Now Tech: Predictive Analytics And Machine Learning In China, Q3 2020》（简称：PAML）报告，浪潮凭借领先的产品功能以及卓越的商业化能力入围中国预测分析和机器学习市场第一阵营。Forrester Now Tech是Forrester机构在中国乃至全球范围内影响力最大、市场认可度最高的报告系列之一，旨在为企业IT决策、产品选型等提供基于市场规模、产品功能维度的价值参考。Forres
关键字：
Forrester 机器学习
意法半导体近日发布一款免费的STM32软件功能包，让用户可以用微控制器探索套件快速创建、训练、部署 工业状态监测智能边缘设备 。FP-AI-NANOEDG1软件包 由意法半导体与机器学习专业开发科技公司、ST授权合作伙伴Cartesiam共同开发，包含捕获传感器数据，集成和运行Cartesiam的NanoEdge库所需的全部驱动程序、中间件、文档和代码示例。即使用户没有专业的AI技能，也能在Windows®10或Ubuntu PC机上，用Cartesiam NanoEdge™
关键字：
Cartesiam 机器学习 STM32
导读异常检测的一些入门问题。问问题是学习的最好方法之一。但有时你不知道从哪里开始，或者该问什么
—— 尤其是在你还比较熟悉的异常检测之类的话题上。在这种情况下，最好倾听别人的问题，让他们的思路来指导你的学习。以下是我们在“[Ask Me
Anything: Anomaly Detection](https://www.tibco.com/events/ask-me-
anything-webinar-anomaly-detecing-machine
-learning)”网络研讨会上收到的
关键字：
机器学习 异常检测
美国麻省理工学院媒体实验室研究项目显示，人工智能识别浅色皮肤男性的平均错误率不超过1%，识别深色皮肤女性的平均错误率达35%…… 人脸识别所导致的偏见问题一直受到广泛关注。近期，一篇关于图像超分辨率的论文引发了对于产生偏见原因的新争论。 网友利用论文中的开源代码进行了模型推理，在使用时发现，非白人面孔的高糊照片被还原成了一张白人面孔。对此，2018年图灵奖得主、AI领军人物杨立昆（Yann LeCun）在推特上指出，当数据有偏见时，机器学习系统就变得有偏见。而这一观
关键字：
人脸识别 AI 机器学习
重点：IC Compiler II和Fusion Compiler的机器学习技术助力三星将频率提高高达5%，功耗降低5%机器学习预测性技术可加快周转时间(TAT)，使三星能够跟上具挑战性的设计时间表三星在即将推出的新一代移动芯片流片中部署了机器学习技术新思科技（Synopsys,
Inc.，纳斯达克股票代码：SNPS）今天宣布，三星(Samsung)为其新一代5纳米移动芯片生产设计，采用了IC Compiler™
II布局布线解决方案（新思科技Fusion Design
Platform™的一
关键字：
三星 新思科技 IC Compiler II 机器学习 5纳米 SoC
机器学习从只适用于研发人员的工具变成了被广泛采纳使用的方法，多亏了开源机器学习和深度学习框架的爆炸性发展。现如今，机器学习领域比以往任何时候都更容易上手。同时，这也助力了我们目前所经历的科技的疯狂发展。弄清算法是如何真正工作的，可以帮助你在设计、开发和调试机器学习系统方面获得巨大优势。很多人提到数学就打哆嗦，机器学习恰巧涉及很多数学知识，这项任务可能会令很多人怯步。然而，数学并不该成为人们在机器学习领域的“绊脚石”。相反，学好数学对于掌握机器学习非常有必要。从高层次上讲，机器学习中涉及四大数学支柱：线性代
关键字：
机器学习
在20／22nm引入FinFET以后，先进工艺变得越来越复杂。在接下来的发展中，实现“每两年将晶体管数量增加一倍，性能也提升一倍”变得越来越困难。摩尔定律的发展遇到了瓶颈，先进制程前进的脚步开始放缓。但是由于当今先进电子设备仍需求先进工艺的支持，因此，还有一些晶圆厂还在致力于推动先进制程的继续发展。这些晶圆厂与EDA企业之间的合作，推动了先进制程的进步。从整体上看，当先进制程进入到14nm/7nm时代后，EDA工具的引入可以缩短研发周期，尤其是针对后端设计制造工具的更新，EDA起到了至关重要的作用。EDA
关键字：
机器学习 EDA Calibre
人工智能（AI）的例子无处不在。我们对于AI的使用可能超出想象，并且在许多方面将这种使用视为理所当然。智能手机助手就是一个很好的例子，尽管我们可能并不认为这与AI有关。许多场景中，我们已经习惯于与Siri或Google Assistant的互动。面部识别也已成为新一代智能手机的标准解锁功能。机器学习属于AI的一个子集，原理是通过训练基于计算机的神经网络模型来识别给定的模型或声音。在神经网络完成训练后，就可以推理出结果。例如，如果我们用数百张狗和猫的图像训练神经网络，那么它应该能够正确地识别图片中是狗还是猫
关键字：
机器学习 人工智能 AI
据外媒报道，苹果已收购机器学习创业公司Inductiv，该公司开发的人工智能技术可用于识别和纠正数据集中的错误。Inductiv的工程团队近几周已加入苹果，参与包括Siri、机器学习和数据科学在内的多个项目。对于这笔收购，苹果给出了惯用的声明，即苹果“不时收购规模较小的科技公司，我们通常不讨论目的或计划”。Inductiv是由斯坦福大学、滑铁卢大学和威斯康星大学的几名教授创立的。Inductiv的技术利用人工智能自动识别和纠正数据集中的错误。“干净的”数据集对于机器学习非常重要。机器学习是一类热门的人工智
关键字：
苹果 机器学习 Inductiv Siri
高焕堂 （台湾铭传大学、长庚大学 教授）0 引言在人与AI之间，最典型的协同合作模式是：由人们去观察而萃取特征，然后AI依据该特征进行分类，这称为：人工提取特征。此外还有进一步的合作模式：让AI自己来学习萃取特征，并且进行分类。这称为：自动提取特征。本文将借由很简单的范例来展示“自动提取特征”，以便充分发挥各种AI模型的特色，来促进特征提取的效率。 1 人工提取特征 1.1 机器学习 由于人人对于周遭的现象(或事)都具有观察、分类和萃取特征的天赋，所以人人都可以把这项智能和能力传授给AI。其中，
关键字：
202006 AI 人工智能 机器学习
机器学习介绍
您好，目前还没有人创建词条机器学习!
欢迎您创建该词条，阐述对机器学习的理解，并与今后在此搜索机器学习的朋友们分享。
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