Gartner今日发布了影响数据科学与机器学习（DSML）未来方向的重要趋势。随着DSML行业的快速发展和演变，数据对于人工智能（AI）开发与运用的重要性日益提高，尤其是投资重点也正转向生成式人工智能领域。 Gartner研究总监Peter Krensky表示：“随着机器学习在各个行业的应用持续快速扩大，DSML也正从单纯侧重于预测模型转向更加普及化、动态化和以数据为中心的技术领域，而且生成式人工智能（AI）的热潮也助推了这一趋势。尽管潜在风险不断出现，但面向数据科学家及其组织的新功能和用例也层
关键字：
Gartner 机器学习
摘要本系列文章由三部分组成，主要探讨卷积神经网络(CNN)的特性和应用。CNN主要用于模式识别和对象分类。作为系列文章的第三部分，本文重点解释如何使用硬件转换卷积神经网络(CNN)，并特别介绍使用带CNN硬件加速器的人工智能(AI)微控制器在物联网(IoT)边缘实现人工智能应用所带来的好处。系列文章的前两篇文章为《卷积神经网络简介：什么是机器学习？——第一部分》和《训练卷积神经网络：什么是机器学习？——第二部分》。 简介AI应用通常需要消耗大量能源，并以服务器农场或昂贵的现场可编程门阵列(FPG
关键字：
卷积神经网络 硬件转换 机器学习 ADI
到目前为止，我们关注的是单层感知器，它由一个输入层和一个输出层组成。您可能还记得，我们使用术语“单层”是因为此配置仅包括一层计算活动节点，即通过求和然后应用激活函数来修改数据的节点。输入层中的节点只是分发数据。到目前为止，我们关注的是单层感知器，它由一个输入层和一个输出层组成。您可能还记得，我们使用术语“单层”是因为此配置仅包括一层计算活动节点，即通过求和然后应用激活函数来修改数据的节点。输入层中的节点只是分发数据。单层感知器在概念上很简单，训练过程非常简单。不幸的是，它不提供我们复杂的、现实生活中的应用
关键字：
多层感知器 机器学习
今年以来国内消费持续恢复，国内零售市场呈稳步发展态势，而商务部也将2023年定为“消费提振年”，消费的基础性作用被进一步强调。面对不断增长的需求，零售团队人员数量及具体运营执行是否能及时匹配，正成为零售商们不得不面临的挑战。零售团队人员的短缺将使商店难以正常运营。当商店经理的人数捉襟见肘时，他们可能没有时间对员工进行新技能培训，帮助员工提高现有的技能组合，或者弄清楚如何以更佳的方式在商店中利用其技能。商店经理也可能难以对已有员工进行有效的安排。鉴于如今客户和员工的期望之高前所未有，因此很难追踪每位团队成员
关键字：
人工智能 机器学习 零售
本文讨论机器学习 (ML) 与半导体制造之间的关系，特别是 ML 算法和模型在半导体制造过程中的应用。
关键字：
机器学习
本文是系列文章的第二部分，重点介绍卷积神经网络(CNN)的特性和应用。CNN主要用于模式识别和对象分类。在第一部分文章《卷积神经网络简介：什么是机器学习？——第一部分》中，我们比较了在微控制器中运行经典线性规划程序与运行CNN的区别，并展示了CNN的优势。我们还探讨了CIFAR网络，该网络可以对图像中的猫、房子或自行车等对象进行分类，还可以执行简单的语音识别。本文重点解释如何训练这些神经网络以解决实际问题。神经网络的训练过程本系列文章的第一部分讨论的CIFAR网络由不同层的神经元组成。如图1所示，32 ×
关键字：
ADI 机器学习
随着人工智能(AI)技术的快速发展，AI可以越来越多地支持以前无法实现或者难以实现的应用。本系列文章基于此解释了卷积神经网络(CNN)及其对人工智能和机器学习的意义。CNN是一种能够从复杂数据中提取特征的强大工具，例如识别音频信号或图像信号中的复杂模式就是其应用之一。本文讨论了CNN相对于经典线性规划的优势，后续文章《训练卷积神经网络：什么是机器学习？——第二部分》将讨论如何训练CNN模型，系列文章的第三部分将讨论一个特定用例，并使用专门的AI微控制器对模型进行测试。什么是卷积神经网络？神经网络是一种由神
关键字：
ADI 卷积神经网络 机器学习
AI（人工智能）可以说是目前的热点领域，从工厂的机器人，到支付时的人脸识别，生活处处都充斥着AI的影子。人们通常认为，AI可以不知疲倦，无时无刻地工作。 但其有一个致命缺点，当学习了新知识后，会把之前学习的知识忘记，这种现象称为“灾难性遗忘”。近日，美国加州大学圣地亚哥医学院的研究发现，通过让一种新型的超级AI模仿人类睡眠，离线一段时间后，AI的“灾难性遗忘”会得到缓解。 AI在“睡眠”后，就能像人脑一样，回忆过去，而不需用旧的数据重新训练。据了解，人脑中的记忆是由突触重量的模式表示的
关键字：
AI 人工智能 机器学习
摘 要：故障通常特指某个系统或某个运行过程的一系列相关参数丧失了规定性能的状态，或者在特定场景下
控制指标出现了偏差。故障不可避免，故障影响了电力系统正常安全稳定运行。为此迫切需要快速识别诊断故
障。本文基于数据驱动算法，详细对比分析了多种基于机器学习主流模型故障诊断的方法，并通过实例验证了
模型的有效性以及优越性，对模型的选择具有重要参考意义。关键词：故障识别；机器学习；数据驱动0 引言被控系统处于非正常运行情况时，若能够采用某种
技术快速实时在线检测故障并且能基于先进定位技术判
别故障点准确
关键字：
202211 故障识别 机器学习 数据驱动
2022 年 11 月 15 日，中国——为了扩大开发工具的功能，加快嵌入式人工智能 (AI) 和机器学习 (ML) 开发项目，意法半导体发布了NanoEdge AI Studio 和 STM32Cube.AI.的升级版本。这两个开发工具有助于把人工智能和机器学习迁移到应用边缘设备。迁移到网络边缘后，人工智能和机器学习的优势非常突出，包括原生隐私保护、确定性实时响应、更高可靠性和更低功耗。NanoEdge AI Studio 是一个自动化的机器学习开发工具，适合不需要开发神经网络的应用项目。该工具需要与S
关键字：
意法半导体 嵌入式 AI 机器学习
联发科长期投入前瞻领域研究，近期再传突破性成果。联发科宣布，将机器学习导入芯片设计，运用强化学习（reinforcement learning）让机器透过自我不断探索和学习，预测出芯片中最佳电路区块的位置（location）与形状（shape），将大幅缩短开发时间并建构更强大性能的芯片，成为改变游戏规则的重大突破。联发科表示，该技术将于11月于台湾举办的IEEE亚洲固态电路研讨会A-SSCC（Asian Solid-State Circuits Conference）发表，同步也将申请国际专利。联发科指出
关键字：
联发科 芯片设计 机器学习
机器学习神经网络进步使我们能够处理越来越大量储存资料。传统方法是将数据传输到算法设备，但是这种移动巨量数据（高达 1 PB）以供可能只有几十兆位元算法来进行处理真的有意义吗？因此，在靠近数据储存位置处理数据的想法引起了很多关注。本文研究了计算储存理论和实践，以及如何使用计算储存处理器 (CSP) 为许多计算密集型任务提供硬件加速和更高性能，而不会给主机处理器带来大量负担。数据集崛起近年来，神经网络算法在汽车、工业、安全和消费等应用中使用显著增加。基于边缘物联网传感器通常只处理少量数据，因此所使用算法占用很
关键字：
机器学习 神经网络 数据集
机器学习是改变世界的最新技术。过去配合云端使用的算法现在已经扩展到边缘运算。应用包括了监控、先进驾驶辅助系统ADAS、机器人和数据中心。开发人员正在寻找可快速及轻松地部署复杂系统的方法。 对于边缘网络上的机器学习，Xilinx提供了延迟、功耗、成本、灵活性、可扩展性和上市时间之间的最佳权衡。其软件定义的系统单芯片(SDSoC)允许无缝整合硬件和软件、自动化内存分配、快取管理、DMA和装置互动。SDx开发环境为项目建立，模拟，执行和除错提供了通用的基础架构，让不同的嵌入式系统可轻松实行。 其结果是更
关键字：
机器学习 Xilinx
物联网装置和支持ML的装置日益成为我们日常生活中的一部分。随着这些装置进入智能住宅中，就需要更多的专业知识来进行建构和开发。ROS是一个开放原始码的机器人开发平台，使机器人技术的开发可以协作。与ROS整合的TurtleBot3在SLAM（同步定位与地图构建）、导航和操控中具备核心技术，所以适合在家庭服务机器人应用中使用。 与TurtleBot3整合的Ultra96上的ROS具有多项功能，所以适用于物联网装置中的应用。除了配备Xilinx MPSOC开发板Ultra96（Cortex A53、R5）之
关键字：
物联网 机器学习
什么是人脸识别？人脸识别是一种软件层面的算法，用于通过处理视频帧或数字图像来验证或识别一个人的身份，其中该人的脸是可见的。面部识别技术有几种不同的工作方法，但是他们通常会将图像中的面部特征与数据库中的面部特征进行比较。人脸识别处理的4个步骤特定的神经网络被训练用来检测人脸的标签，并将人脸与图像中的其他物体区分开来。标签是人类普遍的五官等面部特征，比如：眼睛、鼻子、嘴巴、眉毛等。人脸识别算法的工作流程任何人脸检测和识别系统或软件都绕不开人脸识别算法。业界将这些算法分为两种：几何方法侧重于区分特征简而言之就将
关键字：
人脸识别 算法 AI 机器学习 神经网络
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