人工智能正将科研人员转变为高产的论文发表机器，同时悄然将他们推向同一批拥挤的研究领域。这一结论来源于一项针对超 4000 万篇学术论文的分析。分析发现，在研究中使用人工智能工具的科研人员，相比不使用该类工具的同行，发表的论文数量更多、获得的引用次数更可观，并且能更快晋升至学术领导岗位。但这背后存在一个隐患。在科研人员个人学术生涯节节攀升的同时，整个科学界的探索视野却在收窄。依赖人工智能开展的研究，覆盖的主题范围更窄，扎堆聚焦于相同的海量数据驱动型问题，并且研究之间引发的后续关联性互动也更少。这些研究结果凸
关键字：
机器学习
深度学习
人工智能
出版物
自动驾驶汽车需实现零失误运行，这无疑承载着巨大压力 —— 每一次失误都会削弱公众信任，并迫使行业进一步提升安全性。如何帮助自动驾驶汽车克服这些挑战？在发表于 IEEE Transactions on Intelligent Transportation Systems 10月刊的一项研究中，研究人员概述了可解释人工智能——即向AI模型提出问题以理解其决策过程——如何准确定位自动化车辆模型在过程中犯错的具体时间。这种方法不仅能帮助乘客知道何时需要控制车辆，增强他们对自动驾驶车辆的信任，还能帮助行业专家开发更
关键字：
汽车
自动驾驶
深度学习
决策
深度学习为工程应用增添了新的维度，从 5G 信号处理到电网的预测性维护。它可以自动检测设备故障并准确优化网络流量。但这些人工系统实际上是如何从数据中学习的呢？本常见问题解答探讨了神经网络的基本架构、优化数百万个参数的两阶段学习过程，以及处理不同数据类型的卷积神经网络 （CNN） 和递归神经网络 （RNN） 等专用架构。深度学习的基本组成部分是什么？深度学习的基石是人工神经网络，这是一种通过称为神经元的互连处理单元处理信息的计算架构。它是一个复杂的信号处理系统，其中每个连接代表一个可编程增益元件。如图 1&
关键字：
深度学习
「Nature」网站日前发表了一项开创性的研究，该研究透过深度学习技术，来提升儿童行为听力测验的可行性与精确度。研究人员构建了一个专用设计的儿童姿势检测数据集，该数据集收录了大量来自儿童行为听力测试的珍贵影像资料，细腻地记录了各式典型的听力测试动作。基于此数据基础，研究人员进一步开发了一个智能检测平台，此平台的核心技术在于一个同步开发的患者骨骼关键点估计模型 （POTR），该模型同样基于优化Transformer架构，专职于精准估算人体骨骼的关键节点。 透过POTR的精确骨骼点定位能力，DoT平台得以对儿
关键字：
AI
听力检测
深度学习
姿势识别技术
机器学习定义机器学习（Machine Learning）本质上就是让计算机自己在数据中学习规律，并根据所得到的规律对未来数据进行预测。机器学习包括如聚类、分类、决策树、贝叶斯、神经网络、深度学习（Deep Learning）等算法。机器学习的基本思路是模仿人类学习行为的过程，如我们在现实中的新问题一般是通过经验归纳，总结规律，从而预测未来的过程。机器学习的基本过程如下：机器学习基本过程机器学习发展简史从机器学习发展的过程上来说，其发展的时间轴如下所示：机器学习发展历程从上世纪50年代的图灵测试提出、塞缪尔
关键字：
机器学习
深度学习
神经网络
文章 概述本文介绍了人工智能（AI）、 机器学习（ ML）、深度学习（DL）和边缘人工智能（Edge AI ）的 概念、特性及应用领域 ，详细阐述了ML的各种 训练模式 ，包括监督式、非监督式、半监督式、强化学习和自监督学习，并介绍了它们在各个领域的应用。最后，文章总结了AI、ML和Edge AI对各行各业的影响和未来 发展前景 ，强调它们将不断推动创新，为全球经济和社会带来更加智能、便捷的生活方式。人工智
关键字：
Digikey
人工智能
机器学习
深度学习
MCX N系列NPU, 作为先进的人工智能处理器，以其强大的计算能力和高效的算法优化，不仅能够处理复杂的图像识别任务，还能在咖啡研磨过程中实现精准控制，确保每一粒咖啡豆都能得到恰到好处的处理。为AI咖啡机注入了前所未有的智能动力！先说结论，利用150MHz MCX N的NPU去推理咖啡豆烘焙程度(39mS)比用400MHz的M7内核推理(109mS)快了3倍!作为一名“咖市”的“MCU系统与应用工程师”一直为研磨咖啡豆的颗粒度而感到苦恼，每次换豆都要浪费2次18克豆子去实现“18克豆，10bar，30秒内
关键字：
NPU
AI咖啡机
深度学习
TFLite模型的开盲盒体验之flatbuffer格式介绍相信在嵌入式平台上部署过神经网络模型的伙伴，都不会对TFLite格式陌生。TFLite是谷歌推出的一个轻量级推理库，它的主要目标是在移动端和嵌入式设备上部署深度学习模型。为了在这些设备上运行，需要将训练好的TensorFlow模型转换成一种特殊的格式，这就是TensorFlow Lite模型。转换过程包括模型转化、部署和优化三个步骤，旨在提升运算速度并减少内存、显存占用。具体来说，这其中最终要的就是以.TFLite为格式的模型文件，其主结构为一个M
关键字：
TFLite
模型
推理库
深度学习
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
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
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
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
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
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
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
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
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（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
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
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
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
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
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