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
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