在航空航天、国防等功耗受限且任务关键型场景部署 AI 推理，需要一套兼顾性能、能效、可靠性与开发便捷性的解决方案。为更好攻克上述开发难题，微芯科技（Microchip Technology）正式推出 VectorBlox 3.0 加速器软件开发套件（SDK），简化基于 FPGA 的 AI 开发流程、缩短产品上市周期。VectorBlox 3.0 SDK 及配套 CoreVectorBlox 知识产权核（IP）免费向开发者开放，整套一体化工具链可大幅简化卷积神经网络（CNN）模型在 PolarFire 系列
关键字：
Microchip
VectorBlox 3.0
加速器
软件开发套件
神经网络
Arm 自研演示游戏，展示神经网络图形技术实力Arm 专为安卓设备打造了一款名为《神经黎明》（Neural Dawn）的演示游戏，用以展现 Arm 神经网络图形技术的性能表现。该技术将随移动端 Arm CSS 平台于今年晚些时候登陆 Arm Mali 系列 GPU。本作由 Arm 联合游戏工作室 Sumo Digital 共同开发，是全球首款采用虚幻引擎巨量光照（MegaLights）技术的手游，可在移动终端实现媲美桌面级主机的画面效果，同时兼顾设备续航。《神经黎明》定于 2026 年内正式推出，直观演示
关键字：
Arm
演示游戏
神经网络
图形技术
健康的叶片一定水分充足无论是农田作物，还是易发生森林火灾区域的树木，叶片含水量都是健康的关键指标。传统监测方式需要剪下叶片，耗时且无法实时测量。为此，研究人员开发了各类实时植物健康传感器。石墨烯 “纹身”：贴在叶片上的实时湿度传感器美国得州大学奥斯汀分校团队研发了一种石墨烯柔性贴片传感器，可直接贴在叶片表面，像纹身一样，实时监测水分含量。研究人员认为，未来这类传感器可组成植物神经网络，直接在植物上完成计算。技术原理结构：石墨烯导电沟道、金电极、叶片本身充当绝缘介质，构成三端晶体管。工作方式：向叶片发送电脉
关键字：
石墨烯
神经网络
石头剪刀布往往是一场心理博弈，考验着玩家的心理预判、反向预判、二次反向预判能力，同时也带有一定的运气成分。但如果一台计算机能充分读懂玩家，做到每局必胜呢？日本北海道大学与以磁带技术闻名的 TDK Corp. 组成的联合团队，就设计出了这样一款芯片。TDK公司的模拟蓄积计算芯片能够快速高效地预测时间序列的下一步。需要说明的是，这款芯片并不能读取人类的思维。它通过安装在玩家拇指上的加速度传感器来捕捉手部动作，进而学习并区分出代表石头、剪刀、布的不同动作模式。令人惊叹的是，一旦完成针对特定玩家手势的训练，该芯片
关键字：
边缘人工智能
功耗
储备池计算
神经网络
变换器是一种神经网络（NN）架构或模型，通过权衡输入序列不同部分的重要性，在处理顺序数据方面表现出色。这使得它们能够比以往架构更有效地捕捉长距离依赖关系和上下文，从而在自然语言处理（NLP）任务（如翻译和计算机视觉系统）中实现更优的性能。自注意是变换器与以往神经网络架构之间的区别。这是一种计算“注意力评分”的方法，用以识别词语之间的关系，比如句子中的单词或图像中的像素，即使它们之间并不直接相邻。它使每个词能够“关注”其他所有词，从而识别和理解相互关系。考虑句子：“狗挖了一个洞直到足够深，然后他拿出自己的骨
关键字：
变换器
神经网络
在最新一期的《Dwarkesh Podcast》访谈中，OpenAI的创始元老、前特斯拉AI团队负责人、深度学习的大佬Andrej Karpathy与主持人Dwarkesh Patel深入探讨了AGI、智能体与AI未来十年的走向等AI圈核心问题的看法。Andrej Karpathy预测未来10年的AI架构仍然可能是类似Transformer的巨大神经网络 —— 认为当前的智能体仍处早期阶段，强化学习虽不完美，却是目前的最优解。Andrej Karpathy认为真正学习知识，要从你从头开始构建一些东西时开始
关键字：
AGI
智能体
AI
神经网络
Transformer
ChatGPT 由 OpenAI 于 2022 年 11 月推出，成为采用速度最快的软件产品之一，展示了人工智能 （AI） 的潜力。机器学习 （ML） 是人工智能的一个子集，它正在通过支持决策和数据分析等任务来改变行业。在通信领域，人工智能和机器学习正在推进数字预失真 （DPD），这是一种对于减少信号失真和提高功率放大器 （PA） 效率至关重要的技术。传统的 DPD 模型可能会在 5G 等现代通信系统中遇到非线性和记忆效应的问题。他们假设 PA 的行为是静态的且无内存的，依赖于仅考虑瞬
关键字：
神经网络
智能
DPD
引擎方法
Innatera 开发的 Pulsar 片上系统 （SoC） 集成了多个低功耗人工智能/机器学习 （AI/ML） 脉冲神经网络 （SNN） 加速器，这些加速器针对基于传感器的解决方案（图 1）。我与 Innatera 的首席执行官 Sumeet Kumar 讨论了这款 SoC 如何在基于电池供电或能量收集的应用中提供始终在线 （AON） 的神经网络作。1. Innatera 的 Pulsar 片上系统集成了模拟和数字尖峰神经网络 （SNN） 以及 FFT
关键字：
低功耗传感器
模拟
数字脉冲
神经网络
推荐算法已并非新生事物，但围绕它的争议却从未间断。这些争议包括推荐算法带来标题党、低质量、甚至虚假内容以及信息茧房的问题。很多人对推荐算法技术存在误解，认为算法是给内容打上对应标签，再给用户打上对应的属性，最后通过数据运算，把对应标签的内容推荐给有对应属性的用户。实际上，随着机器学习技术的发展，抖音的推荐系统已几乎不依赖对内容或者用户打标签，而是通过复杂的神经网络计算，直接预测每个用户对每条内容可能产生的互动行为概率。机器学习对推荐算法的主要贡献在于建立评分系统，在海量算力和海量供给的环境里，把用户行为抽
关键字：
抖音
算法
机器学习
神经网络
标签
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
当前关于人工智能 (AI) 和神经网络的讨论主要集中在生成应用（生成图像、文本和视频），很容易忽视 AI 将为工业和基础设施应用中的电子产品带来变革的实际示例。不过，虽然在电机驱动器、太阳能和电池管理应用的实时控制系统中采用 AI 不会像新的大型语言模型那样引起大量关注，但使用边缘 AI 进行故障检测可以显著影响系统的效率、安全性和生产力。本文中将讨论集成式微控制器 (MCU) 如何增强高压实时控制系统中的故障检测功能。此类 MCU 使用集成神经网络处理单元 (NPU) 运行卷积神经网
关键字：
边缘AI
实时控制
神经网络
作者：Arm 战略与生态部工程师 Ayaan Masood作为通讯工具，视频会议几乎随处可见，尤其适用于远程办公和社交互动。但其使用体验并非总是简单直接、即开即用，可能需要进行调整，确保音频视频设置良好。其中，照明便是一个难以把握的因素。在会议中，光线充足的视频画面会显得得体大方，而糟糕的照明条件则会显得不够专业，还会分散其他与会者的注意力。有时，改变光照情况并不可行，特别是在光线昏暗的冬季或照明不足的地点。在本文中，我们将探讨如何构建一个演示移动端应用，以解决弱光条件下的视频照明问题。我们将介绍支持该应
关键字：
Arm
神经网络
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。本文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。1什么是卷积神经网络？神经网络是一种由神经元组成的系统或结构，它使AI能够更好地理解数据，进而解决复杂问题。虽然神经网络有许多种类型，但本文将只关注卷积神经网络(CNN)，其主要应用领域是对输入数据的模式识别和对象分类。CNN是一种用于深度学习的人
关键字：
ADI
神经网络
多年来，英伟达在许多机器学习基准测试中占据主导地位，现在它又多了两个档次。MLPerf，有时被称为“机器学习的奥林匹克”的人工智能基准测试套件，已经发布了一套新的训练测试，以帮助在竞争计算机系统之间进行更多更好的同类比较。MLPerf 的一项新测试涉及对大型语言模型的微调，该过程采用现有的训练模型，并用专业知识对其进行更多训练，使其适合特定目的。另一个是图神经网络，一种机器学习，一些文献数据库背后的一种机器学习，金融系统中的欺诈检测，以及社交网络。即使使用谷歌和英特尔的人工智能加速器的计算机增加和参与，由
关键字：
GPU
神经网络
LLM
MLPerf
基准测试
英伟达
特斯拉的全自动驾驶（FSD）是辅助驾驶系统Autopilot的升级版，可用于城市公共道路，包括自动停车、自动变道和交通导航。早在四年前特斯拉就推出了FSD软件，并将其不断升级至最新的FSD V12版本。但在中国尚无这项功能可用，特斯拉一直寻求在中国提供FSD技术。
关键字：
202406
特斯拉
FSD
自动驾驶
ADAS
神经网络
写在前面VGG算是非常经典的网络了，它是由牛津大学计算机视觉组（Visual Geometry Group）和Google DeepMind公司的研究员一起研发的 “直筒型“ 的网络。既然在看这篇文章，想必已经对VGG十分熟悉了。VGG有一些特别明显的缺陷，如网络的参数量较多，模型检测准确率也不是很好，总之VGG网络效果不理想。之后的一段时间，人们总是将网络变得更宽更深（如GoogleNet、ResNet）,以期待达到更优异的效果。事实上也是这样，更深更宽的网络更容易满足需求。这样，VGG变得鲜有问津。这
关键字：
VGG
神经网络
人工智能
RepVGG
苹果将于2024年底开始推出搭载M4芯片的Mac新品。在人工智能大热的背景下，M4系列也将增加神经网络引擎核心，以增强人工智能性能。苹果M4芯片预计至少有三个主要型号：入门级芯片的代号为Donan，中端芯片的代号为Brava，高端芯片则代号为Hidra。
关键字：
苹果
M4
芯片
神经网络
AI
苹果近日发布了DeepPCR机器学习算法，通过并行处理常规顺序操作，可以加速神经网络的推理和训练。神经网络处理过程中，目前广泛采取并行化技术，不过神经网络中的一些操作仍然是按顺序完成的，扩散模型通过一系列的去噪阶段生成输出，并且逐层进行向前和向后传递。随着步骤数的增加，这些进程的顺序执行在计算上变得昂贵，可能会导致计算瓶颈。苹果科研团队为了解决这个问题，推出了DeepPCR算法，进一步加速了神经网络的训练和推理。该团队采用了平行循环还原（PCR）算法来检索该解决方案，将顺序过程的计算成本从 O（L）降低到
关键字：
苹果
DeepPCR
机器学习
算法
神经网络
设计并实现了一款以ESP32-C3-WROOM-02为核心，基于物联网、UDP协议、姿态传感器和弯曲传感器的适用于手语采集与输入的智能手套及翻译系统。该系统通过在手套上绑定姿态传感器MPU6050，配合弯曲传感器动态监测手的运动和姿态，通过ESP32芯片采集传感器数据并做初步处理，经单片机上的Wi-Fi模块通过 UDP 协议传输给云端采用 SVM 算法识别静态手势，此外，本设计还搭建了基于Python的Web应用程序框架Streamlit实现在网页上实时呈现处理结果和全平台兼容，方便用户使用。
关键字：
202308
手势识别
ESP32
弯曲传感器
SVM
神经网络
1 复习：AIGC创作力来源——隐空间在2023 年1 月刊连载中，我们曾经说明在AIGC领域里，最近几个很红的图像模型，例如DALLE、Imagen 和Midjourney 等， 它们都是基于一种机制：扩散(Diffusion)。经由模型训练，操作隐空间(Latent space) 的向量，加上随机输入中合成新的数据，呈现出令人惊奇的创作，推动了AI 组合的创新或创作。这意味着，关于AI 的生成或创作，大多会涉及隐空间的操作。现在先从一个基本问题出发，这个问题是：为什么AI会创作
关键字：
202303
神经网络
隐空间
AIGC
神经网络几乎成了人工智能的代名词，正在被应用于各种领域，包括影像识别、语音识别、自然语言处理、自动驾驶、讯号分析、大数据分析和游戏。这是一个瞬息万变的世界，每年都有新的神经网络模型被更新，大量的开放原始码到处流传，专用人工智能芯片开发企业更是如雨后春笋般涌现。因此全球研究人员正透过模仿人类大脑组织方式，积极开发类神经网络技术，虽然一直有突破性的进展，但是现阶段的神经网络，还是缺乏实时变化的灵活性，以及难以快速适应陌生的状况，使得神经网络技术普及实用化的进程还是相当遥远。根据不同应用开发出的神经网络模型神经
关键字：
人工智能
神经网络
意法半导体（ST）发布了STM32Cube.AI version 7.2.0，这是微控制器厂商推出的首款支持超高效深度量化神经网络的人工智能(AI)开发工具。 STM32Cube.AI 将预先训练好的神经网络转换成STM32微控制器（MCU）可以运行的C语言代码，是充分利用嵌入式产品有限的内存容量和算力开发尖端人工智能解决方案的重要工具，将人工智能从云端下移到边缘设备，能够为应用带来巨大的优势，其中包括原生隐私保护、确定性实时响应、更高的可靠性和更低的功耗。边缘人工智能还有助于优化云计算使用率。
关键字：
意法半导体
STM32Cube.AI
深度量化
神经网络
意法半导体（ST）发布了STM32Cube.AI version 7.2.0，这是微控制器厂商推出的首款支持超高效深度量化神经网络的人工智能(AI)开发工具。 STM32Cube.AI 将预先训练好的神经网络转换成STM32微控制器（MCU）可以运行的C语言代码，是充分利用嵌入式产品有限的内存容量和算力开发尖端人工智能解决方案的重要工具，将人工智能从云端下移到边缘设备，能够为应用带来巨大的优势，其中包括原生隐私保护、确定性实时响应、更高的可靠性和更低的功耗。边缘人工智能还有助于优化云计算使用率。
关键字：
意法半导体
STM32
AI开发工具
神经网络
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
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
2021年对于人工智能技术和产业，依旧是不平凡的一年。随着算力、数据、算法等要素逐渐齐备，先进的算法结构不断涌现，各个研究方向研究成果层出不穷，成熟的AI技术逐渐向代码库、平台和系统发展，实现产业和商业层面的落地应用，推动人工智能发展迈向新阶段。在新的一年即将到来之际，智源研究院采用案例征集、专家咨询等方法，向高校和科研机构专家学者征集2021年度人工智能动态、案例等内容，并通过向专业人士咨询的形式汇总观点及建议，形成2021-2022年度人工智能前沿报告（AI Frontiers Report）。报告专
关键字：
AI
机器学习
神经网络
算法
1 神经网络用于智能工厂和机器人的应用场景Imagination 关注应用人工智能（AI），特别是神经网络技术来应对智能工厂和机器人应用场景这一嵌入式系统新趋势。随着自动化程度的提高，对嵌入式系统的需求不断增加，过去微控制器（MCU）和基础处理器能够满足对嵌入式系统的需求，而现在整个世界正在发生变化。我们所处的世界正向着全自动化迈进，以实现更高的生产率和安全性，智能工厂、工业机器人、数字孪生等概念，以及软件定义环境，甚至“元宇宙”等来自科幻小说的概念，都变得越来越受关注。元宇宙环境
关键字：
202109
神经网络
智能工厂
1 神经网络的含义人工神经网络（Artificial Neural Network）是一种模仿人类头脑处理信息方式的数学模型。这种人工神经网络（简称NN）的基本单元是神经元（Neuron），各个神经元与其他神经元互相连结在一起，一个神经元会受到多个其他神经元状态的冲击，也会将冲击传递给其他神经元。我们把人类头脑里的神经元简化成一个圆圈，而以箭号来表示冲击的传递。这些神经元都位于层（Layer）中，最典型的神经网络模型包含三个部分：输入层（Input Layer）、隐藏层（Hidde
关键字：
202108
神经网络
空间对应
简介化学机械抛光 (CMP) 是当今集成电路 (IC) 制造工艺中的关键作业。由于设计极其紧凑，并且 缩小到最先进的工艺技术节点，CMP 后的平面性变化可能会对制造成功产生重大影响。为了减轻 CMP 工艺的负面影响，大多数 IC 制造商使用 CMP 建模来检测前道工序 (FEOL) 和 后道工序 (BEOL) 层中的潜在弱点，作为其可制造性设计 (DFM) 流程的一部分。CMP 弱点分 析旨在寻找设计中经过 CMP 后出现缺陷的概率高于平均值的区域。不同材料在 CMP 工艺 下会表现出不同的腐蚀速率，因此
关键字：
神经网络
CMP
轮廓建模
神经网络介绍
您好，目前还没有人创建词条神经网络!
欢迎您创建该词条，阐述对神经网络的理解，并与今后在此搜索神经网络的朋友们分享。
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