首頁　 資訊　 商機 　 下載　 拆解 　 高校　 招聘 　 雜志　 會展　 EETV　 百科 　 問答　 電路圖　 工程師手冊 　 Datasheet　 100例 　 活動中心　 E周刊閱讀 　 樣片申請
EEPW首頁 >> 主題列表 >> ?機器學(xué)習(xí)

聯(lián)發(fā)科芯片設(shè)計 導(dǎo)入機器學(xué)習(xí)

  • 聯(lián)發(fā)科長期投入前瞻領(lǐng)域研究，近期再傳突破性成果。聯(lián)發(fā)科宣布，將機器學(xué)習(xí)導(dǎo)入芯片設(shè)計，運用強化學(xué)習(xí)（reinforcement learning）讓機器透過自我不斷探索和學(xué)習(xí)，預(yù)測出芯片中最佳電路區(qū)塊的位置（location）與形狀（shape），將大幅縮短開發(fā)時間并建構(gòu)更強大性能的芯片，成為改變游戲規(guī)則的重大突破。聯(lián)發(fā)科表示，該技術(shù)將于11月于臺灣舉辦的IEEE亞洲固態(tài)電路研討會A-SSCC（Asian Solid-State Circuits Conference）發(fā)表，同步也將申請國際專利。聯(lián)發(fā)科指出
  • 關(guān)鍵字： 聯(lián)發(fā)科  芯片設(shè)計  機器學(xué)習(xí)  

移動算法 而非巨量數(shù)據(jù)

  • 機器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)進步使我們能夠處理越來越大量儲存資料。傳統(tǒng)方法是將數(shù)據(jù)傳輸?shù)剿惴ㄔO(shè)備，但是這種移動巨量數(shù)據(jù)（高達 1 PB）以供可能只有幾十兆位元算法來進行處理真的有意義嗎？因此，在靠近數(shù)據(jù)儲存位置處理數(shù)據(jù)的想法引起了很多關(guān)注。本文研究了計算儲存理論和實踐，以及如何使用計算儲存處理器 (CSP) 為許多計算密集型任務(wù)提供硬件加速和更高性能，而不會給主機處理器帶來大量負擔(dān)。數(shù)據(jù)集崛起近年來，神經(jīng)網(wǎng)絡(luò)算法在汽車、工業(yè)、安全和消費等應(yīng)用中使用顯著增加?；谶吘壩锫?lián)網(wǎng)傳感器通常只處理少量數(shù)據(jù)，因此所使用算法占用很
  • 關(guān)鍵字： ?機器學(xué)習(xí)  神經(jīng)網(wǎng)絡(luò)  數(shù)據(jù)集  

安富利：在機器學(xué)習(xí)中取得領(lǐng)先地位

  • 　　機器學(xué)習(xí)是改變世界的最新技術(shù)。過去配合云端使用的算法現(xiàn)在已經(jīng)擴展到邊緣運算。應(yīng)用包括了監(jiān)控、先進駕駛輔助系統(tǒng)ADAS、機器人和數(shù)據(jù)中心。開發(fā)人員正在尋找可快速及輕松地部署復(fù)雜系統(tǒng)的方法?！　τ谶吘壘W(wǎng)絡(luò)上的機器學(xué)習(xí)，Xilinx提供了延遲、功耗、成本、靈活性、可擴展性和上市時間之間的最佳權(quán)衡。其軟件定義的系統(tǒng)單芯片(SDSoC)允許無縫整合硬件和軟件、自動化內(nèi)存分配、快取管理、DMA和裝置互動。SDx開發(fā)環(huán)境為項目建立，模擬，執(zhí)行和除錯提供了通用的基礎(chǔ)架構(gòu)，讓不同的嵌入式系統(tǒng)可輕松實行?！　∑浣Y(jié)果是更
  • 關(guān)鍵字： 機器學(xué)習(xí)  Xilinx  

安富利:物聯(lián)網(wǎng)和機器學(xué)習(xí)(ML)協(xié)同開發(fā)

  • 　　物聯(lián)網(wǎng)裝置和支持ML的裝置日益成為我們?nèi)粘Ｉ钪械囊徊糠帧ｋS著這些裝置進入智能住宅中，就需要更多的專業(yè)知識來進行建構(gòu)和開發(fā)。ROS是一個開放原始碼的機器人開發(fā)平臺，使機器人技術(shù)的開發(fā)可以協(xié)作。與ROS整合的TurtleBot3在SLAM（同步定位與地圖構(gòu)建）、導(dǎo)航和操控中具備核心技術(shù)，所以適合在家庭服務(wù)機器人應(yīng)用中使用?！　∨cTurtleBot3整合的Ultra96上的ROS具有多項功能，所以適用于物聯(lián)網(wǎng)裝置中的應(yīng)用。除了配備Xilinx MPSOC開發(fā)板Ultra96（Cortex A53、R5）之
  • 關(guān)鍵字： 物聯(lián)網(wǎng)  機器學(xué)習(xí)  

人臉識別的工作原理是什么？

  • 什么是人臉識別？人臉識別是一種軟件層面的算法，用于通過處理視頻幀或數(shù)字圖像來驗證或識別一個人的身份，其中該人的臉是可見的。面部識別技術(shù)有幾種不同的工作方法，但是他們通常會將圖像中的面部特征與數(shù)據(jù)庫中的面部特征進行比較。人臉識別處理的4個步驟特定的神經(jīng)網(wǎng)絡(luò)被訓(xùn)練用來檢測人臉的標簽，并將人臉與圖像中的其他物體區(qū)分開來。標簽是人類普遍的五官等面部特征，比如：眼睛、鼻子、嘴巴、眉毛等。人臉識別算法的工作流程任何人臉檢測和識別系統(tǒng)或軟件都繞不開人臉識別算法。業(yè)界將這些算法分為兩種：幾何方法側(cè)重于區(qū)分特征簡而言之就將
  • 關(guān)鍵字： 人臉識別  算法  AI  機器學(xué)習(xí)  神經(jīng)網(wǎng)絡(luò)  

邊緣AI和機器學(xué)習(xí)將被廣泛應(yīng)用于工業(yè)和家庭

  • 各行各業(yè)的數(shù)字化轉(zhuǎn)型和日常生活中的新場景已經(jīng)對邊緣上的人工智能（AI）和機器學(xué)習(xí)、先進數(shù)據(jù)處理、音頻、視覺等產(chǎn)生了需求。邊緣機器學(xué)習(xí)（ML）計算支持廣泛的、智能化的工業(yè)和家庭應(yīng)用，包括用于異常檢測的傳感器數(shù)據(jù)處理、預(yù)測性維護、用于改進玻璃破碎檢測的音頻模式識別、簡單命令詞識別以及視覺應(yīng)用，如使用低分辨率攝像頭進行在場檢測或人數(shù)統(tǒng)計?，F(xiàn)在的產(chǎn)品設(shè)計人員已看到了人工智能和機器學(xué)習(xí)的巨大潛力，可以為家庭安全系統(tǒng)、可穿戴醫(yī)療監(jiān)測器、商業(yè)設(shè)施和工業(yè)設(shè)備監(jiān)控傳感器等邊緣應(yīng)用帶來更多的智能化。所以SiliconLabs
  • 關(guān)鍵字： 202204  邊緣AI  機器學(xué)習(xí)  

2021年AI關(guān)鍵趨勢，AI芯片初創(chuàng)公司可能發(fā)生并購

  • 人工智能（AI）和機器學(xué)習(xí)仍然是技術(shù)決策者、行業(yè)人士和投資者關(guān)注的重點。標普全球市場財智（S&P Intelligence）2020 7月發(fā)布的調(diào)查顯示，有58%的公司和組織預(yù)計新冠大流行會對他們現(xiàn)有的AI計劃產(chǎn)生負面影響，還有19%的公司和組織表示新冠大流行導(dǎo)致他們停止了AI項目。與此同時，也有75%的公司和組織表示COVID-19促進了他們新的AI計劃。最近發(fā)布的2021 AI/ML用例調(diào)查顯示情況發(fā)生了變化，有86%參與調(diào)查的人表示新冠大流行已經(jīng)或?qū)?dǎo)致其所在的組織投資于新的AI計劃。由于大
  • 關(guān)鍵字： 人工智能  機器學(xué)習(xí)  深度學(xué)習(xí)  數(shù)據(jù)科學(xué)  

AI芯片競爭紅海下的生存之道

  • 在EE Times美國今年發(fā)布的Silicon 100榜單中，有大量席位被AI芯片公司所占據(jù)。這兩年來，以SambaNova、Graphcore等為代表的AI芯片公司可謂是投資界的大熱門。截至發(fā)稿日，SambaNova已經(jīng)獲得了11億美元的融資，宣稱市值為50億美元左右。3-4年之后，這片紅海競爭的市場，又將變成怎樣一副模樣？據(jù)市場分析機構(gòu)GlobalData數(shù)據(jù)顯示，2021年第二季度北美地區(qū)的AI風(fēng)投總額就已經(jīng)達到95億美元，相比上一季度增長了17.7%。這一季度，AI芯片市場的大熱門除了SambaN
  • 關(guān)鍵字： AI芯片  IPU  英偉達  機器學(xué)習(xí)  

2021年智源人工智能前沿報告（AI Frontiers Report）發(fā)布

  • 2021年對于人工智能技術(shù)和產(chǎn)業(yè)，依舊是不平凡的一年。隨著算力、數(shù)據(jù)、算法等要素逐漸齊備，先進的算法結(jié)構(gòu)不斷涌現(xiàn)，各個研究方向研究成果層出不窮，成熟的AI技術(shù)逐漸向代碼庫、平臺和系統(tǒng)發(fā)展，實現(xiàn)產(chǎn)業(yè)和商業(yè)層面的落地應(yīng)用，推動人工智能發(fā)展邁向新階段。在新的一年即將到來之際，智源研究院采用案例征集、專家咨詢等方法，向高校和科研機構(gòu)專家學(xué)者征集2021年度人工智能動態(tài)、案例等內(nèi)容，并通過向?qū)I(yè)人士咨詢的形式匯總觀點及建議，形成2021-2022年度人工智能前沿報告（AI Frontiers Report）。報告專
  • 關(guān)鍵字： AI  機器學(xué)習(xí)  神經(jīng)網(wǎng)絡(luò)  算法  

采用恩智浦應(yīng)用軟件包快速啟動產(chǎn)品開發(fā)

  • 處理邊緣連接的機器學(xué)習(xí)（ML）應(yīng)用的復(fù)雜性是一個艱巨而漫長的過程。將相關(guān)應(yīng)用功能與在經(jīng)濟高效的平臺上部署此ML模型的復(fù)雜性結(jié)合起來，需要花費大量的精力和時間。恩智浦基于ML的系統(tǒng)狀態(tài)監(jiān)測應(yīng)用軟件包（App SW Pack）為快速開發(fā)此類復(fù)雜應(yīng)用提供了量產(chǎn)源代碼。打造邊緣就緒解決方案并非易事，如今幾乎所有開發(fā)人員都避免嘗試從頭開始構(gòu)建應(yīng)用或產(chǎn)品。始終存在的面市時間壓力意味著，終端產(chǎn)品制造商和應(yīng)用工程師越來越依賴現(xiàn)有的示例和抽象層來節(jié)省時間。這使我們能夠更多關(guān)注用戶體驗和更高應(yīng)用級別的編碼，以便集成到終端產(chǎn)品
  • 關(guān)鍵字： NXP  機器學(xué)習(xí)  

Microchip MCU在機器學(xué)習(xí)上的解決方案

  • 將機器學(xué)習(xí)Machine Learning（ML）加入現(xiàn)有的MCU設(shè)計OK嗎？龐大的ML軟件框架令您卻步？想沿用現(xiàn)有的設(shè)計與工具，可行嗎？現(xiàn)今常見有兩種方法，第一種是透過網(wǎng)絡(luò)將其感測的信息傳輸?shù)皆贫耍柚贫藦姶蟮倪\算能力，再將判斷結(jié)果傳回。Microchip有相當(dāng)多這類成熟的解決方案，可讓您輕松連到云端。 另一種方法則可直接在MCU上做運算判斷，雖然運算能力比不上云端，但對某些小型傳感器或數(shù)據(jù)應(yīng)用，先在MCU做一些門坎值判斷算法，反而毋須考慮網(wǎng)絡(luò)帶寬不夠、能耗太高、傳輸延遲等問題，更不用擔(dān)心傳
  • 關(guān)鍵字： Microchip  MCU  機器學(xué)習(xí)  

機器學(xué)習(xí)模型設(shè)計過程和MEMS MLC

  • 開發(fā)機器學(xué)習(xí)項目的五個步驟 — 掌握要點，應(yīng)用并不困難！邊緣機器學(xué)習(xí)具有許多優(yōu)勢。 然而，由于開發(fā)方法與標準程序設(shè)計方法截然不同，許多機器學(xué)習(xí)開發(fā)者可能會擔(dān)心自己難以駕馭。其實，完全沒有必要擔(dān)心。一旦熟悉了步驟，并掌握了機器學(xué)習(xí)項目的要點，就能夠開發(fā)具有價值的機器學(xué)習(xí)應(yīng)用。此外，意法半導(dǎo)體（STMicroelectronics；ST）提供解決方案，以促進邊緣機器學(xué)習(xí)得到廣泛應(yīng)用發(fā)揮全部潛力。本文描述機器學(xué)習(xí)項目的必要開發(fā)步驟，并介紹了ST MEMS傳感器內(nèi)嵌機器學(xué)習(xí)核心（MLC）的優(yōu)勢。 圖一
  • 關(guān)鍵字： 機器學(xué)習(xí)  模型設(shè)計  MEMS MLC  

學(xué)貫中西:讓機器學(xué)習(xí)華夏智慧

  • 0? ?前言機器學(xué)習(xí)（ML）除了能夠?qū)W習(xí)大數(shù)據(jù)（big data）中的規(guī)律和法則之外，也能夠?qū)W習(xí)人類的智慧。華夏文化淵源長久、博大精深，處處充滿智慧。因此，我們可以讓機器來學(xué)習(xí)華夏的文化底蘊和智能，還能更上層樓而學(xué)貫中西。1? ?復(fù)習(xí)：什么是特征（feature）?機器學(xué)習(xí)之路，首先從觀察特征出發(fā)?；貞浺幌?，人們對于周圍的問題或事件常從不同的角度來觀察或看出不同的特征。所謂特征（feature），就是一件事物或一群事物，其具有與眾不同的特色或表征。例如，人們在辨別其
  • 關(guān)鍵字： 202111  機器學(xué)習(xí)  

AI講座：自編碼器——神奇的ML瑞士刀

  • 1? ?神奇的自編碼器在之前各期里，所舉的范例模型都是基于邏輯回歸（Logistic regression）的線性分類器（Linear classifier）。其訓(xùn)練方法是采取監(jiān)督式學(xué)習(xí)（Supervised Learning）模式。在本期里， 將進一步介紹非監(jiān)督式學(xué)習(xí)（Unsupervised Learning）模式，并以小而美的自編碼器（Autoencoder，簡稱：AE）為例。自編碼器是一種小而美的ML 模型，它的用途非常多，所以有“ML 瑞士刀”之稱。例如，Pawer Sobe
  • 關(guān)鍵字： 202109  自編碼器  機器學(xué)習(xí)  

使用英飛凌 ModusToolbox? 機器學(xué)習(xí)為IoT設(shè)備解鎖AI

  • 1? ?英飛凌在邊緣（Edge）設(shè)備上釋放機器學(xué)習(xí)（ML）的能力市場對舒適性、便利性和簡單性的需求不斷增加，對娛樂、安全和能源效率領(lǐng)域更多功能的需求也在日益增長，這將大大增加對智能家居的興趣和承諾。邊緣人工智能（AI）將成為這些產(chǎn)品的關(guān)鍵推動因素。今天的物聯(lián)網(wǎng)硬件/軟件開發(fā)人員面臨著在構(gòu)建這些未來設(shè)備時的一系列復(fù)雜設(shè)計。從復(fù)雜的集成無線連接，到優(yōu)化電池供電設(shè)計中的系統(tǒng)功率，再到集成傳感器融合，讓物聯(lián)網(wǎng)工作對任何團隊來說都是一項艱巨的任務(wù)。作為連接現(xiàn)實世界和數(shù)字世界的領(lǐng)導(dǎo)者，英飛凌非常了解
  • 關(guān)鍵字： 202109  機器學(xué)習(xí)  AI  
共268條 3/18 « 1 2 3 4 5 6 7 8 9 10 » ›|

?機器學(xué)習(xí)介紹

您好，目前還沒有人創(chuàng)建詞條?機器學(xué)習(xí)!
歡迎您創(chuàng)建該詞條，闡述對?機器學(xué)習(xí)的理解，并與今后在此搜索?機器學(xué)習(xí)的朋友們分享。    創(chuàng)建詞條

熱門主題

樹莓派    linux   
關(guān)于我們 - 廣告服務(wù) - 企業(yè)會員服務(wù) - 網(wǎng)站地圖 - 聯(lián)系我們 - 征稿 - 友情鏈接 - 手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國際技術(shù)信息咨詢有限公司
備案 京ICP備12027778號-2 北京市公安局備案：1101082052    京公網(wǎng)安備11010802012473