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 >> 深度學習

什么是DNN？它對AI發(fā)展意味著什么

  • 為了讓AI加速器在最短延遲內達到最佳精準度，特別是在自動駕駛車中，TFLOP已經(jīng)成為許多所謂大腦芯片的關鍵指針，然而，有專家認為這種野蠻處理方式并不可持續(xù)…… 為了讓人工智能(AI)加速器在最短延遲內達到最佳精準度，特別是在自動駕駛車(AV)中，TFLOP(兆次浮點運算)已經(jīng)成為許多所謂大腦芯片的關鍵指針。這場競賽的選手包括Nvidia的Xavier、Mobileye的EyeQ5、特斯拉(Tesla)的全自動駕駛(FSD)計算機芯片，以及NXP-Kalray芯片。然而，有專家認為這種野蠻處理方式
  • 關鍵字： DNN  深度神經(jīng)網(wǎng)絡  深度學習  

深度學習干貨｜基于Tensorflow深度神經(jīng)網(wǎng)絡(DNN)詳解

  • 深度神經(jīng)網(wǎng)絡(Deep Neural Networks，簡稱DNN)是深度學習的基礎，想要學好深度學習，首先我們要理解DNN模型。DNN的基本結構神經(jīng)網(wǎng)絡是基于感知機的擴展，而DNN可以理解為有很多隱藏層的神經(jīng)網(wǎng)絡。多層神經(jīng)網(wǎng)絡和深度神經(jīng)網(wǎng)絡DNN其實也基本一樣，DNN也叫做多層感知機(MLP)。DNN按不同層的位置劃分，神經(jīng)網(wǎng)絡層可以分為三類，輸入層，隱藏層和輸出層，如下圖示例，一般來說第一層是輸入層，最后一層是輸出層，而中間的層數(shù)都是隱藏層。網(wǎng)絡結構層與層之間是全連接的，也就是說，第i層的任意一個神經(jīng)
  • 關鍵字： DNN  深度神經(jīng)網(wǎng)絡  深度學習  

大聯(lián)大世平集團推出基于Cambricon產(chǎn)品的AI明廚亮灶方案

  • 致力于亞太地區(qū)市場的領先半導體元器件分銷商---大聯(lián)大控股宣布，其旗下世平推出基于寒武紀（Cambricon）MLU220處理器的AI明廚亮灶方案。 圖示1-大聯(lián)大世平基于Cambricon產(chǎn)品的AI明廚亮灶方案的展示板圖 食品安全問題關系著千家萬戶的健康。為了保障人們的食品安全，自2014年2月起，國家食藥監(jiān)總局就開始在各地餐飲業(yè)開展明廚亮灶工作。倡導餐飲服務提供者通過采用透視明檔（透明玻璃窗或玻璃幕墻）、視頻顯示、隔斷矮墻、開放式廚房或設置窗口等多種形式，對餐飲食品加工過程進行公示
  • 關鍵字： AI  深度學習  廚房  

使用深度學習進行地下電纜系統(tǒng)預測性維護

  • 本文敘述如何使用深度學習來進行地下電纜系統(tǒng)的預測性維護。利用深度學習模型能夠接近實時地執(zhí)行分類，讓現(xiàn)場的技術人員可以在擷取到數(shù)據(jù)后立即看到結果，并且在必要時重新執(zhí)行測試。地下電纜系統(tǒng)與陸上電線路網(wǎng)相比，雖然對暴風雨、閃電、野火、冰暴、以及其他不利天氣狀況較不敏感；不過，地下電纜維修成本較高，很難準確指出故障位置及進行修復。如果電纜的瑕疵未被偵測出來，可能導致停電和對大眾造成危險。根據(jù)IEEE數(shù)據(jù)顯示，大約90%的地下電纜系統(tǒng)故障都和局部放電（partial discharge；PD）有關，也就是電纜內的電
  • 關鍵字： 深度學習  地下電纜  預測性維護  

Graphcore攜手百度飛槳 共建全球軟硬AI生態(tài)

  • 近日，Graphcore?（擬未）在Wave Summit 2022深度學習開發(fā)者峰會上正式宣布加入硬件生態(tài)共創(chuàng)計劃。Graphcore和百度飛槳將基于該共創(chuàng)計劃共同研發(fā)技術方案，協(xié)同定制飛槳框架，建設模型庫與場景范例，以“IPU+飛槳”為產(chǎn)業(yè)賦能，推動產(chǎn)業(yè)AI化轉型和升級。目前，Poplar? SDK 2.3與百度飛槳2.3已經(jīng)完全集成，相關代碼將于今日在百度飛槳的GitHub上線供開發(fā)者獲取。百度飛槳是中國首個自主研發(fā)、功能豐富、開源開放的產(chǎn)業(yè)級深度學習平臺。截至2022年5月，百度飛槳已經(jīng)匯聚了47
  • 關鍵字： 深度學習  AI  

Imagination和Visidon聯(lián)合開發(fā)基于深度學習的超分辨率技術

  • Imagination Technologies與Visidon Oy聯(lián)合推動移動、數(shù)字電視和汽車市場的嵌入式應用向基于深度學習的超分辨率過渡。憑借這項人工智能（AI）技術，用戶可以通過先進的算法將低分辨率圖像和視頻的分辨率提高到4K和8K。IMG Series4 NNA能夠在系統(tǒng)級芯片嚴格的功耗和散熱要求下，以更高的效率實時完成此類苛刻的流程。Imagination的IMG Series4神經(jīng)網(wǎng)絡加速器（NNA）通過其Tensor Tiling技術為先進的AI圖像處理軟件帶來強大的計算性能與領先的能效。
  • 關鍵字： 深度學習  超分辨率  

使用深度學習進行海上雷達數(shù)據(jù)質量管控自動化

  • 本文說明Miros公司設計的一套Wavex傳感器系統(tǒng)，如何精準測量波浪、洋流、以及對水航速，并使用深度學習網(wǎng)絡來自動辨識測量下取得的雷達數(shù)據(jù)，進一步提升Wavex系統(tǒng)的表現(xiàn)與可靠度。對海上船只而言，海浪、洋流、對水航速（speed through water）等量測數(shù)據(jù)的準確性，對于船只執(zhí)行各種任務，如燃料優(yōu)化、或在受限區(qū)域內導航等，具有很高的價值。舉例來說，對水航速量測錯誤，即使只是一些微小誤差，就有可能對船艦效能的計算帶來重大錯誤，讓每天的燃料使用量多出好幾十噸。傳統(tǒng)上，對水航速是透過水下的測速儀器來
  • 關鍵字： 深度學習  海上雷達  自動化  Miros  Wavex  

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

  • 人工智能（AI）和機器學習仍然是技術決策者、行業(yè)人士和投資者關注的重點。標普全球市場財智（S&P Intelligence）2020 7月發(fā)布的調查顯示，有58%的公司和組織預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用例調查顯示情況發(fā)生了變化，有86%參與調查的人表示新冠大流行已經(jīng)或將導致其所在的組織投資于新的AI計劃。由于大
  • 關鍵字： 人工智能  機器學習  深度學習  數(shù)據(jù)科學  

基于目標檢測的智能垃圾分類垃圾桶的設計

  • 本設計使用目標檢測識別進行分類垃圾以代替?zhèn)鹘y(tǒng)的人工分類。本設計旨在用前沿的YOLOv3模型去實現(xiàn)準確的垃圾識別。設計中的模型利用Anaconda搭建環(huán)境變量，并在Pycharm軟件上運行模型。YOLOv3模型實驗所需的數(shù)據(jù)集來自華為云人工智能大賽提供的垃圾分類數(shù)據(jù)集，共有44種垃圾類別，圖片數(shù)為1.9萬張。經(jīng)測試發(fā)現(xiàn)YOLOv3模型能夠快速而又準確地識別出44種垃圾，隨后通過藍牙發(fā)出信號給STM32單片機部分，單片機通過控制舵機旋轉后完成全自動化垃圾分類。
  • 關鍵字： 智能分類垃圾桶  環(huán)境保護  STM32單片機  深度學習  TensorFlow  YOLOv3  202202  

TinyML前進物聯(lián) MCU深度學習成為可能

  • 物聯(lián)網(wǎng)正加速帶動人工智能走向終端裝置，我們可以看到市場繼續(xù)保持積極的成長趨勢。市場也期待有更多的人工智能物聯(lián)網(wǎng)設備在市場上普及，并深入包括消費性物聯(lián)網(wǎng)設備、工業(yè)應用和網(wǎng)絡、還有與視覺、語音和聲音影像相關的邊緣應用。AI的應用案例正在推動著龐大的物聯(lián)網(wǎng)運算需求，而這背后都需要透過MCU來釋放這些運算能量。我們也可以看出市場上的MCU解決方案基本上有兩大發(fā)展趨勢，用以支持新一代的機器學習（Machine Learning；ML）運算能力。一是提高MCU本身的運算性能及能力，例如從Arm Cortex M0+提
  • 關鍵字： TinyML  MCU  深度學習  

新一代汽車深度學習架構趨勢

  • 下一代汽車的車輛電子系統(tǒng)正在以電動化和自動駕駛為中心發(fā)展。圖中描述了車輛電控系統(tǒng)的演進?，F(xiàn)有的車輛電子控制系統(tǒng)中，由于每個功能域由駕駛員直接控制，因此每個域之間的通信是松散耦合的，并且為了不受其它域的影響，域之間是相對獨立的。另一方面，自動駕駛時代的電控系統(tǒng)是由一個名為Vehicle computer的中央控制系統(tǒng)來代替駕駛員來控制自動駕駛功能，各域之間的通信會相對多一些（緊耦合），域之間的獨立性會低一些。此外，隨著控制程序的規(guī)模呈指數(shù)級增長，安全的OTA（Over the air）變得至關重要，OTA的
  • 關鍵字： 車輛  電子系統(tǒng)  深度學習  

賽昉科技重磅發(fā)布全球首款基于RISC-V人工智能視覺處理平臺 ——驚鴻7100

  • 近日- RISC-V處理器IP供應商賽昉科技有限公司，發(fā)布全球首款基于RISC-V的人工智能視覺處理平臺——驚鴻7100?！绑@鴻”一詞取自成語“驚鴻一瞥”，語義雙關：“驚鴻7100”的推出，不僅驚艷了世界，還以它優(yōu)異的性能，造福于世界。該平臺是全球首款基于RISC-V集深度學習、圖像處理、語音識別、機器視覺為一體的多功能平臺，由賽昉科技獨立自主開發(fā)，可廣泛應用于自動駕駛、智能無人機、公共安全、交通管理、智能家電、視覺掃地機器人、工業(yè)機器人等智能應用領域。“驚鴻7100”的出現(xiàn)，標志著RISC-V在智能音視
  • 關鍵字： 驚鴻7100  RISC-V指令集  深度學習  圖像處理  語音識別  機器視覺  

深度學習在視覺搜索和匹配中的應用

  • 導讀通過使用預訓練網(wǎng)絡在遙感圖像應用中減少對標注數(shù)據(jù)的需求。深度學習是一個了不起的方法，用于遙感數(shù)據(jù)集，如衛(wèi)星或航空照片的目標檢測和分割/匹配。然而，就像深度學習的許多其應用場景一樣，獲得足夠的帶標注的訓練數(shù)據(jù)可能會耗費大量的時間。在這篇文章中，我將介紹一些我們的工作，即使用預先訓練好的網(wǎng)絡來在遙感數(shù)據(jù)的目標檢測任務中避免標注大型訓練數(shù)據(jù)集的大量繁瑣工作。2019年9月中旬，我參加了北歐遙感會議。從許多會談中可以明顯看出，深度學習已經(jīng)進入許多遙感專家的工具箱。觀眾們對這個話題的興趣似乎很大，他們討論了在各
  • 關鍵字： 深度學習  

分析深度學習背后的數(shù)學思想

  • 深度神經(jīng)網(wǎng)絡（DNN）本質上是通過具有多個連接的感知器而形成的，其中感知器是單個神經(jīng)元?？梢詫⑷斯ど窠?jīng)網(wǎng)絡（ANN）視為一個系統(tǒng)，其中包含沿加權路徑饋入的一組輸入。然后處理這些輸入，并產(chǎn)生輸出以執(zhí)行某些任務。隨著時間的流逝，ANN“學習”了，并且開發(fā)了不同的路徑。各種路徑可能具有不同的權重，并且在模型中，比那些產(chǎn)生較少的理想結果的路徑，以及被發(fā)現(xiàn)更重要（或產(chǎn)生更理想的結果）的路徑分配了更高的權重。在DNN中，如果所有輸入都密集連接到所有輸出，則這些層稱為密集層。此外，DNN可以包含多個隱藏層。隱藏層基本上
  • 關鍵字： 深度學習  

火爆全球的GPT-3，到底憑什么砸大家飯碗？

  • GPT-3是指第三代生成式預訓練Transformer，它由舊金山AI公司OpenAI開發(fā)。該程序歷經(jīng)數(shù)年的發(fā)展，最近在AI文本生成領域內掀起了一波的創(chuàng)新浪潮。從許多方面來看，這些進步與自2012年以來AI圖像處理的飛躍相似。計算機視覺技術促進了、無人駕駛汽車到、面部識別、無人機的發(fā)展。因此，有理由認為GPT-3及其同類產(chǎn)品的新功能可能會產(chǎn)生類似的深遠影響。與所有深度學習系統(tǒng)一樣，GPT-3也是數(shù)據(jù)模式。它在龐大的文本集上進行了訓練，并根據(jù)統(tǒng)計規(guī)律進行了挖掘。重要的是，此過程中無需人工干預，程序在沒有任何
  • 關鍵字： GPT-3  AI  深度學習  
共174條 2/12 « 1 2 3 4 5 6 7 8 9 10 » ›|
關于我們 - 廣告服務 - 企業(yè)會員服務 - 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 版權所有 北京東曉國際技術信息咨詢有限公司
備案 京ICP備12027778號-2 北京市公安局備案：1101082052    京公網(wǎng)安備11010802012473