為了要延長(zhǎng)DRAM這種內(nèi)存的壽命，在短時(shí)間內(nèi)必須要采用3D DRAM解決方案。什么是3D超級(jí)DRAM （Super-DRAM）？為何我們需要這種技術(shù)？以下請(qǐng)見(jiàn)筆者的解釋。
2017-03-17 09:42:04
2720 
人工智能是一個(gè)很廣闊的領(lǐng)域，很多編程語(yǔ)言都可以用于人工智能開(kāi)發(fā)，所以很難說(shuō)人工智能必須用哪一種語(yǔ)言來(lái)開(kāi)發(fā)。選擇多也意味著會(huì)有優(yōu)劣之分，并不是每種編程語(yǔ)言都能夠為開(kāi)發(fā)人員節(jié)省時(shí)間及精力。所以我們整理
2018-09-12 10:45:38
人工神經(jīng)網(wǎng)絡(luò)在傳感器數(shù)據(jù)融合中的應(yīng)用針對(duì)壓力傳感器對(duì)溫度的交叉靈敏度,采用BP 人工神經(jīng)網(wǎng)絡(luò)法對(duì)其進(jìn)行數(shù)據(jù)融合處理,消除溫度對(duì)壓力傳感器的影響,大大提高了傳感器的穩(wěn)定性及其精度,效果良好。關(guān)鍵詞
2009-08-11 20:23:46
人工神經(jīng)網(wǎng)絡(luò)是根據(jù)人的認(rèn)識(shí)過(guò)程而開(kāi)發(fā)出的一種算法。假如我們現(xiàn)在只有一些輸入和相應(yīng)的輸出，而對(duì)如何由輸入得到輸出的機(jī)理并不清楚，那么我們可以把輸入與輸出之間的未知過(guò)程看成是一個(gè)“網(wǎng)絡(luò)”，通過(guò)不斷地給
2008-06-19 14:40:42
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類(lèi)似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實(shí)際問(wèn)題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？
2019-08-01 08:06:21
的基本處理單元，它是神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)基礎(chǔ)。神經(jīng)元是以生物的神經(jīng)系統(tǒng)的神經(jīng)細(xì)胞為基礎(chǔ)的生物模型。在人們對(duì)生物神經(jīng)系統(tǒng)進(jìn)行研究，以探討人工智能的機(jī)制時(shí)，把神經(jīng)元數(shù)學(xué)化，從而產(chǎn)生了神經(jīng)元數(shù)學(xué)模型。因此，要了解人工神經(jīng)模型就必須先了解生物神經(jīng)元模型。`
2018-10-23 16:16:02
人工神經(jīng)網(wǎng)絡(luò)課件
2016-06-19 10:15:48
常識(shí)性的推理能力需要350年的時(shí)間，這需要人們堅(jiān)持不懈的努力，而這種努力在短時(shí)間內(nèi)不會(huì)獲得豐厚的回報(bào)。有些人會(huì)說(shuō)，我們不要試圖找到所有規(guī)則并將它們編入一個(gè)系統(tǒng)，我們要用機(jī)器學(xué)習(xí)來(lái)訓(xùn)練常識(shí)推理能力。如果你
2019-05-13 06:20:47
`我思故我在 亮出你的觀點(diǎn)自從類(lèi)神經(jīng)網(wǎng)絡(luò)算法可以用強(qiáng)大的運(yùn)算能力加以模擬之后，強(qiáng)人工智能才開(kāi)始出現(xiàn)。即便如此，以目前 CPU 的運(yùn)算能力來(lái)講，模擬類(lèi)神經(jīng)網(wǎng)絡(luò)算法的代價(jià)非常之大，于是有人想到了用
2017-08-23 15:42:16
。發(fā)表在新一期《自然·方法》雜志上的研究顯示，這一新的人工智能技術(shù)可在黑白圖像中辨別擁有2萬(wàn)多個(gè)蛋白質(zhì)的人類(lèi)細(xì)胞結(jié)構(gòu)。論文作者之一格雷格·約翰遜說(shuō)，該技術(shù)可以在更大尺度上觀察細(xì)胞結(jié)構(gòu)，尤其適用于活細(xì)胞
2018-10-15 05:21:49
，進(jìn)行了大量的假設(shè)迭代。正是這種假設(shè)使得機(jī)器學(xué)習(xí)算法能夠在短時(shí)間內(nèi)得到一個(gè)更好地逼近目標(biāo)函數(shù)的近似值。人工智能vs機(jī)器學(xué)習(xí)vs深度學(xué)習(xí)你的愿望永遠(yuǎn)不會(huì)被模糊所混淆。人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)是經(jīng)常
2018-08-27 10:16:55
在未來(lái)的某個(gè)時(shí)候，人們必定能夠相對(duì)自如地運(yùn)用人工智能，安全地駕車(chē)出行。這個(gè)時(shí)刻何時(shí)到來(lái)我無(wú)法預(yù)見(jiàn)；但我相信，彼時(shí)“智能”會(huì)顯現(xiàn)出更“切實(shí)”的意義。與此同時(shí)，通過(guò)深度學(xué)習(xí)方法，人工智能的實(shí)際應(yīng)用能夠在汽車(chē)安全系統(tǒng)的發(fā)展進(jìn)步中發(fā)揮重要的作用。而這些系統(tǒng)遠(yuǎn)不止僅供典型消費(fèi)者群體掌握和使用。
2019-08-06 08:42:40
點(diǎn)擊上方“藍(lán)字”，關(guān)注我們，感謝！人工智能(AI)以及利用神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)是實(shí)現(xiàn)高級(jí)駕駛輔助系統(tǒng)(ADAS)和更高程度車(chē)輛自主性的強(qiáng)大技術(shù)。隨著人工智能研究的快速發(fā)展，設(shè)計(jì)人員正面臨激烈的競(jìng)爭(zhēng)
2021-12-17 08:17:41
人工智能技術(shù)的概念從出來(lái)到現(xiàn)在已經(jīng)有很多年的歷史了，其實(shí)所謂的人工智能技術(shù)本身就是一種模擬人類(lèi)大腦的思考方式的一種技術(shù)，它的英文簡(jiǎn)稱(chēng)是AI技術(shù)，在西方國(guó)家，人工智能技術(shù)被認(rèn)為是計(jì)算機(jī)技術(shù)
2015-10-21 12:03:58
神經(jīng)網(wǎng)絡(luò)是生物神經(jīng)網(wǎng)絡(luò)在某種簡(jiǎn)化意義下的技術(shù)復(fù)現(xiàn)，它的主要任務(wù)是根據(jù)生物神經(jīng)網(wǎng)絡(luò)的原理和實(shí)際應(yīng)用的需要建造實(shí)用的人工神經(jīng)網(wǎng)絡(luò)模型，設(shè)計(jì)相應(yīng)的學(xué)習(xí)算法，模擬人腦的某種智能活動(dòng)，然后在技術(shù)上實(shí)現(xiàn)
2022-03-05 14:15:07
，路徑規(guī)劃和異常檢測(cè)，以及用于在這些引擎上部署機(jī)器學(xué)習(xí)模型（包括神經(jīng)網(wǎng)絡(luò)和經(jīng)典機(jī)器學(xué)習(xí)算法）的平臺(tái)和工具的集成。這只是第一步，因?yàn)槎髦瞧?b class="flag-6" style="color: red">已經(jīng)在努力將可擴(kuò)展的人工智能加速器集成到其設(shè)備中，這將使機(jī)器學(xué)習(xí)
2019-05-29 10:46:39
最近在看人工智能神經(jīng)網(wǎng)絡(luò)存算一體這些方面的ADC設(shè)計(jì)方向，貌似跟一般的ADC方向是一樣的，都是希望朝著低功耗高精度和高速發(fā)展，在這幾個(gè)或其他特殊的方向各位有什么見(jiàn)解呢？
2021-06-24 08:17:34
。?oè???oè?????o?¤§?????¨é??¤???o??? 介紹深度學(xué)習(xí)是一個(gè)令人難以置信的靈活且強(qiáng)大的技術(shù)，但運(yùn)行的神經(jīng)網(wǎng)絡(luò)可以在計(jì)算方面需要非常大的電力，且對(duì)磁盤(pán)空間也有要求。這通常不是云空間能夠
2018-05-07 16:02:21
第1章 概述 1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展 1.2 生物神經(jīng)元 1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成 第2章人工神經(jīng)網(wǎng)絡(luò)基本模型 2.1 MP模型 2.2 感知器模型 2.3 自適應(yīng)線性
2012-03-20 11:32:43
近年來(lái)，深度學(xué)習(xí)的繁榮，尤其是神經(jīng)網(wǎng)絡(luò)的發(fā)展，顛覆了傳統(tǒng)機(jī)器學(xué)習(xí)特征工程的時(shí)代，將人工智能的浪潮推到了歷史最高點(diǎn)。然而，盡管各種神經(jīng)網(wǎng)絡(luò)模型層出不窮，但往往模型性能越高，對(duì)超參數(shù)的要求也越來(lái)越嚴(yán)格
2019-09-11 11:52:14
，神經(jīng)網(wǎng)絡(luò)之父Hiton始終堅(jiān)持計(jì)算機(jī)能夠像人類(lèi)一樣思考，用直覺(jué)而非規(guī)則。盡管這一觀點(diǎn)被無(wú)數(shù)人質(zhì)疑過(guò)無(wú)數(shù)次，但隨著數(shù)據(jù)的不斷增長(zhǎng)和數(shù)據(jù)挖掘技術(shù)的不斷進(jìn)步，神經(jīng)網(wǎng)絡(luò)開(kāi)始在語(yǔ)音和圖像等方面超越基于邏輯的人工智能
2018-06-05 10:11:50
請(qǐng)問(wèn)：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷，在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包（MLT），但是里面沒(méi)有關(guān)于這部分VI的幫助文檔，對(duì)于”BP神經(jīng)網(wǎng)絡(luò)分類(lèi)“這個(gè)范例有很多不懂的地方，比如
2017-02-22 16:08:08
習(xí)神經(jīng)神經(jīng)網(wǎng)絡(luò)，對(duì)于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)是如何一直沒(méi)有具體實(shí)現(xiàn)一下：現(xiàn)看到一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)模型用于訓(xùn)練的輸入數(shù)據(jù):對(duì)應(yīng)的輸出數(shù)據(jù):我們這里設(shè)置：1：節(jié)點(diǎn)個(gè)數(shù)設(shè)置：輸入層、隱層、輸出層的節(jié)點(diǎn)
2021-08-18 07:25:21
，隨機(jī)森林，K-均值算法，支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)等等。在應(yīng)用方面表現(xiàn)也異常突出，目前89%的人工智能專(zhuān)利申請(qǐng)和40%人工智能范圍相關(guān)專(zhuān)利都屬于機(jī)器學(xué)習(xí)的范疇，可見(jiàn)機(jī)器學(xué)習(xí)的時(shí)代化進(jìn)程多么迅速。歸結(jié)到
2023-02-17 11:00:15
`本篇主要介紹：人工神經(jīng)網(wǎng)絡(luò)的起源、簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)模型、更多神經(jīng)網(wǎng)絡(luò)模型、機(jī)器學(xué)習(xí)的步驟：訓(xùn)練與預(yù)測(cè)、訓(xùn)練的兩階段：正向推演與反向傳播、以TensorFlow + Excel表達(dá)訓(xùn)練流程以及AI普及化教育之路。`
2020-11-05 17:48:39
，得到訓(xùn)練參數(shù)2、利用開(kāi)發(fā)板arm與FPGA聯(lián)合的特性，在arm端實(shí)現(xiàn)圖像預(yù)處理已經(jīng)卷積核神經(jīng)網(wǎng)絡(luò)的池化、激活函數(shù)和全連接，在FPGA端實(shí)現(xiàn)卷積運(yùn)算3、對(duì)整個(gè)系統(tǒng)進(jìn)行調(diào)試。4、在基本實(shí)現(xiàn)系統(tǒng)的基礎(chǔ)上
2018-12-19 11:37:22
神經(jīng)網(wǎng)絡(luò)首先來(lái)看一下維基百科對(duì)神經(jīng)網(wǎng)絡(luò)的定義：人工神經(jīng)網(wǎng)絡(luò)（英語(yǔ)：Artificial Neural Network，ANN），簡(jiǎn)稱(chēng)神經(jīng)網(wǎng)絡(luò)（Neural Network，NN）或類(lèi)神經(jīng)網(wǎng)絡(luò)，在機(jī)器
2019-03-03 22:10:19
電子發(fā)燒友總結(jié)了以“神經(jīng)網(wǎng)絡(luò)”為主題的精選干貨，今后每天一個(gè)主題為一期，希望對(duì)各位有所幫助?。c(diǎn)擊標(biāo)題即可進(jìn)入頁(yè)面下載相關(guān)資料）人工神經(jīng)網(wǎng)絡(luò)算法的學(xué)習(xí)方法與應(yīng)用實(shí)例（pdf彩版）卷積神經(jīng)網(wǎng)絡(luò)入門(mén)資料MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析《matlab神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)》深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)
2019-05-07 19:18:14
元，它決定了該輸入向量在地位空間中的位置。SOM神經(jīng)網(wǎng)絡(luò)訓(xùn)練的目的就是為每個(gè)輸出層神經(jīng)元找到合適的權(quán)向量，以達(dá)到保持拓?fù)浣Y(jié)構(gòu)的目的。SOM的訓(xùn)練過(guò)程其實(shí)很簡(jiǎn)單，就是接收到一個(gè)訓(xùn)練樣本后，每個(gè)輸出層神經(jīng)
2019-07-21 04:30:00
神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)基礎(chǔ)。神經(jīng)元是以生物的神經(jīng)系統(tǒng)的神經(jīng)細(xì)胞為基礎(chǔ)的生物模型。在人們對(duì)生物神經(jīng)系統(tǒng)進(jìn)行研究，以探討人工智能的機(jī)制時(shí)，把神經(jīng)元數(shù)學(xué)化，從而產(chǎn)生了神經(jīng)元數(shù)學(xué)模型。因此，要了解人工神經(jīng)模型就必須
2023-09-13 16:41:18
Type-C是近幾年大規(guī)模普及的充電接口，目前所發(fā)布的手機(jī)基本上都是該接口，而原來(lái)的Micro USB接口也逐漸減少使用，那為什么Type-C接口能在短時(shí)間內(nèi)迅速取代Micro USB接口呢？筆者
2021-09-14 07:34:39
簡(jiǎn)單理解LSTM神經(jīng)網(wǎng)絡(luò)
2021-01-28 07:16:57
優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法有哪些？
2022-09-06 09:52:36
采用并提高他們的生產(chǎn)力。采用降低精度的浮點(diǎn)格式帶來(lái)了許多好處。直到幾年前，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練主要是使用 IEEE 標(biāo)準(zhǔn)的 32 位浮點(diǎn)數(shù)來(lái)計(jì)算的。發(fā)現(xiàn)具有越來(lái)越多層的大型網(wǎng)絡(luò)在 NN 任務(wù)中越
2022-09-15 15:15:46
卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會(huì)在意它呢? 對(duì)于這些非常中肯的問(wèn)題，我們似乎可以給出相對(duì)簡(jiǎn)明的答案。
2019-07-17 07:21:50
卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用轉(zhuǎn)載****地址：http://fcst.ceaj.org/CN/abstract/abstract2521.shtml深度學(xué)習(xí)是機(jī)器學(xué)習(xí)和人工智能研究的最新趨勢(shì)，作為一個(gè)
2022-08-02 10:39:39
抽象人工智能 （AI） 的世界正在迅速發(fā)展，人工智能越來(lái)越多地支持以前無(wú)法實(shí)現(xiàn)或非常難以實(shí)現(xiàn)的應(yīng)用程序。本系列文章解釋了卷積神經(jīng)網(wǎng)絡(luò) （CNN） 及其在 AI 系統(tǒng)中機(jī)器學(xué)習(xí)中的重要性。CNN 是從
2023-02-23 20:11:10
語(yǔ)言使用，數(shù)學(xué)庫(kù)、數(shù)據(jù)結(jié)構(gòu)及相關(guān)算法，深入學(xué)習(xí)AI算法模型訓(xùn)練、分析，神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等因此，為了幫助大家更好的入門(mén)學(xué)習(xí)AI人工智能，包括：Python語(yǔ)法編程、數(shù)據(jù)結(jié)構(gòu)與算法、機(jī)器學(xué)習(xí)
2019-11-27 12:10:39
論文。而IBM沃森則可以在極短時(shí)間內(nèi)完成。除此之外，它還可以在數(shù)百萬(wàn)的專(zhuān)利中進(jìn)行搜索，以及從以前的診斷中進(jìn)行學(xué)習(xí)，從而更好的基于癥狀推理出診斷結(jié)果。IBM 沃森對(duì)于肺癌診斷的正確率是90%，而人類(lèi)醫(yī)生
2016-01-15 12:09:05
本用戶(hù)手冊(cè)指導(dǎo)了基于 IDE 逐步構(gòu)建用于 STM32 微處理器的完整人工智能（AI）項(xiàng)目，自動(dòng)轉(zhuǎn)換預(yù)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)（NN）并集成所生成的優(yōu)化庫(kù)。本手冊(cè)還介紹了 X-CUBE-AI 擴(kuò)展包，該擴(kuò)展
2023-09-07 06:15:31
基于光學(xué)芯片的神經(jīng)網(wǎng)絡(luò)訓(xùn)練解析，不看肯定后悔
2021-06-21 06:33:55
FPGA 上實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò) (CNN)。CNN 是一類(lèi)深度神經(jīng)網(wǎng)絡(luò)，在處理大規(guī)模圖像識(shí)別任務(wù)以及與機(jī)器學(xué)習(xí)類(lèi)似的其他問(wèn)題方面已大獲成功。在當(dāng)前案例中,針對(duì)在 FPGA 上實(shí)現(xiàn) CNN 做一個(gè)可行性研究
2019-06-19 07:24:41
如何用stm32cube.ai簡(jiǎn)化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？
2021-10-11 08:05:42
巡線智能車(chē)控制中的CNN網(wǎng)絡(luò)有何應(yīng)用？嵌入式單片機(jī)中的神經(jīng)網(wǎng)絡(luò)該怎樣去使用？如何利用卷積神經(jīng)網(wǎng)絡(luò)去更好地控制巡線智能車(chē)呢？
2021-12-21 07:47:24
（較新的加速度計(jì)）的數(shù)據(jù)表中讀到，“為了確保擁有與所選 ODR 同步的第一個(gè) DRDY 上升沿（避免圖 2 中的情況：“DRDY 信號(hào)同步”）在啟用 ODR 之前將 I1_ ZYXDA 位設(shè)置為“1”。沒(méi)有運(yùn)氣。你能給我一個(gè)建議，如何在開(kāi)機(jī)后的最短時(shí)間內(nèi)從 LIS2DH 讀取有效數(shù)據(jù)嗎？先感謝您！
2023-01-04 08:48:17
已經(jīng)有很多關(guān)于將人工智能用于日益智能的車(chē)輛的文章。但是，您如何將在服務(wù)器群上開(kāi)發(fā)的神經(jīng)網(wǎng)絡(luò) (NN) 壓縮到量產(chǎn)汽車(chē)中資源受限的嵌入式硬件中呢?本文探討了我們應(yīng)該如何授權(quán)汽車(chē)生產(chǎn) AI 研發(fā)工程師在
2021-12-23 06:30:50
人工智能下面有哪些機(jī)器學(xué)習(xí)分支？如何用卷積神經(jīng)網(wǎng)絡(luò)（CNN）方法去解決機(jī)器學(xué)習(xí)監(jiān)督學(xué)習(xí)下面的分類(lèi)問(wèn)題？
2021-06-16 08:09:03
神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡(jiǎn)稱(chēng)，是當(dāng)前的研究熱點(diǎn)之一。人腦在接受視覺(jué)感官傳來(lái)的大量圖像信息后，能迅速做出反應(yīng)
2019-08-08 06:11:30
引入了圖采樣，以進(jìn)一步加速神經(jīng)網(wǎng)絡(luò)的訓(xùn)練并減少通信開(kāi)銷(xiāo)?；谏鲜鐾ㄐ趴s減策略，本文提出了時(shí)序圖神經(jīng)網(wǎng)絡(luò)系統(tǒng)T-GCN。實(shí)驗(yàn)結(jié)果表明，T-GCN實(shí)現(xiàn)了最高7.9倍的整體性能提升。在圖采樣性能上，本文提出的線段二分搜索采樣算法能夠實(shí)現(xiàn)最高38.8倍的采樣性能提升。原作者：追求卓越的Baihai IDP
2022-09-28 10:37:20
已經(jīng)有很多關(guān)于將人工智能用于日益智能的車(chē)輛的文章。但是，您如何將在服務(wù)器群上開(kāi)發(fā)的神經(jīng)網(wǎng)絡(luò) (NN) 壓縮到量產(chǎn)汽車(chē)中資源受限的嵌入式硬件中呢？本文探討了我們應(yīng)該如何授權(quán)汽車(chē)生產(chǎn) AI 研發(fā)工程師在
2021-11-08 07:18:10
人工神經(jīng)網(wǎng)絡(luò)在AI中具有舉足輕重的地位，除了找到最好的神經(jīng)網(wǎng)絡(luò)模型和訓(xùn)練數(shù)據(jù)集之外，人工神經(jīng)網(wǎng)絡(luò)的另一個(gè)挑戰(zhàn)是如何在嵌入式設(shè)備上實(shí)現(xiàn)它，同時(shí)優(yōu)化性能和功率效率。 使用云計(jì)算并不總是一個(gè)選項(xiàng)，尤其是當(dāng)
2021-11-09 08:06:27
應(yīng)用人工神經(jīng)網(wǎng)絡(luò)模擬污水生物處理（1.浙江工業(yè)大學(xué)建筑工程學(xué)院, 杭州 310014; 2.鎮(zhèn)江水工業(yè)公司排水管理處，鎮(zhèn)江 212003）摘要：針對(duì)復(fù)雜的非線性污水生物處理過(guò)程，開(kāi)發(fā)了徑向基函數(shù)的人工
2009-08-08 09:56:00
當(dāng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)用于應(yīng)用的時(shí)候，權(quán)值是不是不能變了？？？？就是已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)是不是相當(dāng)于得到一個(gè)公式了，權(quán)值不能變了
2016-10-24 21:55:22
本文提出了一個(gè)基于FPGA 的信息處理的實(shí)例：一個(gè)簡(jiǎn)單的人工神經(jīng)網(wǎng)絡(luò)應(yīng)用Verilog 語(yǔ)言描述，該數(shù)據(jù)流采用模塊化的程序設(shè)計(jì)，并考慮了模塊間數(shù)據(jù)傳輸信號(hào)同 步的問(wèn)題，有效地解決了人工神經(jīng)網(wǎng)絡(luò)并行數(shù)據(jù)處理的問(wèn)題。
2021-05-06 07:22:07
人工神經(jīng)網(wǎng)絡(luò)在很多領(lǐng)域得到了很好的應(yīng)用，尤其是具有分布存儲(chǔ)、并行處理、自學(xué)習(xí)、自組織以及非線性映射等特點(diǎn)的網(wǎng)絡(luò)應(yīng)用更加廣泛。嵌入式便攜設(shè)備也越來(lái)越多地得到應(yīng)用，多數(shù)是基于ARM內(nèi)核及現(xiàn)場(chǎng)可編程門(mén)陣列
2019-09-20 06:15:20
的領(lǐng)域，比如精準(zhǔn)廣告推送、無(wú)人駕駛等等，一個(gè)一個(gè)領(lǐng)域，人工終究會(huì)被機(jī)器所超越?！ ?b class="flag-6" style="color: red">人工智能會(huì)把人從簡(jiǎn)單的勞力勞動(dòng)中解放出來(lái)，大數(shù)據(jù)就是第一步。數(shù)據(jù)量的激增使得企業(yè)可以通過(guò)數(shù)據(jù)實(shí)現(xiàn)一些過(guò)去只有人能夠做
2017-10-09 15:26:53
的這些龐大的數(shù)據(jù)。當(dāng)時(shí)AI研究的普遍方向也與他們相反，人們都在尋找捷徑，直接模擬出行為而不是模仿大腦的運(yùn)作。隨著計(jì)算能力的提升和算法的改進(jìn)，今天，神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)已經(jīng)成為人工智能領(lǐng)域最具吸引力的流派
2015-12-23 14:21:58
的智能——但是我們已經(jīng)看到了一條充滿(mǎn)潛力的道路。目前人工智能（AI）已經(jīng)發(fā)展為一系列技術(shù)：機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)（CNN）等，但是無(wú)論我們?cè)趺疵?，它們都需要組合起來(lái)搭建一個(gè)更加智能的機(jī)器
2018-05-22 09:54:43
求大神給一個(gè)人工神經(jīng)網(wǎng)絡(luò)與遺傳算法的源代碼。
2016-04-19 17:15:29
嵌入式設(shè)備自帶專(zhuān)用屬性，不適合作為隨機(jī)性很強(qiáng)的人工智能深度學(xué)習(xí)訓(xùn)練平臺(tái)。想象用S3C2440訓(xùn)練神經(jīng)網(wǎng)絡(luò)算法都會(huì)頭皮發(fā)麻，PC上的I7、GPU上都很吃力，大部分都要依靠服務(wù)器來(lái)訓(xùn)練。但是一旦算法訓(xùn)練
2021-08-17 08:51:57
隨著阿法狗大戰(zhàn)李世石，人工智能引發(fā)越來(lái)越多的關(guān)注。百度總裁張亞勤28日表示，百度長(zhǎng)期堅(jiān)持技術(shù)創(chuàng)新，2015年研發(fā)投入超過(guò)100億元，目前在人工智能領(lǐng)域已有重大突破。 張亞勤在天津夏季達(dá)沃斯論壇
2016-07-01 15:22:41
針對(duì)模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用BP算法比較依賴(lài)于網(wǎng)絡(luò)的初始條件,訓(xùn)練時(shí)間較長(zhǎng),容易陷入局部極值的缺點(diǎn),利用粒子群優(yōu)化算法(PSO)的全局搜索性能,將PSO用于模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程.由于基本PSO算法存在
2010-05-06 09:05:35
我在matlab中訓(xùn)練好了一個(gè)神經(jīng)網(wǎng)絡(luò)模型，想在labview中調(diào)用，請(qǐng)問(wèn)應(yīng)該怎么做呢？或者labview有自己的神經(jīng)網(wǎng)絡(luò)工具包嗎？
2018-07-05 17:32:32
隱藏技術(shù): 一種基于前沿神經(jīng)網(wǎng)絡(luò)理論的新型人工智能處理器 Copy東京理工大學(xué)的研究人員開(kāi)發(fā)了一種名為“ Hiddenite”的新型加速器芯片，該芯片可以在計(jì)算稀疏“隱藏神經(jīng)網(wǎng)絡(luò)”時(shí)達(dá)到最高的精度
2022-03-17 19:15:13
人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論依照簡(jiǎn)明易懂、便于軟件實(shí)現(xiàn)、鼓勵(lì)探索的原則介紹人工神經(jīng)網(wǎng)絡(luò)。內(nèi)容包括：智能系統(tǒng)描述模型、人工神經(jīng)網(wǎng)絡(luò)方法的特點(diǎn)；基本人工神經(jīng)元模型，人工神經(jīng)
2009-01-13 14:58:57
55 人工神經(jīng)網(wǎng)絡(luò),人工神經(jīng)網(wǎng)絡(luò)是什么意思
神經(jīng)網(wǎng)絡(luò)是一門(mén)活躍的邊緣性交叉學(xué)科.研究它的發(fā)展過(guò)程和前沿問(wèn)題，具有重要的理論意義
2010-03-06 13:39:013296 將 人工神經(jīng)網(wǎng)絡(luò) 模型應(yīng)用于天線設(shè)計(jì)中，可以提高天線設(shè)計(jì)的效率和精度。人工神經(jīng)網(wǎng)絡(luò)一旦被訓(xùn)練成功，再次使用其進(jìn)行天線設(shè)計(jì)時(shí)，可以充分發(fā)揮神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和泛化能力，提高
2011-06-22 16:42:1667 數(shù)，然后訓(xùn)練改進(jìn)的人工蜂群算法RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并將其應(yīng)用到某城市4天的短時(shí)交通流量數(shù)據(jù)的驗(yàn)證。將實(shí)驗(yàn)結(jié)果與傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型和小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行了比較。對(duì)比結(jié)果表明，該方法對(duì)短時(shí)交通流
2017-12-01 16:31:582 人工智能機(jī)器學(xué)習(xí)有關(guān)算法內(nèi)容，人工智能之機(jī)器學(xué)習(xí)主要有三大類(lèi)：1）分類(lèi)；2）回歸；3）聚類(lèi)。今天我們重點(diǎn)探討一下卷積神經(jīng)網(wǎng)絡(luò)（CNN）算法。 前言： 人工智能 機(jī)器學(xué)習(xí)有關(guān)算法內(nèi)容，請(qǐng)參見(jiàn)公眾
2018-06-18 10:15:004809 通過(guò)上一篇文章［人工智能之循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）］ 介紹，我們知道，RNN是一類(lèi)功能強(qiáng)大的人工神經(jīng)網(wǎng)絡(luò)算法，RNN一個(gè)重要的優(yōu)點(diǎn)在于，其能夠在輸入和輸出序列之間的映射過(guò)程中利用上下文相關(guān)信息。但是RNN存在著梯度消失或梯度爆炸等問(wèn)題。因此，為了解決上述問(wèn)題，長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)（LSTM）誕生了。
2018-06-29 14:44:004211 近幾年，深度學(xué)習(xí)在人工智能、機(jī)器學(xué)習(xí)中取得了飛躍式的突破，特別是在語(yǔ)音識(shí)別和圖像識(shí)別等領(lǐng)域［1-3］。其中，深度神經(jīng)網(wǎng)絡(luò)由于結(jié)構(gòu)類(lèi)似于生物神經(jīng)網(wǎng)絡(luò)，因此擁有高效、精準(zhǔn)抽取信息深層隱含特征的能力和能夠
2019-02-05 11:21:002341 
什么是人工智能神經(jīng)網(wǎng)絡(luò)，大腦的結(jié)構(gòu)越簡(jiǎn)單，那么智商就越低。單細(xì)胞生物是智商最低的了。人工神經(jīng)網(wǎng)絡(luò)也是一樣的，網(wǎng)絡(luò)越復(fù)雜它就越強(qiáng)大，所以我們需要深度神經(jīng)網(wǎng)絡(luò)。這里的深度是指層數(shù)多，層數(shù)越多那么構(gòu)造的神經(jīng)網(wǎng)絡(luò)就越復(fù)雜。
2019-07-04 11:30:243713 作為人類(lèi)廚師，大可高高揚(yáng)起你的大勺，然后安排人工智能為你跑前跑后；至于其把你取而代之，至少短時(shí)間內(nèi)還是無(wú)需多慮的。
2019-06-24 11:06:561183 ，并成功實(shí)現(xiàn)無(wú)束縛飛行。就外觀而言，該飛行器有兩大特色：一對(duì)額外的翅膀（四翼）和頂部的太陽(yáng)能電池。它可以在短時(shí)間內(nèi)不受束縛地飛行。
2019-07-07 10:38:263756 雖然深圳的企業(yè)運(yùn)營(yíng)成本在不斷上漲，但是深圳的優(yōu)勢(shì)在于制造業(yè)產(chǎn)業(yè)鏈非常的齊全，這不是其他城市短時(shí)間內(nèi)能夠趕上的。
2019-07-29 15:17:323555 任何關(guān)于電源完整性的討論都包括對(duì)目標(biāo)阻抗和平坦阻抗要求的概念的大量強(qiáng)調(diào)。但我們?nèi)绾卧O(shè)計(jì)專(zhuān)門(mén)用于平坦阻抗的穩(wěn)壓器模塊(VRM)?本文不僅將討論該特定問(wèn)題，還將解決如何在5秒或更短時(shí)間內(nèi)完成該問(wèn)題。
2019-08-12 10:34:552096 
在人工智能深度學(xué)習(xí)技術(shù)中，有一個(gè)很重要的概念就是卷積神經(jīng)網(wǎng)絡(luò) CNN（Convolutional Neural Networks）。
2019-11-02 11:23:433470 利用人工神經(jīng)網(wǎng)絡(luò)在納秒級(jí)時(shí)間內(nèi)完成圖像分類(lèi)，已經(jīng)成為現(xiàn)實(shí)。
2020-07-27 10:04:13733 談及人工智能，就會(huì)涉及到人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)是現(xiàn)代人工智能的重要分支，它是一個(gè)為人工智能提供動(dòng)力，可以模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的系統(tǒng)。
2020-07-27 10:25:37683 莫斯科市政府網(wǎng)站日前發(fā)布消息稱(chēng)，一種基于人工智能的神經(jīng)網(wǎng)絡(luò)模塊正在應(yīng)用于莫斯科的醫(yī)療系統(tǒng)。神經(jīng)網(wǎng)絡(luò)可以在三周的時(shí)間內(nèi)分析10萬(wàn)份的莫斯科醫(yī)療數(shù)據(jù)。
2020-11-17 11:07:00626 深度神經(jīng)網(wǎng)絡(luò)是一種使用數(shù)學(xué)模型處理圖像以及其他數(shù)據(jù)的多層系統(tǒng)，而且目前已經(jīng)發(fā)展為人工智能的重要基石。
2020-11-25 09:50:172635 人工智能-BP神經(jīng)網(wǎng)絡(luò)算法的簡(jiǎn)單實(shí)現(xiàn)說(shuō)明。
2021-05-25 11:30:1612 人工神經(jīng)網(wǎng)絡(luò)在AI中具有舉足輕重的地位，除了找到最好的神經(jīng)網(wǎng)絡(luò)模型和訓(xùn)練數(shù)據(jù)集之外，人工神經(jīng)網(wǎng)絡(luò)的另一個(gè)挑戰(zhàn)是如何在嵌入式設(shè)備上實(shí)現(xiàn)它，同時(shí)優(yōu)化性能和功率效率。 使用云計(jì)算并不總是一個(gè)選項(xiàng)，尤其是
2021-11-04 10:36:0614 深度學(xué)習(xí)是推動(dòng)當(dāng)前人工智能大趨勢(shì)的關(guān)鍵技術(shù)。在 MATLAB 中可以實(shí)現(xiàn)深度學(xué)習(xí)的數(shù)據(jù)準(zhǔn)備、網(wǎng)絡(luò)設(shè)計(jì)、訓(xùn)練和部署全流程開(kāi)發(fā)和應(yīng)用。聯(lián)合高性能 NVIDIA GPU 加快深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練和推斷。
2022-02-18 13:31:441714 如何在短時(shí)間內(nèi)解決電廠鍋爐風(fēng)機(jī)軸修復(fù)問(wèn)題？
2022-05-25 16:10:500 如果你的Linux服務(wù)器突然負(fù)載暴增，告警短信快發(fā)爆你的手機(jī)，如何在最短時(shí)間內(nèi)找出Linux性能問(wèn)題所在？來(lái)看Netflix性能工程團(tuán)隊(duì)的這篇博文，看它們通過(guò)十條命令在一分鐘內(nèi)對(duì)機(jī)器性能問(wèn)題進(jìn)行診斷。
2022-12-28 09:21:36139 人工神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別? 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）是一種模仿人腦神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)和功能的計(jì)算模型，也被稱(chēng)為神經(jīng)網(wǎng)絡(luò)（Neural
2023-08-22 16:45:182941 在電力系統(tǒng)中，電容器是一種重要的電氣設(shè)備，常用于提高功率因數(shù)、改善電網(wǎng)穩(wěn)定性等方面。然而，電容器作為一種電壓敏感的元件，對(duì)于電壓波動(dòng)非常敏感，特別是在短時(shí)間內(nèi)的過(guò)電壓情況下，可能引發(fā)嚴(yán)重的問(wèn)題。為什么電力電容器不允許短時(shí)間內(nèi)過(guò)電壓運(yùn)行？
2024-02-26 14:30:26120
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論