從傳統(tǒng)的工業(yè)機(jī)器人系統(tǒng)到當(dāng)今最新的協(xié)作機(jī)器人，各類(lèi)機(jī)器人都依賴(lài)于能夠生成和處理大量高度變化數(shù)據(jù)的傳感器。
2020-05-12 16:06:46
1057 機(jī)器學(xué)習(xí)模型依賴(lài)于批處理（Batching）來(lái)提高推斷吞吐量，尤其是對(duì)于 ResNet 和 DenseNet 等較小的計(jì)算機(jī)視覺(jué)模型。
2023-12-18 15:52:47326 
機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘方法和應(yīng)用（經(jīng)典）
2023-09-26 07:56:49
機(jī)器學(xué)習(xí)的未來(lái)在工業(yè)領(lǐng)域采用機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)和大數(shù)據(jù)工業(yè)人工智能生態(tài)系統(tǒng)
2020-12-16 07:47:35
機(jī)器學(xué)習(xí)的未來(lái)在工業(yè)領(lǐng)域采用機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)和大數(shù)據(jù)
2021-01-27 06:02:18
為了保持“聯(lián)系和聯(lián)絡(luò)”，消費(fèi)者越來(lái)越多地依賴(lài)于他們的便攜式設(shè)備，其范圍包括了從智能手機(jī)、個(gè)人媒體播放器與數(shù)碼相機(jī)到新興的解決方案，例如筆記本電腦等。目前的手持設(shè)備可為多種應(yīng)用服務(wù)，并提供了各種不同的功能，這轉(zhuǎn)而依賴(lài)于終端應(yīng)用的大容量存儲(chǔ)，眾多的功能以及技術(shù)挑戰(zhàn)。
2019-07-16 07:46:57
FPGA的功耗高度依賴(lài)于用戶(hù)的設(shè)計(jì)，沒(méi)有哪種單一的方法能夠實(shí)現(xiàn)這種功耗的降低，在進(jìn)行低功耗器件的設(shè)計(jì)時(shí)，人們必須仔細(xì)權(quán)衡性能、易用性、成本、密度以及功率等諸多指標(biāo)。
2019-08-29 07:52:29
我們基于 FX3 的設(shè)備 CAN 由電池供電，因此只需要 USB 即可打開(kāi)電源，直到切換到電池作為電源。 FPGA 與 GPIF 相連。 但是，我們觀(guān)察到，只要 USB 斷開(kāi)連接，GPIF事務(wù)就會(huì)失敗。 GPIF是否依賴(lài)于USB？
2024-01-29 08:34:59
請(qǐng)問(wèn)Labview機(jī)器學(xué)習(xí)工具箱里有SVM，BP等工具，如果自己用SVR做了一個(gè)回歸，可以用Labview實(shí)現(xiàn)嗎？這方面的小白，跟各位老師請(qǐng)教一下
2019-10-28 11:11:09
/TechnicalDocs/CP2103.pdf幾乎沒(méi)有說(shuō)明這個(gè)芯片的使用情況（除了告訴我RTS和CTS之外）活躍的低）。這個(gè)芯片的vhdl或verilog示例代碼是否不依賴(lài)于我錯(cuò)過(guò)的微/ picoblaze處理器
2019-07-23 13:00:15
、遷移率與溫度的關(guān)系以及電阻與溫度的關(guān)系，研究表明：pin二極管電阻的溫度性能主要依賴(lài)于二極管結(jié)電容的大小。
2019-06-25 06:06:38
強(qiáng)化學(xué)習(xí)等.下載鏈接：[hide][/hide]2.機(jī)器學(xué)習(xí)實(shí)戰(zhàn)簡(jiǎn)介：機(jī)器學(xué)習(xí)是人工智能研究領(lǐng)域中一個(gè)極其重要的研究方向，在現(xiàn)今的大數(shù)據(jù)時(shí)代背景下，捕獲數(shù)據(jù)并從中萃取有價(jià)值的信息或模式，成為各行業(yè)求生存
2017-06-01 15:49:24
主要內(nèi)容本文提出了一種不依賴(lài)于棋盤(pán)格等輔助標(biāo)定物體，實(shí)現(xiàn)像素級(jí)相機(jī)和激光雷達(dá)自動(dòng)標(biāo)定的方法。方法直接從點(diǎn)云中提取3D邊特征，一避免遮擋問(wèn)題，并且使用了精確度更高的深度連續(xù)邊。文中首先指出：以下四種
2021-09-01 07:42:19
你好。我的大問(wèn)題是cpscon，這取決于溫度。天氣涼爽時(shí)敏感度低，天氣暖爽時(shí)敏感度太高。為什么？我用的是內(nèi)部振蕩器，但沒(méi)有任何變化?。。。。。?！為什么？我該怎么辦？？？？ 以上來(lái)自于百度翻譯 以下為原文 hi. my big problem is cpscon that is dependon temperature.when weather be cool sensitivines be low and when weather be warm sensitivines be too high. why?? I used from internall oscillator but don't any change!!!!!why?? how can I do???
2019-05-30 11:08:28
人工智能、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)之間，主要有什么關(guān)系？
2020-03-16 11:35:54
和低延遲的好處，以及在本地環(huán)境下做決定和采取行動(dòng)的能力，而不需要依賴(lài)互聯(lián)網(wǎng)連接。這是 TinyML 的領(lǐng)域，像 Edge Impulse 這樣的平臺(tái)公司正在構(gòu)建基于云的傳感器數(shù)據(jù)收集工具和機(jī)器學(xué)習(xí)架構(gòu)
2022-06-21 11:06:37
，TinyML 不依賴(lài)于圖形處理單元(gpu)、特定于應(yīng)用程序的集成電路(asic)和像大多數(shù) ML 應(yīng)用程序一樣的微處理器。圖3中顯示了一個(gè)使用 Arduino 的示例學(xué)習(xí)工具包。圖3. TinyML
2022-04-12 10:20:35
為了保持“聯(lián)系和聯(lián)絡(luò)”，消費(fèi)者越來(lái)越多地依賴(lài)于他們的便攜式設(shè)備，其范圍包括了從智能手機(jī)、個(gè)人媒體播放器與數(shù)碼相機(jī)到新興的解決方案，例如筆記本電腦等。目前的手持設(shè)備可為多種應(yīng)用服務(wù)，并提供了各種不同的功能，這轉(zhuǎn)而依賴(lài)于終端應(yīng)用的大容量存儲(chǔ)，眾多的功能以及技術(shù)挑戰(zhàn)。
2019-07-19 06:37:23
人可以有自我學(xué)習(xí)的技能，而機(jī)器人只能被灌輸既定的知識(shí)嗎？如何實(shí)現(xiàn)機(jī)器人的自我學(xué)習(xí)？考慮一個(gè)罐子，里面裝著橙色和綠色的彈珠。如何估計(jì)里面的橙色彈珠比例？一種方法是抽樣。如果樣本大小為N，樣本中橙色彈珠
2016-03-04 10:34:38
該項(xiàng)目演示如何使用 Python 訓(xùn)練兩種不同的機(jī)器學(xué)習(xí)模型來(lái)檢測(cè)電動(dòng)機(jī)中的異常情況。 第一個(gè)模型依賴(lài)于馬哈拉諾比斯距離的經(jīng)典機(jī)器學(xué)習(xí)技術(shù)。 第二個(gè)模型是使用 TensorFlow 和 Keras
2021-09-08 08:14:56
應(yīng)用找到了用武之地。制造商一直以來(lái)都依賴(lài)于工業(yè)應(yīng)用中的機(jī)器視覺(jué)系統(tǒng)，但隨著先進(jìn)機(jī)器人技術(shù)和機(jī)器學(xué)習(xí)技術(shù)的涌現(xiàn)以及向工業(yè)4.0制造模式的轉(zhuǎn)變，嵌入式視覺(jué)應(yīng)用的疆土在逐步擴(kuò)大?，F(xiàn)代汽車(chē)采用的電子產(chǎn)品
2019-07-18 07:52:48
高層模塊不應(yīng)該依賴(lài)低層模塊，兩者都應(yīng)該依賴(lài)其抽象；抽象不應(yīng)該依賴(lài)細(xì)節(jié)，細(xì)節(jié)應(yīng)該依賴(lài)抽象。高層模塊不直接依賴(lài)低層的實(shí)現(xiàn)，而是依賴(lài)于底層模塊的抽象。但是抽象接口不是通過(guò)底層模塊的來(lái)實(shí)現(xiàn)嗎，應(yīng)該是抽象接口
2021-09-17 07:25:16
小白 機(jī)器學(xué)習(xí)和深度學(xué)習(xí)必讀書(shū)籍+機(jī)器學(xué)習(xí)實(shí)戰(zhàn)視頻PPT+大數(shù)據(jù)分析書(shū)籍推薦！
2019-07-22 17:02:39
嗨，我是開(kāi)發(fā)新手，所以我想知道是否有人可以幫助我開(kāi)發(fā)依賴(lài)于Stm8s的壓力傳感器的代碼。任何人都可以給我功能和引腳使用。謝謝。以上來(lái)自于谷歌翻譯以下為原文 Hi,i'm new
2019-07-11 06:35:30
從傳統(tǒng)的工業(yè)機(jī)器人系統(tǒng)到當(dāng)今最新的協(xié)作機(jī)器人，各類(lèi)機(jī)器人都依賴(lài)于能夠生成和處理大量高度變化數(shù)據(jù)的傳感器。這些數(shù)據(jù)可用于啟用能夠做出實(shí)時(shí)決策的自主機(jī)器人，從而實(shí)現(xiàn)更智能的事件管理，同時(shí)在動(dòng)態(tài)的真實(shí)環(huán)境
2022-11-08 06:54:12
為什么物聯(lián)網(wǎng)實(shí)際上依賴(lài)于舊技術(shù)？
2021-06-15 08:44:52
直接依賴(lài)于 WS2812FX() 類(lèi)中的 LED 數(shù)量和
模式下 WI-Fi 的穩(wěn)定性。（在客戶(hù)端模式下，穩(wěn)定性要高得多。）。
？？
我的簡(jiǎn)化代碼在附件中注意：起始頁(yè)地址為192.168.4.1 1
2023-05-22 07:58:18
通道需要多少緩沖區(qū)？一個(gè)緩沖區(qū)的大小取決于USB端點(diǎn)配置嗎？緩沖區(qū)的數(shù)量取決于USB端點(diǎn)配置嗎？DMA準(zhǔn)備標(biāo)志如何依賴(lài)于DMA緩沖區(qū)狀態(tài)？它只描述一個(gè)緩沖狀態(tài)或所有緩沖狀態(tài)嗎？“活動(dòng)”狀態(tài)指示緩沖器
2019-07-19 13:30:37
數(shù)據(jù)采集向高精度和高速度兩個(gè)方向發(fā)展。高精度數(shù)據(jù)采集依賴(lài)于A／D器件的精度，高速度數(shù)據(jù)采集不僅依賴(lài)于A／D器件的速度還依賴(lài)于數(shù)據(jù)采集系統(tǒng)的設(shè)計(jì)。高速數(shù)據(jù)采集按是否可連續(xù)采集而可以分為兩類(lèi)。
2019-10-22 06:32:43
0 引言
數(shù)據(jù)采集向高精度和高速度兩個(gè)方向發(fā)展。高精度數(shù)據(jù)采集依賴(lài)于A/D器件的精度，高速度數(shù)據(jù)采集不僅依賴(lài)于A/D器件的速度還依賴(lài)于數(shù)據(jù)采集系統(tǒng)的設(shè)
2010-09-08 09:18:221467 
數(shù)據(jù)采集向高精度和高速度兩個(gè)方向發(fā)展。高精度數(shù)據(jù)采集依賴(lài)于A／D器件的精度，高速度數(shù)據(jù)采集不僅依賴(lài)于A／D器件的速度還依賴(lài)于數(shù)據(jù)采集系統(tǒng)的設(shè)計(jì)。高速數(shù)據(jù)采集按是否可連續(xù)
2012-05-16 14:45:551252 
數(shù)據(jù)倉(cāng)庫(kù)當(dāng)中需要同時(shí)存在 WOS 和 ROS，這樣對(duì)于所有的寫(xiě)操作我們都生成 WOS 型文件；同時(shí)所有的讀操作，則主要依賴(lài)于 ROS 文件，但也要查詢(xún)少量的 WOS 文件
2017-11-26 11:17:064825 
針對(duì)現(xiàn)有日志分類(lèi)方法只適用于格式化的日志，且性能依賴(lài)于日志結(jié)構(gòu)的問(wèn)題，基于機(jī)器學(xué)習(xí)方法對(duì)日志信息解析算法LogSig進(jìn)行了擴(kuò)展改進(jìn)，并設(shè)計(jì)開(kāi)發(fā)了一個(gè)集數(shù)據(jù)處理與結(jié)果分析于一體的日志解析系統(tǒng)，包括
2018-03-29 15:33:57
4 與NIPS展示的研究類(lèi)似，多模態(tài)圖像轉(zhuǎn)換依賴(lài)于無(wú)監(jiān)督式學(xué)習(xí)和生成式對(duì)抗網(wǎng)絡(luò) (GAN) 這兩項(xiàng)深度學(xué)習(xí)技術(shù)，賦予設(shè)備更多“想象力”，例如“想象”一條陽(yáng)光普照的街道在暴風(fēng)雨或冬季時(shí)的景象。
2018-04-27 11:12:594423 初看的話(huà)，會(huì)覺(jué)得機(jī)器學(xué)習(xí)和人工智能，數(shù)據(jù)挖掘講的東西很像，實(shí)際他們之間的關(guān)系可以概括為：
機(jī)器學(xué)習(xí)是人工智能的一個(gè)子方向 機(jī)器學(xué)習(xí)是數(shù)據(jù)挖掘的一種實(shí)現(xiàn)方式
2018-05-18 08:37:001904 
海洋資源大開(kāi)發(fā)時(shí)代，國(guó)內(nèi)海上精確定位技術(shù)長(zhǎng)期依賴(lài)于GPS的局面被一項(xiàng)自主研發(fā)的“高科技”打破。由哈爾濱工程大學(xué)研發(fā)的“北斗海洋廣域差分高精度定位終端”填補(bǔ)了我國(guó)北斗導(dǎo)航在高端海洋工程平臺(tái)應(yīng)用的空白
2018-06-06 09:50:001043 所有的機(jī)器學(xué)習(xí)算法都或多或少的依賴(lài)于對(duì)目標(biāo)函數(shù)最大化或者最小化的過(guò)程。我們常常將最小化的函數(shù)稱(chēng)為損失函數(shù)，它主要用于衡量模型的預(yù)測(cè)能力。
2018-06-13 17:53:538128 
《機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘：方法和應(yīng)用》 來(lái)源：互聯(lián)網(wǎng)(轉(zhuǎn)載協(xié)議)發(fā)布日期：2011-09-16 09:56瀏覽： 7729 次專(zhuān)欄投稿值班編輯：QQ281688302 《機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘：方法
2018-06-27 18:38:01639 雖然許多硬件計(jì)算單元（GPU、FPGA 等）的計(jì)算能力很強(qiáng)大，但是它們的內(nèi)存資源（即設(shè)備內(nèi)存）非常稀缺。當(dāng)它們不能提供模型運(yùn)行所需要的內(nèi)存資源時(shí)，要么運(yùn)算不能夠進(jìn)行下去，要么就需要將計(jì)算所需的數(shù)據(jù)
2018-07-03 11:42:158994 現(xiàn)今流行的各種機(jī)器學(xué)習(xí)算法都依賴(lài)于大數(shù)據(jù)，并且在數(shù)據(jù)量大的時(shí)候工作效果更好。當(dāng)數(shù)據(jù)量較小的時(shí)候，你也可以運(yùn)用機(jī)器學(xué)習(xí)算法，但是一定要注意以下兩點(diǎn)：所選用的模型不受局外點(diǎn)的影響；所選模型沒(méi)有過(guò)度復(fù)雜
2018-07-03 14:51:382712 如果沒(méi)有RFID、模擬傳感器和8位微處理器等技術(shù)，物聯(lián)網(wǎng)將不會(huì)像現(xiàn)在這樣。
2018-10-10 11:45:533231 在大數(shù)據(jù)時(shí)代，不再依賴(lài)于采樣的人們可以獲得并分析更多的數(shù)據(jù)，更清楚地發(fā)現(xiàn)樣本無(wú)法揭示的細(xì)節(jié)信息，隨著計(jì)算機(jī)處理能力的日益強(qiáng)大，人工智能機(jī)器學(xué)習(xí)系統(tǒng)的不斷升級(jí)，龐大的數(shù)據(jù)給人們帶來(lái)的價(jià)值成倍攀升。
2018-10-12 09:14:345539 機(jī)器學(xué)習(xí)教計(jì)算機(jī)執(zhí)行人和動(dòng)物與生俱來(lái)的活動(dòng)：從經(jīng)驗(yàn)中學(xué)習(xí)。機(jī)器學(xué)習(xí)算法使用計(jì)算方法直接從數(shù)據(jù)中“學(xué)習(xí)”信息，而不依賴(lài)于預(yù)定方程模型。當(dāng)可用于學(xué)習(xí)的樣本數(shù)量增加時(shí)，這些算法可自適應(yīng)提高性能。
2018-11-15 15:35:5431 從本質(zhì)上說(shuō)，區(qū)塊鏈依賴(lài)于一個(gè)“分類(lèi)賬”系統(tǒng)，這當(dāng)然不是什么新鮮事。自從泥板被用來(lái)記錄金融交易以來(lái)，就有了分類(lèi)帳。復(fù)式記賬是基于永久的分類(lèi)賬，其中增加了新的分錄，而以前的分錄則保持不變。每個(gè)交易
2018-11-30 11:13:28745 物聯(lián)網(wǎng)的成功不僅僅是通過(guò)連網(wǎng)棱鏡復(fù)制現(xiàn)有的商業(yè)模式，它還依賴(lài)于發(fā)展強(qiáng)大的價(jià)值鏈和生態(tài)系統(tǒng)。
2019-02-19 16:00:353661 本文檔的主要內(nèi)容詳細(xì)介紹的是PHP簡(jiǎn)單實(shí)現(xiàn)不依賴(lài)于Unix系統(tǒng)Cron的定時(shí)任務(wù)程序資料說(shuō)明。
2019-03-01 16:52:002 醫(yī)療機(jī)器人是從醫(yī)學(xué)的需求發(fā)展而來(lái)的。現(xiàn)代手術(shù)進(jìn)入到了微創(chuàng)時(shí)代，微創(chuàng)手術(shù)的成功不僅依賴(lài)于技術(shù)精湛的醫(yī)生大夫，也依賴(lài)于醫(yī)生手里優(yōu)良的手術(shù)工具。機(jī)器人在手術(shù)的準(zhǔn)確性、可靠性和精準(zhǔn)性上遠(yuǎn)遠(yuǎn)超過(guò)了外科醫(yī)生，所以醫(yī)用機(jī)器人在未來(lái)的前景非?？捎^(guān)。
2019-05-15 18:25:053900 在數(shù)字化轉(zhuǎn)型中，技術(shù)依賴(lài)于其他技術(shù)來(lái)追趕。
2019-07-10 14:05:05783 工業(yè)機(jī)器人未來(lái)市場(chǎng)增長(zhǎng)依賴(lài)于下游新需求的拉動(dòng)，比如新能源汽車(chē)行業(yè)持續(xù)爆發(fā)，5G相關(guān)產(chǎn)品投入等。
2019-07-12 14:15:062390 推薦算法是一種機(jī)器學(xué)習(xí)算法，所以算法模型的質(zhì)量強(qiáng)依賴(lài)于用于算法訓(xùn)練的數(shù)據(jù)集，這里我們簡(jiǎn)單提下推薦系統(tǒng)可以利用的數(shù)據(jù)有哪些(參考下面圖2及上面圖1的數(shù)據(jù)源)。
2019-07-18 15:19:305450 
學(xué)習(xí)和自然語(yǔ)言處理。
機(jī)器學(xué)習(xí)是人工智能的一個(gè)分支，它的目標(biāo)是讓計(jì)算機(jī)能夠自己學(xué)習(xí)。機(jī)器的學(xué)習(xí)算法使其能夠識(shí)別數(shù)據(jù)中的模式，然后構(gòu)建解釋世界的模型，并在沒(méi)有明確預(yù)先編程規(guī)則和模型的情況下預(yù)測(cè)事物。
2019-07-18 15:22:40662 工業(yè)機(jī)器人通常位于“封閉”環(huán)境中，出于安全原因，如果該環(huán)境中有人類(lèi)進(jìn)入，機(jī)器人會(huì)停止移動(dòng)。
2019-08-02 15:42:27872 包裝設(shè)計(jì)不再像以前那樣簡(jiǎn)單。由于高速器件和高級(jí)封裝類(lèi)型的復(fù)雜性，芯片設(shè)計(jì)人員不能總是依賴(lài)于他們過(guò)去使用的許多傳統(tǒng)技術(shù)和計(jì)算。他們必須分析和控制新參數(shù)以?xún)?yōu)化設(shè)計(jì)。
2019-08-13 11:45:441740 像蘋(píng)果Siri這樣的個(gè)人助理通過(guò)自然語(yǔ)言命令來(lái)完成任務(wù)。然而，它們的底層組件通常依賴(lài)于監(jiān)督機(jī)器學(xué)習(xí)算法，這些算法需要大量手工注釋的訓(xùn)練數(shù)據(jù)。
2019-09-24 16:31:41484 情感計(jì)算系統(tǒng)正被開(kāi)發(fā)用來(lái)識(shí)別、解釋和處理人類(lèi)的經(jīng)驗(yàn)和情感。它們都依賴(lài)于大量的人類(lèi)行為數(shù)據(jù)，由各種硬件捕獲，并由一系列復(fù)雜的機(jī)器學(xué)習(xí)軟件應(yīng)用程序處理。
2019-11-24 07:54:003779 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域中的一個(gè)新興學(xué)科，它的目標(biāo)是研究出一種可以發(fā)現(xiàn)數(shù)據(jù)內(nèi)在特征的算法，通過(guò)組合數(shù)據(jù)的低層特征形成更加抽象的高層表示或?qū)傩浴Ｄ壳?，大多?shù)機(jī)器學(xué)習(xí)算法的性能?chē)?yán)重依賴(lài)于其所選樣本的特征
2019-12-11 15:44:007 越來(lái)越多的企業(yè)依賴(lài)于物聯(lián)網(wǎng)（IoT）設(shè)備來(lái)提供服務(wù)。因此，必須重新考慮網(wǎng)絡(luò)體系結(jié)構(gòu)。幾乎每個(gè)企業(yè)公司都使用各種形式的云，它們依賴(lài)于集中式網(wǎng)絡(luò)。
2020-01-09 10:15:42336 越來(lái)越多的企業(yè)依賴(lài)于物聯(lián)網(wǎng)（IoT）設(shè)備來(lái)提供服務(wù)。因此，必須重新考慮網(wǎng)絡(luò)體系結(jié)構(gòu)。
2020-01-14 14:55:47415 在需求分析的基礎(chǔ)上按照ER圖的方法把現(xiàn)實(shí)世界抽象為一個(gè)不依賴(lài)于任何機(jī)器的概念模型。邏輯結(jié)構(gòu)設(shè)計(jì)的任務(wù)是將基本概念模型圖轉(zhuǎn)換為與選用的數(shù)據(jù)模型相符合的邏輯結(jié)構(gòu) 。
2020-01-15 11:34:1512 Google以收集到的大量數(shù)據(jù)而聞名，而強(qiáng)大的服務(wù)可以訪(fǎng)問(wèn)如此大量的信息?，F(xiàn)在，該公司的大多數(shù)項(xiàng)目都依賴(lài)于根據(jù)此類(lèi)數(shù)據(jù)訓(xùn)練的機(jī)器學(xué)習(xí)模型。
2020-03-15 17:16:221811 物聯(lián)網(wǎng)分析是指，依賴(lài)于從連網(wǎng)傳感器（也稱(chēng)為物聯(lián)網(wǎng)設(shè)備）收集到的數(shù)據(jù)進(jìn)行分析。
2020-03-19 10:29:19372 技術(shù)的進(jìn)步繼續(xù)推動(dòng)工作場(chǎng)所的變化，改變員工的任務(wù)，工作重點(diǎn)和跨不同學(xué)科的要求技能，尤其是在營(yíng)銷(xiāo)和廣告領(lǐng)域。
2020-03-23 10:54:24455 物聯(lián)網(wǎng)分析是指，依賴(lài)于從連網(wǎng)傳感器（也稱(chēng)為物聯(lián)網(wǎng)設(shè)備）收集到的數(shù)據(jù)進(jìn)行分析。
2020-03-31 14:35:29434 機(jī)器學(xué)習(xí)已經(jīng)邁出了物聯(lián)網(wǎng)世界的第一步。自動(dòng)駕駛汽車(chē)是最大的物聯(lián)網(wǎng)設(shè)備之一，即使只提供部分自動(dòng)駕駛功能的汽車(chē)，如特斯拉，也非常依賴(lài)于機(jī)器學(xué)習(xí)。
2020-04-10 17:24:05493 慣性導(dǎo)航系統(tǒng)（INS）也稱(chēng)作慣性參考系統(tǒng)，是一種不依賴(lài)于外部信息、也不向外部輻射能量（如無(wú)線(xiàn)電導(dǎo)航那樣）的自主式導(dǎo)航系統(tǒng)。其工作環(huán)境不僅包括空中、地面，還可以在水下。 慣性導(dǎo)航的基本工作原理是以牛頓
2020-06-08 15:29:432058 人工智能和機(jī)器學(xué)習(xí)依賴(lài)于高價(jià)值數(shù)據(jù)，這意味著IT部門(mén)需要對(duì)其網(wǎng)絡(luò)中發(fā)生的事情有適當(dāng)?shù)目梢?jiàn)性。
2020-05-03 11:54:001350 人工智能和機(jī)器學(xué)習(xí)依賴(lài)于高價(jià)值數(shù)據(jù)，這意味著IT部門(mén)需要對(duì)其網(wǎng)絡(luò)中發(fā)生的事情有適當(dāng)?shù)目梢?jiàn)性。
2020-05-04 09:44:00302 移動(dòng)即服務(wù)（MaaS）被認(rèn)為是智能移動(dòng)的一個(gè)關(guān)鍵要素，而機(jī)器人汽車(chē)技術(shù)將是智能移動(dòng)的一個(gè)重要因素，它又高度依賴(lài)于嵌入式傳感器。
2020-05-09 10:28:33470 人工智能和機(jī)器學(xué)習(xí)依賴(lài)于高價(jià)值數(shù)據(jù)，這意味著IT部門(mén)需要對(duì)其網(wǎng)絡(luò)中發(fā)生的事情有適當(dāng)?shù)目梢?jiàn)性。
2020-05-14 18:04:17423 該研究依賴(lài)于英特爾在深度移植學(xué)習(xí)中對(duì)靜態(tài)惡意軟件分類(lèi)的早期工作。深度學(xué)習(xí)是人工智能的組成部分，它依賴(lài)于機(jī)器學(xué)習(xí)（即自行學(xué)習(xí)的智能計(jì)算機(jī)網(wǎng)絡(luò)）。
2020-07-07 17:32:232695 
要實(shí)現(xiàn)fputc函數(shù)的原因是：printf函數(shù)依賴(lài)于fputc函數(shù)，重新實(shí)現(xiàn)fputc內(nèi)部從串口發(fā)送數(shù)據(jù)即可間接地實(shí)現(xiàn)printf打印輸出數(shù)據(jù)到串口。
2020-08-05 10:52:044277 
人工智能依賴(lài)于深度學(xué)習(xí)和機(jī)器學(xué)習(xí)方法來(lái)引入和增強(qiáng)各種系統(tǒng)。使用深度學(xué)習(xí)方法開(kāi)發(fā)的預(yù)訓(xùn)練模型高度依賴(lài)于實(shí)際數(shù)據(jù)。但是，按時(shí)獲取數(shù)據(jù)并設(shè)法將其合并到現(xiàn)有系統(tǒng)中可能是一個(gè)挑戰(zhàn)。這就是AI朝著新的更好數(shù)據(jù)發(fā)展的原因。
2020-08-26 11:35:008865 自動(dòng)工廠(chǎng)依賴(lài)于諸如運(yùn)動(dòng)控制器和機(jī)器人等各類(lèi)組件之間的實(shí)時(shí)通信，且這種通信必須實(shí)時(shí)進(jìn)行。例如，對(duì)由100英尺外可編程邏輯控制器（PLC）控制的機(jī)器人發(fā)出的運(yùn)動(dòng)命令延遲可能會(huì)導(dǎo)致最終產(chǎn)品具有缺陷。
2020-09-07 14:46:161826 
雖然術(shù)語(yǔ)AI和ML可以互換使用，但前者的目標(biāo)是任務(wù)的成功，而后者則確保任務(wù)的準(zhǔn)確性。因此，解決一個(gè)復(fù)雜的問(wèn)題是通過(guò)人工智能訓(xùn)練來(lái)完成的，但是通過(guò)從數(shù)據(jù)和已經(jīng)執(zhí)行的任務(wù)中學(xué)習(xí)來(lái)最大限度地提高效率是ML的概念。ML依賴(lài)于大數(shù)據(jù)集來(lái)找到共同的模式，并基于概率進(jìn)行預(yù)測(cè)。
2020-10-13 10:05:403525 事實(shí)上，非常多的AI動(dòng)作和應(yīng)用場(chǎng)景依賴(lài)于合適的傳感器來(lái)達(dá)成。相比于隔壁幾個(gè)領(lǐng)域的鑼鼓喧天，這個(gè)領(lǐng)域確實(shí)太寂寞了點(diǎn)。
2020-10-20 11:05:241763 跨所有通道的快速跟蹤非接觸式數(shù)字支持每天產(chǎn)生數(shù)TB的數(shù)據(jù)，這對(duì)于訓(xùn)練受監(jiān)督的機(jī)器學(xué)習(xí)算法至關(guān)重要。無(wú)監(jiān)督的機(jī)器學(xué)習(xí)算法依賴(lài)于TB級(jí)的數(shù)據(jù)來(lái)發(fā)現(xiàn)金融服務(wù)數(shù)據(jù)中以前未知的模式。
2020-11-15 10:02:541259 機(jī)器視覺(jué)系統(tǒng)中，視覺(jué)信息的處理技術(shù)主要依賴(lài)于圖像處理方法，它包括圖像增強(qiáng)、數(shù)據(jù)編碼和傳輸、平滑、邊緣銳
2021-03-30 11:05:073411 “我們使用LabVIEW獨(dú)立開(kāi)發(fā)了數(shù)據(jù)采集系統(tǒng)和日志文件工具，我們的系統(tǒng)完全依賴(lài)于NI產(chǎn)品的速度和精度。” - Thomas J. Mangliers， DGE Inc.
2021-04-13 10:18:173701 鏈作為一種可用于分享數(shù)據(jù)和機(jī)器學(xué)習(xí)模型的區(qū)抉鏈，基于骨架網(wǎng)絡(luò)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，以全網(wǎng)節(jié)點(diǎn)匿名分享的數(shù)據(jù)作為訓(xùn)練模型的數(shù)據(jù)集，實(shí)現(xiàn)了不依賴(lài)第三方更新神經(jīng)網(wǎng)絡(luò)模型。模型鏈?zhǔn)褂铆h(huán)簽名來(lái)倸護(hù)用戶(hù)欻捃隱私，節(jié)點(diǎn)訓(xùn)練的模
2021-04-14 16:09:2615 融合零樣本學(xué)習(xí)和小樣本學(xué)習(xí)的弱監(jiān)督學(xué)習(xí)方法綜述 來(lái)源：《系統(tǒng)工程與電子技術(shù)》，作者潘崇煜等 摘 要:?深度學(xué)習(xí)模型嚴(yán)重依賴(lài)于大量人工標(biāo)注的數(shù)據(jù)，使得其在數(shù)據(jù)缺乏的特殊領(lǐng)域內(nèi)應(yīng)用嚴(yán)重受限。面對(duì)數(shù)據(jù)缺乏
2022-02-09 11:22:371731 
我們?cè)谏弦黄疃?b class="flag-6" style="color: red">學(xué)習(xí)用于動(dòng)態(tài)系統(tǒng)建模（點(diǎn)擊跳轉(zhuǎn)）的文章中針對(duì)動(dòng)態(tài)系統(tǒng)的特性與數(shù)據(jù)驅(qū)動(dòng)的動(dòng)機(jī)進(jìn)行了論述。我們介紹了動(dòng)態(tài)系統(tǒng)當(dāng)前輸出不僅依賴(lài)于當(dāng)前的輸入，還依賴(lài)于系統(tǒng)過(guò)去的行為（歷史輸入和歷史輸出）。我們也介紹了什么場(chǎng)景下使用深度學(xué)習(xí)/系統(tǒng)辨識(shí)來(lái)進(jìn)行系統(tǒng)建模。
2022-04-28 15:40:121357 你可能會(huì)考慮為什么我們要使用LSTM-CNN模型而不是基本的機(jī)器學(xué)習(xí)方法？ 機(jī)器學(xué)習(xí)方法在很大程度上依賴(lài)于啟發(fā)式手動(dòng)特征提取人類(lèi)活動(dòng)識(shí)別任務(wù)，而我們這里需要做的是端到端的學(xué)習(xí)，簡(jiǎn)化了啟發(fā)式手動(dòng)提取特征的操作。
2022-08-01 10:46:29810 深度相機(jī)正在成為一種基石模式，具有直接或間接依賴(lài)于測(cè)量深度的多種應(yīng)用，包括個(gè)人設(shè)備、機(jī)器人和自動(dòng)駕駛汽車(chē)。
2022-08-18 11:18:21722 在過(guò)去的幾年中，神經(jīng)網(wǎng)絡(luò)的興起與應(yīng)用成功推動(dòng)了模式識(shí)別和數(shù)據(jù)挖掘的研究。許多曾經(jīng)嚴(yán)重依賴(lài)于手工提取特征的機(jī)器學(xué)習(xí)任務(wù)（如目標(biāo)檢測(cè)、機(jī)器翻譯和語(yǔ)音識(shí)別），如今都已被各種端到端的深度學(xué)習(xí)范式（例如卷積
2022-09-22 10:16:34969 
進(jìn)入物聯(lián)網(wǎng)。以及它嵌入的強(qiáng)調(diào)。貨幣化依賴(lài)于（近）實(shí)時(shí)分析傳感器數(shù)據(jù)并對(duì)該信息采取行動(dòng)。這些領(lǐng)先的計(jì)劃假設(shè)大量數(shù)據(jù)可以無(wú)縫地輸入云環(huán)境，在那里可以執(zhí)行分析、分發(fā)方向和采取行動(dòng)，所有這些都在每個(gè)應(yīng)用程序所需的時(shí)間期限內(nèi)完成。
2022-12-01 16:41:03871 在邏輯設(shè)計(jì)里，比如需要分層解析數(shù)據(jù)的場(chǎng)景，往往當(dāng)前時(shí)鐘能消耗處理多少數(shù)據(jù)依賴(lài)于數(shù)據(jù)的實(shí)時(shí)解析，下一拍將移出已解析過(guò)的數(shù)據(jù)。本文就這種場(chǎng)景來(lái)做邏輯上的實(shí)現(xiàn)及優(yōu)化。
2022-12-05 10:36:21409 關(guān)鍵要點(diǎn)機(jī)器學(xué)習(xí)依賴(lài)于學(xué)習(xí)算法和統(tǒng)計(jì)模型來(lái)幫助系統(tǒng)識(shí)別模式，做出推斷，并在最少的人為干預(yù)下執(zhí)行任務(wù)。機(jī)器學(xué)習(xí)技術(shù)通過(guò)滿(mǎn)足功率、效率、性能、設(shè)計(jì)周期和安全性的要求，使電子電路的設(shè)計(jì)準(zhǔn)確、高效。將機(jī)器
2023-06-26 12:00:29606 
機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘的區(qū)別 ， 機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘的關(guān)系 機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘是如今熱門(mén)的領(lǐng)域。隨著數(shù)據(jù)規(guī)模的不斷擴(kuò)大，越來(lái)越多的人們認(rèn)識(shí)到數(shù)據(jù)分析的重要性。但是，機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘在實(shí)踐中常常被混淆
2023-08-17 16:30:001370 機(jī)器學(xué)習(xí)有哪些算法？機(jī)器學(xué)習(xí)分類(lèi)算法有哪些？機(jī)器學(xué)習(xí)預(yù)判有哪些算法？ 機(jī)器學(xué)習(xí)是一種人工智能技術(shù)，通過(guò)對(duì)數(shù)據(jù)的分析和學(xué)習(xí)，為計(jì)算機(jī)提供智能決策。機(jī)器學(xué)習(xí)算法是實(shí)現(xiàn)機(jī)器學(xué)習(xí)的基礎(chǔ)。常見(jiàn)的機(jī)器學(xué)習(xí)算法
2023-08-17 16:30:111245 誤區(qū)六：選擇機(jī)器人系統(tǒng)只依賴(lài)于控制系統(tǒng)的優(yōu)劣大多數(shù)機(jī)器人制造商考慮更多的可能是機(jī)器人的控制器而不是機(jī)械性能。但是假定一旦配置了機(jī)器人，正常運(yùn)轉(zhuǎn)時(shí)間就主要依賴(lài)于機(jī)械的耐用性。機(jī)器人性能差，很可能
2023-09-05 08:08:52347 
汽車(chē)燈光模組實(shí)現(xiàn)LED燈珠跟隨方向盤(pán)的轉(zhuǎn)動(dòng)，以實(shí)現(xiàn)轉(zhuǎn)向照明輔助，通常依賴(lài)于車(chē)輛的電子系統(tǒng)和傳感器技術(shù)。
2023-12-05 10:18:41712
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論