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

深度學習 文章 最新資訊

CNN(卷積神經網絡)、RNN(循環(huán)神經網絡)、DNN(深度神經網絡)的內部網絡結構的區(qū)別

  • 先說DNN，從結構上來說他和傳統(tǒng)意義上的NN（神經網絡）沒什么區(qū)別，但是神經網絡發(fā)展時遇到了一些瓶頸問題。一開始的神經元不能表示異或運算，科學家通過增加網絡層數，增加隱藏層可以表達。并發(fā)現神經網絡的層數直接決定了它對現實的表達能力。但是隨著層數的增加會出現局部函數越來越容易出現局部最優(yōu)解的現象，用數據訓練深層網絡有時候還不如淺層網絡，并會出現梯度消失的問題。我們經常使用sigmoid函數作為神經元的輸入輸出函數，在BP反向傳播梯度時，信號量為1的傳到下一層就變成0.25了，到最后面幾層基本無法達到調節(jié)參數
  • 關鍵字： DNN  深度神經網絡  深度學習  CNN  RNN  

深度神經網絡（DNN）模型與前向傳播算法

  • 　　深度神經網絡（Deep Neural Networks，以下簡稱DNN）是深度學習的基礎，而要理解DNN，首先我們要理解DNN模型，下面我們就對DNN的模型與前向傳播算法做一個總結?！　?.從感知機到神經網絡　　在感知機原理小結中，我們介紹過感知機的模型，它是一個有若干輸入和一個輸出的模型，如下圖:　　輸出和輸入之間學習到一個線性關系，得到中間輸出結果：　　z=∑i=1mwixi+bz=∑i=1mwixi+b　　接著是一個神經元激活函數:　　sign(z)={?11z<0z≥0sign(z)={
  • 關鍵字： DNN  深度神經網絡  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  深度神經網絡  深度學習  

深度學習干貨｜基于Tensorflow深度神經網絡(DNN)詳解

  • 深度神經網絡(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的基本結構神經網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網絡。多層神經網絡和深度神經網絡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，神經網絡層可以分為三類，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，而中間的層數都是隱藏層。網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
  • 關鍵字： DNN  深度神經網絡  深度學習  

大聯(lián)大世平集團推出基于Cambricon產品的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，讓現場的技術人員可以在擷取到數據后立即看到結果，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IEEE數據顯示，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”為產業(yè)賦能，推動產業(yè)AI化轉型和升級。目前，Poplar? SDK 2.3與百度飛槳2.3已經完全集成，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、開源開放的產業(yè)級深度學習平臺。截至2022年5月，百度飛槳已經匯聚了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神經網絡加速器（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據質量管控自動化

  • 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，并使用深度學習網絡來自動辨識測量下取得的雷達數據，進一步提升Wavex系統(tǒng)的表現與可靠度。對海上船只而言，海浪、洋流、對水航速（speed through water）等量測數據的準確性，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有的AI計劃產生負面影響，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  數據科學  

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模型實驗所需的數據集來自華為云人工智能大賽提供的垃圾分類數據集，共有44種垃圾類別，圖片數為1.9萬張。經測試發(fā)現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)網設備在市場上普及，并深入包括消費性物聯(lián)網設備、工業(yè)應用和網絡、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?！绑@鴻7100”的出現，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絡在遙感圖像應用中減少對標注數據的需求。深度學習是一個了不起的方法，用于遙感數據集，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據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絡來在遙感數據的目標檢測任務中避免標注大型訓練數據集的大量繁瑣工作。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  
共176條 2/12 « 1 2 3 4 5 6 7 8 9 10 » ›|

深度學習介紹

您好，目前還沒有人創(chuàng)建詞條深度學習!
歡迎您創(chuàng)建該詞條，闡述對深度學習的理解，并與今后在此搜索深度學習的朋友們分享。    創(chuàng)建詞條

熱門主題

樹莓派    linux   
關于我們 - 廣告服務 - 企業(yè)會員服務 - 網站地圖 - 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    京公網安備11010802012473