首頁　 資訊　 商機(jī) 　 下載　 拆解 　 高校　 招聘 　 雜志　 會(huì)展　 EETV　 百科 　 問答　 電路圖　 工程師手冊(cè) 　 Datasheet　 100例 　 活動(dòng)中心　 E周刊閱讀 　 樣片申請(qǐng)
EEPW首頁 >> 主題列表 >> cnn

借助支持邊緣AI的MCU優(yōu)化實(shí)時(shí)控制系統(tǒng)中的系統(tǒng)故障檢測(cè)

  • 當(dāng)前關(guān)于人工智能(AI)和神經(jīng)網(wǎng)絡(luò)的討論主要集中在生成應(yīng)用（生成圖像、文本和視頻），很容易忽視AI將為工業(yè)和基礎(chǔ)設(shè)施應(yīng)用中的電子產(chǎn)品帶來變革的實(shí)際示例。不過，雖然在電機(jī)驅(qū)動(dòng)器、太陽能（如圖 1 所示）和電池管理應(yīng)用的實(shí)時(shí)控制系統(tǒng)中采用 AI 不會(huì)像新的大型語言模型那樣引起大量關(guān)注，但使用邊緣 AI 進(jìn)行故障檢測(cè)可以顯著影響系統(tǒng)的效率、安全性和生產(chǎn)力。圖1 太陽能電池板陣列本文中將討論集成式微控制器 (MCU) 如何增強(qiáng)高壓實(shí)時(shí)控制系統(tǒng)中的故障檢測(cè)功能。此類 MCU 使用集成神經(jīng)網(wǎng)絡(luò)處理單元 (NPU) 運(yùn)
  • 關(guān)鍵字： 邊緣AI  MCU  微控制器  故障檢測(cè)  CNN  TMS320  

川普批中國(guó)臺(tái)灣偷走美芯片 CNN抱不平揭真相

  • 美國(guó)前總統(tǒng)川普日前受訪再度炮轟「中國(guó)臺(tái)灣偷走芯片業(yè)」，但CNN一篇文章指出，事實(shí)絕非如此，「中國(guó)臺(tái)灣絕非偷竊，而是透過遠(yuǎn)見、努力和投資，發(fā)展了自己的半導(dǎo)體產(chǎn)業(yè)」。   日前美國(guó)前總統(tǒng)川普接受《彭博商業(yè)周刊》采訪時(shí)說，中國(guó)臺(tái)灣偷走美國(guó)價(jià)值千億美元芯片生意。不過CNN一篇報(bào)導(dǎo)指出，若干產(chǎn)業(yè)專家分析指出，中國(guó)臺(tái)灣之所以能坐擁芯片江山要?dú)w功于遠(yuǎn)見、努力與投資，絕對(duì)沒有偷竊之說?，F(xiàn)年93歲的臺(tái)積電創(chuàng)辦人張忠謀，曾在英特爾（Intel）、摩托羅拉（Motorola）、德州儀器（Texas Instrumen
  • 關(guān)鍵字： 川普  芯片  CNN  臺(tái)積電  

CNN(卷積神經(jīng)網(wǎng)絡(luò))、RNN(循環(huán)神經(jīng)網(wǎng)絡(luò))、DNN(深度神經(jīng)網(wǎng)絡(luò))的內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)的區(qū)別

  • 先說DNN，從結(jié)構(gòu)上來說他和傳統(tǒng)意義上的NN（神經(jīng)網(wǎng)絡(luò)）沒什么區(qū)別，但是神經(jīng)網(wǎng)絡(luò)發(fā)展時(shí)遇到了一些瓶頸問題。一開始的神經(jīng)元不能表示異或運(yùn)算，科學(xué)家通過增加網(wǎng)絡(luò)層數(shù)，增加隱藏層可以表達(dá)。并發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)的層數(shù)直接決定了它對(duì)現(xiàn)實(shí)的表達(dá)能力。但是隨著層數(shù)的增加會(huì)出現(xiàn)局部函數(shù)越來越容易出現(xiàn)局部最優(yōu)解的現(xiàn)象，用數(shù)據(jù)訓(xùn)練深層網(wǎng)絡(luò)有時(shí)候還不如淺層網(wǎng)絡(luò)，并會(huì)出現(xiàn)梯度消失的問題。我們經(jīng)常使用sigmoid函數(shù)作為神經(jīng)元的輸入輸出函數(shù)，在BP反向傳播梯度時(shí)，信號(hào)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(dá)到調(diào)節(jié)參數(shù)
  • 關(guān)鍵字： DNN  深度神經(jīng)網(wǎng)絡(luò)  深度學(xué)習(xí)  CNN  RNN  

銅電解極板短路檢測(cè)方法綜述

  • 在銅電解精煉過程中陰陽極板的電流分布不均會(huì)導(dǎo)致陰極板上產(chǎn)生銅粒，銅結(jié)粒將造成陰陽極板短路且陰極板溫度升高，繼而造成較高的電能消耗以及銅的品質(zhì)下降。針對(duì)紅外熱像圖進(jìn)行銅電解極板短路檢測(cè)過程，我們列舉了工業(yè)生產(chǎn)上常用的檢測(cè)方法，并分析了國(guó)內(nèi)外學(xué)者對(duì)此問題的研究，他們普遍存在熱像圖模糊、極板目標(biāo)紋理特征不明顯、背景雜亂以及圖像特征選取不當(dāng)造成檢測(cè)準(zhǔn)確率低的問題，提出了一種基于快速候選區(qū)域提取卷積神經(jīng)網(wǎng)絡(luò)（Faster R-CNN）與紅外熱像圖的銅電解極板短路檢測(cè)方法。
  • 關(guān)鍵字： 202104  銅電解  極板短路檢測(cè)  Faster R-CNN  

格芯贏得AI芯片業(yè)務(wù)

  • 像Nvidia這樣的芯片巨頭可以負(fù)擔(dān)得起7nm技術(shù)，但初創(chuàng)公司和其他規(guī)模較小的公司卻因?yàn)閺?fù)雜的設(shè)計(jì)規(guī)則和高昂的流片成本而掙扎不已——所有這些都是為了在晶體管速度和成本方面取得適度的改善。格芯的新型12LP+技術(shù)提供了一條替代途徑，通過減小電壓而不是晶體管尺寸來降低功耗。格芯還開發(fā)了專門針對(duì)AI加速而優(yōu)化的新型SRAM和乘法累加(MAC)電路。其結(jié)果是，典型AI運(yùn)算的功耗最多可減少75%。Groq和Tenstorrent等客戶已經(jīng)利用初代12LP技術(shù)獲得了業(yè)界領(lǐng)先的結(jié)果，首批采用12LP+工藝制造的產(chǎn)品將于
  • 關(guān)鍵字： AI  CNN  SRAM  CPU  芯片  

e絡(luò)盟發(fā)布新一期人工智能電子書，激發(fā)廣大讀者創(chuàng)新應(yīng)用開發(fā)熱情

  • 全球電子元器件與開發(fā)服務(wù)分銷商 e絡(luò)盟 新近發(fā)布名為《AIoT時(shí)代——AIoT發(fā)展背景、功能與未來》的電子書，旨在為專業(yè)工程師、創(chuàng)客和電子愛好者提供人工智能相關(guān)專業(yè)知識(shí)，助力他們更加順利地進(jìn)行人工智能應(yīng)用開發(fā)并開拓出更多新型市場(chǎng)應(yīng)用。本冊(cè)電子書匯集了人工智能詳細(xì)路線圖和類別，闡釋了人工智能、機(jī)器學(xué)習(xí)（ML）和深度學(xué)習(xí)（DL）之間的關(guān)系，并詳細(xì)介紹了神經(jīng)網(wǎng)絡(luò)相關(guān)技術(shù)。書中還向讀者推薦了數(shù)款適用于首次進(jìn)行人工智能物聯(lián)網(wǎng)方案開發(fā)的優(yōu)質(zhì)平臺(tái)。人工智能和物聯(lián)網(wǎng)將徹底改變?nèi)祟惖墓ぷ鞣绞健Ｄ壳?，人?/li>
  • 關(guān)鍵字： TTS  STT  AIoT  CNN  RNN  GAN  

Arm MCU在邊緣AI落地的方法

  • 　　魯?冰?（《電子產(chǎn)品世界》編輯）　　AI（人工智能）在M級(jí)的便宜的小器件上能不能落地？它需要什么資源，性能又怎么樣？不久前，Arm中國(guó)攜手恩智浦半導(dǎo)體在全國(guó)進(jìn)行了巡回講演。Arm中國(guó)高級(jí)市場(chǎng)經(jīng)理Eric Yang分享了AI的基礎(chǔ)知識(shí)，分析認(rèn)為邊緣AI可以通過在MCU這樣的小芯片上實(shí)現(xiàn)，并推介了Arm的軟件中間件NN——可以有效地對(duì)接算法和具體芯片，最后列舉出了Arm MCU的應(yīng)用案例。　　1 邊緣AI潛力巨大　　AI有沒有前途？　　前兩年AI非常火，AI公司支付的薪水很高。不過，2019年上半年以來，
  • 關(guān)鍵字： 201910  Arm MCU  AI  CNN  CMSIS-NN  

人工智能之卷積神經(jīng)網(wǎng)絡(luò)(CNN)

  • 　　前言：人工智能機(jī)器學(xué)習(xí)有關(guān)算法內(nèi)容，請(qǐng)參見公眾號(hào)“科技優(yōu)化生活”之前相關(guān)文章。人工智能之機(jī)器學(xué)習(xí)主要有三大類:1)分類;2)回歸;3)聚類。今天我們重點(diǎn)探討一下卷積神經(jīng)網(wǎng)絡(luò)(CNN)算法。 ^_^　　20世紀(jì)60年代，Hubel和Wiesel在研究貓腦皮層中用于局部敏感和方向選擇的神經(jīng)元時(shí)發(fā)現(xiàn)其獨(dú)特的網(wǎng)絡(luò)結(jié)構(gòu)可以有效地降低反饋神經(jīng)網(wǎng)絡(luò)的復(fù)雜性，繼而提出了卷積神經(jīng)網(wǎng)絡(luò)CNN(Convolutional Neural Networks)。　　1980年，K.Fukushima提出的新識(shí)別機(jī)是卷積神經(jīng)網(wǎng)絡(luò)的
  • 關(guān)鍵字： 人工智能  CNN  

基于FPGA的卷積層并行加速方案

  • 　　卷積神經(jīng)網(wǎng)絡(luò)(Convolutional?Neural?Networks)是一種主要應(yīng)用于圖像處理領(lǐng)域的人工智能算法。尤其是在計(jì)算機(jī)視覺領(lǐng)域，CNN在包括識(shí)別(recognition)、檢測(cè)(detection)、分割(segmentation)等很多任務(wù)中占主流地位?！　【矸e神經(jīng)網(wǎng)絡(luò)的基本元素：卷積層(convolutional?layer)、池化層(pooling)、激活函數(shù)(activation)、全連接層(fully-connected?layer)。卷
  • 關(guān)鍵字： FPGA  CNN  

面向網(wǎng)絡(luò)邊緣應(yīng)用的新一代神經(jīng)網(wǎng)絡(luò)　

  • 介紹了面向網(wǎng)絡(luò)邊緣應(yīng)用的新一代神經(jīng)網(wǎng)絡(luò)——微型二值神經(jīng)網(wǎng)絡(luò)，可在保持低功耗的同時(shí)減少對(duì)存儲(chǔ)器的需求。
  • 關(guān)鍵字： 二值  神經(jīng)網(wǎng)絡(luò)  CNN  FPGA  201801  

瑞薩電子憑借基于R-Car V3M的綜合解決方案，縮短用于入門級(jí)汽車和中檔汽車的NCAP前置攝像頭應(yīng)用的開發(fā)時(shí)間

  • 　　R-Car V3M現(xiàn)已嵌入CNN加速器，可使NCAP前置攝像頭應(yīng)用中的高性能卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)超低功耗　　全球領(lǐng)先的半導(dǎo)體解決方案供應(yīng)商瑞薩電子株式會(huì)社(TSE：6723)，日前推出的R-Car V3M入門套件可以簡(jiǎn)化并加速開發(fā)新車評(píng)估項(xiàng)目(NCAP，注釋1)的前置攝像頭應(yīng)用、環(huán)視系統(tǒng)和激光雷達(dá)。新入門套件以R-Car V3M圖像識(shí)別SoC為基礎(chǔ)，為日益成長(zhǎng)的NCAP前置攝像頭市場(chǎng)提供兼顧低功耗和高性能的方案。通過將R-Car V3M入門套件與支持軟件和工具相結(jié)合
  • 關(guān)鍵字： 瑞薩電子  CNN  

卷積神經(jīng)網(wǎng)絡(luò)(CNN)基礎(chǔ)介紹

  • 　　本文是對(duì)卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)進(jìn)行介紹，主要內(nèi)容包含卷積神經(jīng)網(wǎng)絡(luò)概念、卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、卷積神經(jīng)網(wǎng)絡(luò)求解、卷積神經(jīng)網(wǎng)絡(luò)LeNet-5結(jié)構(gòu)分析、卷積神經(jīng)網(wǎng)絡(luò)注意事項(xiàng)?！　∫?、卷積神經(jīng)網(wǎng)絡(luò)概念　　上世紀(jì)60年代。Hubel等人通過對(duì)貓視覺皮層細(xì)胞的研究，提出了感受野這個(gè)概念。到80年代。Fukushima在感受野概念的基礎(chǔ)之上提出了神經(jīng)認(rèn)知機(jī)的概念，能夠看作是卷積神經(jīng)網(wǎng)絡(luò)的第一個(gè)實(shí)現(xiàn)網(wǎng)絡(luò)，神經(jīng)認(rèn)知機(jī)將一個(gè)視覺模式分解成很多子模式(特征)，然后進(jìn)入分層遞階式相連的特征平面進(jìn)行處理，它試圖將視覺系統(tǒng)模型化，使其能
  • 關(guān)鍵字： 卷積神經(jīng)網(wǎng)絡(luò)  CNN  

全卷積網(wǎng)絡(luò)FCN進(jìn)行圖像分割

  • 全卷積網(wǎng)絡(luò)FCN進(jìn)行圖像分割-CNN能夠?qū)D片進(jìn)行分類，可是怎么樣才能識(shí)別圖片中特定部分的物體，在2015年之前還是一個(gè)世界難題。神經(jīng)網(wǎng)絡(luò)大神Jonathan Long發(fā)表了《Fully Convolutional Networks for Semantic Segmentation》在圖像語義分割挖了一個(gè)坑，于是無窮無盡的人往坑里面跳。
  • 關(guān)鍵字： 全卷積碼  FCN  CNN  

想從事深度學(xué)習(xí)工作的進(jìn)來看，經(jīng)典面試問題幫你整理好了

  • 　　更新幾個(gè)面試被問到或者聯(lián)想出來的問題，后面有時(shí)間回答　　SGD 中 S(stochastic)代表什么　　個(gè)人理解差不多就是Full-Batch和Mini-Batch　　監(jiān)督學(xué)習(xí)/遷移學(xué)習(xí)/半監(jiān)督學(xué)習(xí)/弱監(jiān)督學(xué)習(xí)/非監(jiān)督學(xué)習(xí)?　　本筆記主要問題來自以下兩個(gè)問題，后續(xù)會(huì)加上我自己面試過程中遇到的問題?！　∩疃葘W(xué)習(xí)相關(guān)的職位面試時(shí)一般會(huì)問什么?會(huì)問一些傳統(tǒng)的機(jī)器學(xué)習(xí)算法嗎?　　如果你是面試官，你怎么去判斷一個(gè)面試者的深度學(xué)習(xí)水平?　　以下問題來自@Naiyan Wang　　C
  • 關(guān)鍵字： 深度學(xué)習(xí)  CNN  

如何使用FPGA加速機(jī)器學(xué)習(xí)算法？

  • 　　當(dāng)前，AI因?yàn)槠銫NN(卷積神經(jīng)網(wǎng)絡(luò))算法出色的表現(xiàn)在圖像識(shí)別領(lǐng)域占有舉足輕重的地位。基本的CNN算法需要大量的計(jì)算和數(shù)據(jù)重用，非常適合使用FPGA來實(shí)現(xiàn)。上個(gè)月，Ralph Wittig(Xilinx CTO Office的卓越工程師) 在2016年OpenPower峰會(huì)上發(fā)表了約20分鐘時(shí)長(zhǎng)的演講并討論了包括清華大學(xué)在內(nèi)的中國(guó)各大學(xué)研究CNN的一些成果。　　在這項(xiàng)研究中出現(xiàn)了一些和CNN算法實(shí)現(xiàn)能耗相關(guān)的幾個(gè)有趣的結(jié)論：　?、傧薅ㄊ褂闷螹emory;　?、?/li>
  • 關(guān)鍵字： FPGA  CNN  
共18條 1/2 1 2 »
關(guān)于我們 - 廣告服務(wù) - 企業(yè)會(huì)員服務(wù) - 網(wǎng)站地圖 - 聯(lián)系我們 - 征稿 - 友情鏈接 - 手機(jī)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(guó)際技術(shù)信息咨詢有限公司
備案 京ICP備12027778號(hào)-2 北京市公安局備案：1101082052    京公網(wǎng)安備11010802012473