• 查一下
  • 开通会员

  • Speech2Face模型主要是为了研究语音与相貌之间的关联性？

    　　你相信吗？AI人工智慧最近已经进化到，只要花6秒的时间，听到你的声音除可以分辨出你的性别、年纪与种族外，甚至可以描绘出你的长相。 　　这款由麻省理工学院（MIT）所打造出来的AI，研究人员用一个由数百万个影片剪辑而成的数据集，对一个名为Speech2Face的神经网络模型进行自我训练，而这款网络的运作大概分成两部分，一个是语音编码器，主要负责对输入的语音来进行分析，并预测出相关的脸部特征；另一

    AI

    OFweek人工智能网 . 2020-07-30 1535

  • Tsetlin机器和神经网络之间的功耗差别

    日前，英国纽卡斯尔大学的研究人员研发出一种非神经网络硬件，可以显著降低人工智能的功率消耗。 研发团队训练了一个神经网络，让它和另一项Tsetlin机器技术，分别从标准MNIST数据集识别手写数字。 纽卡斯尔大学高级讲师Rishad Shafik表示：“即开即用的神经网络让我们每焦耳可以进行不到10万亿次操作。而使用我们设计的第一台Tsetlin机器，这个数值能达到65万亿次。这种改进主要来自于简化

    机器

    OFweek人工智能网 . 2020-07-29 1470

  • 阐述点亮智能光子的光子神经网络

    近年来，以神经网络为代表的人工智能技术快速发展。2017年，采用了神经网络的AlphaGo依次战胜了人类顶尖围棋选手李世石和柯洁，展现了人工智能强大的学习和计算能力，揭开了新一代人工智能的序幕。人工智能技术正向着高速低功耗的方向快速发展。 受限于电子器件的固有极限，传统电子神经网络难以进一步提高功率效率与计算速度。而 光子神经网络，作为光电子技术与人工智能技术的交叉产物，能够充分发挥光（电）子技术

    人工智能

    搜狐网 . 2020-07-28 1685

  • 深入浅出LSTM神经网络

    使用前馈卷积神经网络（convnets）来解决计算机视觉问题，是深度学习最广为人知的成果，但少数公众的注意力已经投入到使用递归神经网络来对时间关系进行建模。而根据深度学习三大牛的阐述，LSTM网络已被证明比传统的RNNs更加有效。本文由加州大学圣迭戈分校（UCSD）研究机器学习理论和应用的博士生Zachary Chase Lipton撰写，用浅显的语言解释了卷积网络的基本知识，并介绍长短期记忆（L

    LSTM

    CSDN . 2020-07-27 930

  • 解析神经网络进行表征的过程

    我们了解神经网络以及它们从数据科学到计算机视觉的多个领域中的无数成就。众所周知，它们在解决有关泛化性方面的复杂任务中表现良好。从数学上讲，他们非常擅长近似任何的复杂函数。让我们形象化地理解这种近似概念，而不是前向和后向传播方法中的最小化预测误差。假设你了解前向和后向传播的一点基础，其旨在借助梯度和网络中的错误传播来近似函数。让我们通过另一种视觉解释来理解神经网络的近似能力。其中涉及基础数学和图形分

    AI

    雷锋网 . 2020-07-27 1545

  • 神经网络助力图像传感器 将推进边缘计算

    利用人工神经网络在纳秒级时间内完成图像分类，已经成为现实。 近日，奥地利维也纳工业大学光子学研究所 Lukas Mennel 博士等人研发的一种超高速机器视觉设备——自带神经网络的图像传感器，将图像处理速度提升了几十万倍。 上述团队的一篇名为 Ultrafast machine vision with 2D material neural network image sensors（基于二维材料神

    人工智能

    雷锋网 . 2020-07-27 1335

  • 如何解决人脸识别工具的“脸盲”？

    日前，亚马逊的一款人脸识别工具错误地将28位美国国会议员与罪犯相匹配，这一新闻引发关注。人脸识别工具为何出现这样的错误？其实，机器与人类一样，见到陌生的外国人也会有“脸盲”，只能识别“当地人”，对于来自其他国家/地区的“外地人”识别精度较低，这一问题如何解决呢？ 其关键在于让人脸识别工具尽量多地认识全球各地居民的脸，而这一过程却并不容易实现。北京邮电大学教授邓伟洪提到，人脸识别工具研发过程中，使用

    计算机视觉

    中国科学报 . 2020-07-12 1005

  • 什么是机器学习问题 普适逼近定理介绍

          普适逼近定理 众所周知，神经网络非常强大，可以将其用于几乎任何统计学习问题，而且效果很好。 但是您是否考虑过为什么会这样? 为什么在大多数情况下此方法比许多其他算法更强大? 与机器学习一样，这有一个精确的数学原因。 简而言之，神经网络模型描述的功能集非常大。 但是描述一组功能意味着什么? 一组功能如何大? 这些概念乍一看似乎很难理解，但是可以正确定义它们，从而阐明为什么某些算法比其他算

    机器学习

    今日头条 . 2020-05-31 945

  • AI小白鼠诞生，能跑能跳可用于研究生物神经网络

    （文章来源：雷锋网） 人们能像研究实验小白鼠那样研究人工智能吗?DeepMind 和哈佛大学的研究人员似乎是这么认为的——具体来说，研究人员制造了一个 AI 驱动的虚拟小白鼠来执行多种复杂的任务。然后，他们再使用神经科学技术来了解虚拟小白鼠的“大脑”是如何控制其运动的。 如今，最先进的人工智能由人工神经网络驱动，而人工神经网络是一种机器学习算法，由被称为“神经元”的组件连接而成。从某种程度上来说，

    人工智能

    雷锋网 . 2020-05-12 750

  • 人工智能最热门的技术趋势是什么

    　　神经网络是多数深度学习项目的根基。深度学习基于人脑结构，一层层互相连接的人工模拟神经元模仿大脑的行为，处理视觉和语言等复杂问题。这些人工神经网络可以收集信息，也可以对其做出反应。它们能对事物的外形和声 。 　　随着Google、Microsoft和Facebook等巨头的大力投入，深度学习正在超越机器学习，人工智能来势凶猛。那么，如今人工智能最热门的技术趋势是什么？ 　　1.神经网络的架构正变

    人工智能

    多智时代 . 2020-05-10 830

  • 采用Honeywell S9000系统实现对锅炉燃烧进行优化控制

    热电厂提供的能源主要是以电能和热能的形式出现的，通常是利用锅炉生成蒸汽，然后将其中一部分提供给汽机发电，提供电力能源，另一部分作为热源直接供给用户。无论最后提供的能源形式是何种方式，锅炉负荷总是变化的。负荷既包含电力负荷也包含热能负苛。近年来，为解决锅炉燃烧过程的优化控制问题，国内外采取了多种控制手段。尽管它们在一定程序上提高了热效率，但不能彻底解决锅炉燃烧的控制问题，因为难于建立被控对象的精确数

    自动化

    电子技术应用 . 2020-05-08 440

  • 科学家通过神经网络来改变步行机器人的步态

    （文章来源：cnBeta） 据外媒New Atlas报道，昆虫会在不同的步态之间快速转换，以应对外界刺激。科学家们现在创造了一个小型机器人，利用集成的人工神经网络，可以做同样的事情--这项技术最终可能会被用于性能更好的假肢。这款3D打印的六足机器人被称为NeuroPod，由西班牙的研究人员开发。 它的机载微处理器包含30个人工神经元，目前，这些神经元以各种信号的形式接收来自相邻的硬线计算机的电子刺

    神经网络

    cnBeta . 2020-05-08 1000

  • 手机加上AI技术会有什么变化

    目前，出现在新一代智能手机上的3D传感器，只是机器学习所引发的摄影技术浪潮的冰山一角，该类技术将不仅仅纠正智能手机照片的缺点，还将为摄影带来一些令人惊叹的新元素。摄影在智能手机时代已经发生了改变，不仅拍摄姿势不同（比如自拍），手机摄像头捕捉光线的整个过程也变得完全不一样了。 摄像头不再只是一个透镜和传感器，它们还集成了一组算法，这些算法可以立即处理图像，瞬间就能获得桌面软件耗费数小时才能实现的照片

    人工智能

    网易智能 . 2020-05-01 830

  • 利用模糊CMAC神经网络优化机械臂系统中控制器的设计

    1、模糊CMAC神经网络的结构和学习算法 图1显示了模糊CMAC神经网络的结构和运算过程。模糊CMAC神经网络可以用于近似一个非线性映射y（x）：Xn→Ym，其中Xn∈Rn是在n维输入空间中的应用，Ym“∈Rm是在m维输出空间中的应用［1，2］。模糊CMAC算法由决定一个复杂函数值的两个初等函数组成，如图1所示。 其中，X为连续n维输入空间；A为NA维联合空间；Y为m维输出空间。 函数φ=R（x）

    神经网络

    现代电子技术 . 2020-04-25 485

  • 神经网络计算效率如何来提高

    闪亿半导体的该项专利，在计算神经网络时，呈阵列排布的多个存储单元中，任意N条第一信号线和任意M条第二信号线限定的区域均可以作为一个存储阵列，从而大大增加存算一体化电路中的存储阵列数量以及各存储阵列大小的灵活性，进而增加所能计算的神经网络的神经元层数目范围以及每个神经元层内的节点数目范围。 集微网消息，在前不久举办的国际电子器件大会（IEDM）上，闪亿半导体提出了一种新型的存算一体Soc芯片，应用了

    人工智能

    手机中国联盟 . 2020-04-20 1245

  • 人工智能对于嵌入式带来了什么

    进入21世纪以来，随着大数据和深度神经网络等技术的飞速发展，人工智能在语音分析、计算机视觉以及自然语言处理等方面取得巨大突破，并应用于智慧城市、智慧家庭和工业制造等领域，正逐步改变着社会的运行模式和人们的生活方式。 1 人工智能产业为嵌入式技术带来新的机遇 嵌入式系统40多年的发展过程经历了控制器、实时系统和复杂系统三个阶段。每经历一个阶段，嵌入式系统技术都会出现一次飞跃。例如，以智能移动终端为代

    人工智能

    嵌入式资讯精选 . 2020-04-17 980

  • 卷积神经网络怎样使用TDA学习

    在我之前的文章中，我讨论了如何对卷积神经网络（CNN）学习的权重进行拓扑数据分析，以便深入了解正在学习的内容以及如何学习它。 这项工作的重要性可归纳如下： 它使我们能够了解神经网络如何执行分类任务。 它允许我们观察网络的学习方式 它允许我们看到深层网络中的各个层如何在它们检测到的内容上有所不同 在这篇文章中，我们展示了如何将这种理解用于实际目的。那些是： 如何使用持久同源性的条形码长度来推断CNN

    人工智能

    港新社 . 2020-04-14 1220

  • 深度神经网络在识别物体上的能力怎样

    神经网络的复杂关系推理，什么是关系推理？考虑下面的图像。几乎不可能不把它当作对象;球体，立方体等等。我们可以根据构成图像像素值的数百万个数字来考虑它。或者图像中所有边缘的角度。或者考虑每个10x10像素区域。相反，我们直观地根据它们识别图像的对象和原因。 尝试回答以下问题：“大球体剩下的棕色金属物体剩下的圆柱体大小是多少？”这是CLEVR数据集中的一个示例问题。为了回答这个问题，你需要考虑物体相对

    卷积网络

    港新社 . 2020-04-14 570

  • 嵌入式技术在人工智能师时代遇到什么机遇

    从2020年第2期开始，《单片机与嵌入式系统应用》开始推出“ 卷首语”栏目，每期邀请一位业内专家围绕嵌入式技术针对时下热点分享自己的观点，以飨广大嵌入式技术从业者/ 爱好者。今天发表的这篇文章是2020年第3期的卷首语！ 人工智能：嵌入式技术的机遇与挑战 进入21世纪以来，随着大数据和深度神经网络等技术的飞速发展，人工智能在语音分析、计算机视觉以及自然语言处理等方面取得巨大突破，并应用于智慧城市、

    人工智能

    嵌入式资讯精选 . 2020-03-27 1140

  • 关于RNN和LSTM基础知识了解

    一、RNN 递归神经网络（RNN）被提出用来处理80年代的输入序列时间信息。1993年，神经历史压缩器系统解决了“非常深度学习”任务，该任务需要及时展开RNN中的1000多个后续层。如图1所示，在传统的建模活动（例如前馈神经网络）中，我们显然会看到固定输入大小到固定输出大小的固定网络。在前馈神经网络的包围下，我们得到图1.b以揭示RNN的可区分性。 RNN能将输入动态更改为包含多个输入向量，每时间

    LSTM

    csdn . 2020-03-22 750

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
13456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108