神经网络再进步 麻省理工“人造突触”问世
人脑最不可取代的便是其综合处理的能力。人脑被柔软的球状器官所包围，这个器官大约含有一千亿个神经元。在任何特定的时刻，单个神经元可以通过突触（即神经元之间的空间，突触中可交换神经递质）传递指令给数以千计的其它神经元。 人脑中有总计超过 100 万亿的突触介导大脑中的神经元信号，在加强一些信号的同时也削弱一些其它信号，使大脑能够以闪电般的速度识别模式（pattern），记住事实并执行其它学习任务。 最
神经网络
未知 . 2018-03-19 1435
阿里提出低计算量语音合成系统，速度提升4倍
阿里巴巴语音交互智能团队提出一种基于深度前馈序列记忆网络的语音合成系统。该系统在达到与基于双向长短时记忆单元的语音合成系统一致的主观听感的同时，模型大小只有后者的四分之一，且合成速度是后者的四倍，非常适合于对内存占用和计算效率非常敏感的端上产品环境。该研究已入选语音顶会ICASSP会议Oral论文，本文带来详细解读。 研究背景 语音合成系统主要分为两类，拼接合成系统和参数合成系统。其中参数合成系统
神经网络
未知 . 2018-03-12 980
麻省理工研发出专用芯片，手机也能运行神经网络
近期，麻省理工学院的研究人员开发了一种专用芯片，将神经网络计算的速度提高了 3 倍至 7 倍，同时将功耗降低了 95％。这将会使在智能手机上运行神经网络变得切实可行。 不管是语音识别还是面部识别，目前大多数人工智能系统的进步背后都来自于神经网络的功劳。人工神经网络，也就是通过大量简易“神经元”（信息处理器）连接而成的系统，能够通过分析大量训练数据学习如何完成不同的任务。 正是因为这样的结构，神经网
神经网络
未知 . 2018-03-06 630
黑科技！锂离子电池还可以当硬盘用
如果说到锂离子电池与计算机有什么关系，那么小编最先想到的是锂离子为计算机提供电能，如果我说现在锂离子电池可以被用作计算机高精密电路中的一个重要的电子元器件，你会感到吃惊吗？是的，小编刚开始拿到这篇文章的时候，也是不敢相信自己的眼睛。锂离子电池作为一个看上去缺少技术含量的储能设备，居然可以用在电子计算机的高精密度电路之中，着实让人摸不着头脑。小编心里只有一句话相对锂离子电池说：你咋不上天呢？
神经网络
网络整理 . 2016-12-14 890
重大进展！全球首个人工智能光电子神经网络问世
神经网络正在以席卷之势占领计算世界。研究人员使用它们来创建机器，让机器学习大量的此前是人类特有的技能：对象识别，面部识别，自然语言处理，机器翻译等。所有这些技能，以及更多更多的技能，现在正成为机器的“标配”。 因此，创建更强大神经网络有足够大的推动力，因为它可以进一步推动人工智能的进步。这项工作的重点是创造电路操作更像神经元的、所谓的神经形态芯片。但是如何使这些电路在速度上获得显著提升？这
人工智能
MIT Technology Review . 2016-11-22 1260
基于模糊行为和神经网络的机器人视觉伺服控制方案
提出一种新的机器人视觉伺服控制方法，该方法参照人的抓取动作，首先根据物体在图像中的位置信息，利用模糊逻辑将机器人的手爪移动到物体附近，然后再根据物体当前图像和参考图像之差，利用局部神经网络对手爪的位姿进行精确调整。整个过程无需机器人和摄像机的标定，能有效利用人的控制经验，伺服速度快，控制精度高。仿真结果说明本方法的有效性。 引言（IntroducTIon） 将神经网络应用到机器人的视觉
神经网络
武汉科技大学信息学院 . 2016-09-19 1435
优化的BP神经网络在电子设备故障诊断中的应用
优化的BP神经网络在电子设备故障诊断中的应用 近些年来，由于计算机技术、信号处理、人工智能、模式识别技术的发展，促进了故障诊断技术的不断发展，大型复杂电子设备的出现，使得人们更迫切地希望能提高整体可靠性与维修性，这就给故障诊断提出了更高的要求。因此，对故障诊断技术的研究有着重要的理论及现实意义。 1 BP神经网络故障诊断模型 一个神经网络用于故障诊断时，主要包括三层：输入层，即从设备对象接收各种故
神经网络
中电网 . 2010-03-22 515
神经网络分类
神经网络分类 特征提取和选择完成后，再利用分类器进行图像目标分类，本文采用神经网络中的BP网络进行分类。在设计神经网络结构时，要考虑网络的层数、每层的神经元数和每层的激活函数。标准BP神经网络分3层，即输入层、隐含层和输出层。 按照这种分层，因神经网络的输入是特征选择的输出，故从1~9中选择，神经网络的输入层神经元数应在1~9中选择。输出层神经元个数可以为待分类的目标类别数，也可以按照类别进行编码
神经网络
www.elecfans.com . 2009-03-01 370
故障特征提取的方法研究
摘要：针对常规特征提取方法存在着问题不足，提出了基于BP神经网络和基于互信息熵的特征提取方法，并通过特征提取实例加以说明。结果表明这两种方法是可行和有效的。 随着科学技术的发展，现代设备的结构日趋复杂，其故障类型越来越多，反映故障的状态、特征也相应增加。在实际故障诊断过程中，为了使诊断准确可靠，总要采集尽可能多的样本，以获得足够的故障信息。但样本太多，会占用大量的存储空间和计算时间，太多的特征输入
神经网络
不详 . 2006-03-11 370
- 1
- 2
- 3
- 4
- 5
- 6