英特尔联合阿里、谷歌等成立处理器竞争联盟
当地时间3月11日,英特尔(INTC.US)与微软、阿里巴巴(BABA.US)、思科、戴尔EMC、Facebook、谷歌、惠普和华为宣布成立联盟,共同建立一项名为“计算快速链接”(Compute Express Link,以下简称CXL)的新行业标准,以便为数据中心中央处理单元(CPU)和加速芯片之间提供超快速互连。 新的“计算快速链接”(CXL)将为快速增长的数据工作负载提速,涵盖人工智能和机器
英特尔
lp . 2019-03-13 1170
ICML 2019的评审结果已经出来了,你们提交代码了吗?
近日微软研究的 John Langford 讨论了顶会到底应不应该提交代码,因为不同研究主题与领域对代码的需求不同,他表明代码提交应该鼓励,但并不能强制。作为 ICML 2019 的程序主席,Russ Salakhutdinov 表示他赞成 John Langford 的观点,他们在 ICML 2019 的评审中也引入了代码提交的选项。目前 ICML 2019 的评审结果已经出来了,那么你们提交代
神经网络
lp . 2019-03-12 795
让机器学习模型不再是”黑盒子“
提高机器学习模型的可解释性和透明度,将有助于模型的除错、引导未来的数据收集方向、为特征构建和人类决策提供真正可靠的信息,最终在人与模型之间建立信任。 过去几年来,人工智能研究人员在图像识别、自然语言理解和棋类等领域取得了重大突破。但由于缺乏对复杂机器学习模型的真正理解,导致模型在传播时出现了偏见,这种偏见在零售、面部识别和语言理解等领域的应用中出现了多次。 说到底,机器学习模型大多数时候仍然是“黑
人工智能
lp . 2019-03-12 1235
区块链人才泡沫破灭了吗?这话可能不能说得太早
区块链人才泡沫破灭了吗?这话可能不能说得太早。 尽管区块链行业降温,招聘市场也恢复理性,天价高薪传闻越来越少。但一份最新软件程序员就业市场调查仍发现,过去一年,具备区块链开发技能在西方各国需求总排名高居第一,总体需求约增长了 517%,增长幅度是其它类型程序员的数倍之多。增幅排名二、三的安全程序员和嵌入式程序员,分别的同比增长为 132%和 76%。 图|具备区块链开发技能需求总排名高居第一 (来
嵌入式
lp . 2019-03-06 755
UltraSoC宣布嵌入式分析架构实现重大扩展 可支持机器学习和人工智能方面
为用于汽车、存储和大规模计算的复杂多核系统提供支持。 英国剑桥,2019年2月 UltraSoC日前宣布其嵌入式分析架构实现了一次重大扩展,支持设计人员和创新者将强大的、由数据驱动的功能集成至他们的产品中。汽车、存储和高性能计算行业的开发人员现在可以在其产品中集成更复杂的、基于硬件的安全、防护、和性能微调功能,同时在系统级芯片(SoC)开发周期中使用UltraSoC的技术,还将在产品上
嵌入式
UltraSoC . 2019-02-28 1070
新机器学习可以预测材料应变时性能的变化
据 Nanowerk News 2 月 12 日报道,来自新加坡南洋理工大学、美国麻省理工学院和俄罗斯斯科尔科沃理工学院的研究人员相互合作,开发了一种机器学习算法,这种算法可以预测材料应变时性能的变化。 这项工作可能会为工程新材料带来极大的潜力,新材料可能会因此具有量身定制的特性,在通信、信息处理和能源领域拥有广阔前景。 这篇论文发表在 Proceedings of the National Ac
AI
未知 . 2019-02-22 1325
Arm宣布推出基于M-Profile Vector Extension (MVE)矢量扩充方案的Arm Helium技术
新闻摘要 Arm Helium技术作为一种全新的M-Profile Vector Extension矢量扩充方案,能为Armv8.1-M架构带来经过强化的计算能力 新架构能够将最小型边缘设备的机器学习能力提升15倍,以及将信号处理性能提升5倍 新架构针对下一代Cortex-M处理器而设计,适用于需在本地进行决策的小型嵌入式设备 2019年2月15日,Arm宣布针对其下一代Armv8.1-M架构推
处理器
lq . 2019-02-20 870
全球知名创投研究机构CBInsights发布最新的全球AI独角兽公司名单
全球知名创投研究机构CBInsights上周发布最新的全球AI独角兽公司名单,总计32家。其中来自美国和中国的最多,美国有17家,中国有10家,其余的还有来自英国、日本、以色列。 名单显示,2018年,估值达到10亿美元的人工智能初创公司数量几乎翻了一番,达到17家,而一年前只有9家。 名单上的一些公司,如旷视科技(Face++)和商汤科技,正在销售人工智能软件服务,即AI Saas。两家公司都向
AI
lq . 2019-02-19 1515
DeepSolar项目训练AI统计太阳能面板
斯坦福大学工程师和计算机科学家组成了DeepSolar团队,可精确地统计全美太阳能电池面板的尺寸规模、具体位置、数量等等。方法是在机器学习的框架下,通过数以十亿计的高清晰卫星图像,培养训练AI识别出坐落于屋顶和其它位置的可见面板。 了解太阳能电池板的位置以及人们安装它们的动机可能对能源管理工作具有无法估量的价值。它可以帮助公用事业公司更好地平衡供需,从而提供更可靠的电力。还可以帮助我们了解是什么激
AI
cc . 2019-02-15 1370
ST推出具有机器学习功能的新型运动传感器
据麦姆斯咨询报道,意法半导体(ST)宣布在其先进的惯性传感器内集成机器学习技术,提高手机和可穿戴设备的运动跟踪性能和电池续航能力。 LSM6DSOX iNEMO™传感器内部集成一个机器学习内核,可根据已知运动模式对运动数据进行分类处理,接替主处理器处理运动跟踪的第一阶段任务,这种方法可以节能降耗,加快健身记录、健康监测、个人导航、跌倒检测应用等运动类应用程序的运行速度。 意法半导体模拟、MEMS和
传感器
cc . 2019-02-14 1215
什么是数据科学家?需要认证吗?
什么是数据科学家?最近,招聘求职公司Indeed勾勒出了这样一幅图:一位数据科学家是一位拥有“计算机科学、统计学或定量社会科学”学位,同时还在统计建模、机器学习和编程方面接受过一些训练的技术人员。维基百科将数据科学描述为“一个跨学科的领域,它使用科学方法、过程、算法和系统,从各种形式的数据(包括结构化的和非结构化的)中提取知识和见解。” 但是,尽管很多公司都想雇佣数据科学家,但对于数据科学家究竟是
机器学习
lq . 2019-02-14 910
从四个经典角度看机器学习的本质
何谓“机器学习”,学界尚未有统一的定义。本文摘取Tom Mitchell、Christopher M. Bishop、去年出版的《深度学习》和侧重实战的《数据挖掘》,总结了四种机器学习主流定义。更好地研究“机器学习”,并继续扩展和完善它的定义,也有助于我们理解机器学习的本质。 你或许已经读过许多关于机器学习的深度和和半深度的文章,并探讨了机器学习与众多其他主题的关系。在讨论如此复杂的概念时,回到最
机器学习
cc . 2019-02-13 645
清华大学完成量子计算机生成对抗算法
机器学习正在变得越来越强大,其中很大程度上归功于一种使 AI 互相对抗的算法。这类算法叫做生成对抗网络 (GAN),目前可以被用来创作艺术品,破解加密,以及生成逼真的人类和动物图片。 最近,科研工作者已经将生成对抗网络与量子计算相结合。清华大学交叉信息学院的孙麓岩教授以及他的同事们已经利用量子电路实现了生成式对抗网络(GAN)。 图丨此次论文(来源:Science Advance) 生成对抗网络是
机器学习
cc . 2019-02-11 715
清华团队首次证明量子计算能利用GAN
量子计算机虽然强大,但应用领域有限。清华叉院孙麓岩团队在超导电路上实现了量子生成对抗网络,精度高达98.8%,这项工作有望证明量子计算机在图像生成等领域超越经典计算机,将是量子机器学习的又一里程碑。 量子机器学习的新里程碑! 清华大学孙麓岩团队提出了“量子版”的生成对抗网络,并且证明了与经典的对应方法相比,具有潜在的“指数级”优势。 最近,孙麓岩团队的研究登上了Science Advances,论
GaN
cc . 2019-02-05 790
超导量子电路中量子生成对抗学习的原理证明及实验演示
量子计算机虽然强大,但应用领域有限。清华叉院孙麓岩团队在超导电路上实现了量子生成对抗网络,精度高达98.8%,这项工作有望证明量子计算机在图像生成等领域超越经典计算机,将是量子机器学习的又一里程碑。 量子机器学习的新里程碑! 清华大学孙麓岩团队提出了“量子版”的生成对抗网络,并且证明了与经典的对应方法相比,具有潜在的“指数级”优势。 最近,孙麓岩团队的研究登上了Science Advances,论
机器学习
lq . 2019-01-29 640
人工智能与人类认知相比到底差在哪
我在NVIDIA研究深度学习已达四年之久,作为一名解决方案架构师,专门研究深度学习相关技术,为客户提供可能的解决方案,并加以实施。 在我加入NVIDIA时,人工智能已经成为一个非常普遍的应用术语,但经常被模棱两可的使用,甚至错误的被描述为深度学习和机器学习。我想从一些简单的定义出发,去一步步深入解读其中含义,不足之处,以及采用新构架创建更完整能力“AI”的一些步骤。 机器学习——将函数与数据进行拟
人工智能
cc . 2019-01-29 1030
为什么说数学知识是数据科学家的先决条件?
AI和机器学习的火热让数据科学家成为近几年热门职业之一。但对于试图从事这一职业的新人来说,数学可能最大的拦路虎之一。不过本文作者认为,当数据科学家并不一定需要坚实的数学基础,并给出了9类无需数学基础的数据科学任务。 在当今世界上,数据科学和机器学习已成为最令人向往的职业方向之一,从大学生到职业生涯中期的专业人士,很多人都希望进入数据科学领域。但是,在追求数据科学或机器学习领域时想到的第一个先决条件
机器学习
lq . 2019-01-29 800
量子机器学习的新里程碑!
量子计算机虽然强大,但应用领域有限。清华叉院孙麓岩团队在超导电路上实现了量子生成对抗网络,精度高达98.8%,这项工作有望证明量子计算机在图像生成等领域超越经典计算机,将是量子机器学习的又一里程碑。 量子机器学习的新里程碑! 清华大学孙麓岩团队提出了“量子版”的生成对抗网络,并且证明了与经典的对应方法相比,具有潜在的“指数级”优势。 最近,孙麓岩团队的研究登上了Science Advances,论
量子
lq . 2019-01-29 925
大数据和人工智能共同开启产业发展新时代
“企业对数据的驾驭能力决定其核心竞争力,数据流通越快,数据驾驭能力越强,数据使用成本越低,企业竞争能力越强,这是数字经济发展水平很重要的标志,各行各业都离不开互联网、大数据和人工智能,互联网促进数据的汇集,为智能化的发展提供平台。大数据是人工智能的基础,人工智能是大数据发展的高级阶段,要发展人工智能离不开大数据,但人工智能肯定比大数据更加高,大数据和人工智能开启产业发展新时代,”赛迪智库互联网研究
人工智能
lq . 2019-01-25 1060
机器学习的最新研究成果很少转化成商业产品,是真的吗?
我们都知道最新的科研成果和实际商业应用中使用的技术会有一定的距离。一面是高复杂度、特定(较简单一致)的输入和直接量化的性能指标,另一面是资源成本的限制、为各种各样情况考虑预案,以及评价标准要变成更高阶、更综合性的用户满意度、营收等等。 所以实际上,即便整个计算机科学界、互联网商业中大家一直对 AI 抱有热情,我们能看到的使用了机器学习的商业化产品也并不多,高度集中在图像处理、文本翻译和语音识别几类
互联网
lq . 2019-01-22 885
- 1
- 10
- 11
- 12
- 13
- 14
- 17