• 查一下
  • 开通会员

  • 人工智能走向深度学习能带来什么

    据介绍，人工智能比较大的挑战之一是识别度不高、准确度不高，提高准确度就要提高模型的规模和精细度，提高线下训练的频次，这需要更强的计算力。当前随着人工智能算法模型的复杂度和精度愈来愈高，互联网和物联网产生的数据呈几何倍数增长，在数据量和算法模型的双层叠加下，人工智能对计算的需求越来越大。 “2016年3月，谷歌人工智能阿尔法围棋（AlphaGo）战胜韩国棋手李世石时，人们慨叹人工智能的强大，而其背后

    深度学习

    中国安防行业网 . 2020-04-23 945

  • RPA+人工智能的结合会如何

    RPA4.0概念，即通过感知技术（语音、人机交互、视觉）、认知技术（智能决策）、RPA技术的结合，创造出一个能够模拟人类做出商业决策和处理业务的RPA。 RPA+人工智能/AI结合后有非常广泛的应用。一方面，他们可以处理简单和重复的任务，如发布电子邮件，Excel计算和文件排序。此外，它还可以完成身份信息的智能验证、文本字符识别的智能分析、客户服务场景的辅助决策和自动推荐等复杂的决策任务。 RPA

    深度学习

    生活说 . 2020-04-16 1550

  • AI与人脑距离怎么样去拉近

    除了会看会听，还会“闻”。近日，一直致力于模仿人类五感的人工智能又有新突破，通过神经拟态芯片，人工智能已经掌握了丙酮、氨和甲烷等10种气味的神经表征，强烈的环境干扰也不会影响它对气味的准确识别。这项由英特尔研究院与美国康奈尔大学共同参与的研究成果，日前发表于《自然·机器智能》杂志上。 神经拟态即通过模拟人脑神经元的工作机制，让计算机具备像人一样的自然智能特性。英特尔公布的另一项研究显示，将上述76

    深度学习

    新华社 . 2020-04-08 1130

  • 人工智能模型如何去思考物理世界

    一项新的数据集揭示了人工智能在推理方面的糟糕程度，并表明一种新的混合方法可能是最好的解决方法。 问题：名为“CLEVRER”的数据集包括2万个合成视频短片和超过30万个基于视频中事件的问答配对。每个视频都展示了一个简单的玩具物体的世界，它们在模拟物理中相互碰撞。在其中一个实验，一个红色的橡皮球撞到一个青色的橡胶圆筒上，青色的橡胶圆筒继续打在一个金属圆筒上。 这些问题可以分为四类：描述性的（例如，“

    深度学习

    木法沙和三傻 . 2020-04-07 1545

  • 神经网络如何助力人工智能算法

    美陆军联合工业部门研究人员共同研发一种神经网络衡量标准，用于评估下一代人工智能和机器学习算法的可靠性与可信度。 背景 深度神经网络（DNNs）是一种利用训练数据学习的机器学习形式，一旦数据接受训练，即可在获取新信息或输入信息时做出预测；但如果新的信息超出训练范围，则很容易做出虚假判断。研究人员表示，鉴于训练数据和潜在输入数据的信息多样性，解决上述问题非常具有挑战性。 研究成果应用 美陆军研究实验室

    深度学习

    国防科技要闻 . 2020-04-03 1085

  • 我们对于人工智能的误解有多少

    人工智能技术具有正、反两方面的作用，在造福于人类的同时，也存在各种风险。理论上可能存在以下四种风险。 技术失控。技术失控指的是技术的发展超越了人类的控制能力，甚至人类被技术控制，这是很多人最为担忧的风险。现有人工智能技术仅在满足强封闭性准则的条件下，才可发挥其强大功能；在非封闭的场景中，现有人工智能技术的能力远远不如人类，而现实世界的大部分场景是非封闭的。所以，目前不存在技术失控风险。 技术误用。

    深度学习

    光明网 . 2020-04-01 1155

  • 百度/米尔基于百度大脑EdgeBoard加速平台推出FZ3深度学习计算卡

    百度&米尔携手推出FZ3深度学习计算卡！ 基于XCZU3EG的百度大脑EdgeBoard加速平台 前言：百度大脑是百度 AI 核心技术引擎，包括视觉、语音、自然语言处理、知识图谱、深度学习等AI核心技术和AI开放平台。 基于 Xilinx Zynq UltraScale+ MPSoC 的 EdgeBoard核心加速方案是百度AI加速平台的关键组成部分。其Zynq芯片内部集成ARM处理器+GPU+F

    百度大脑

    厂商供稿 . 2020-04-01 1945

  • 谷歌和DeepMind研究人员合作提出新的强化学习方法Dreamer 可利用世界模型实现高效的行为学习

    近年来随着强化学习的发展，使得智能体选择恰当行为以实现目标的能力得到迅速地提升。目前研究领域主要使用两种方法：一种是无模型（model－free）的强化学习方法，通过试错的方式来学习预测成功的行为，其中著名的方法包括用于完成雅达利游戏的DeepMind的DQN方法和在星际争霸二中与世界冠军同台竞技的AlphaStar，但这类方法需要与环境进行大量的交互限制了其在真实场景中的应用。 而基于模型（mo

    深度学习

    将门创投 . 2020-03-26 1180

  • r深度学习算法分析数据 轻易比较中西古典音乐差别

    事实证明，深度学习技术对于分析各种数据（从图像到文本，在线帖子和录音）非常有用。这些技术旨在识别大型数据集中的模式，将不同类别的项目分开，并使预测比人类快得多。 在最近的一项研究中，西蒙弗雷泽大学，中央研究院和达特茅斯学院的研究人员已经应用深度学习技术来识别中西方古典音乐之间的异同。他们的论文预先发表在arXiv上，论文写到，他们使用声音事件检测（SED）和音景情感识别（SER）模型对音乐录音进行

    深度学习

    中国机器人网 . 2020-03-12 260

  • 企业如何利用AI来处理数据网络效应失效的问题

    在利用深度学习进行算法训练时，数据在算法模型迭代的过程中并不会产生理想化的“网络效应”，要避免数据、计算等资源成为成本中心，自动化的算法生成和数据标注可能是最高效的解决办法。作为中国人工智能领军企业，旷视似乎已经在深度学习等底层技术上找到问题最优解，这对其他人工智能企业有着重要的借鉴意义。 图：旷视以Brain++深度学习框架解决数据网络效应失效带来的成本问题通俗来讲，“网络效应”就是当一个产品使

    深度学习

    互联网新闻快讯 . 2020-03-05 1040

  • 你了解机器学习中的线性回归吗

    机器学习中的线性回归是一种来源于经典统计学的有监督学习技术。然而，随着机器学习和深度学习的迅速兴起，因为线性（多层感知器）层的神经网络执行回归，线性回归的使用也日益激增。 这种回归通常是线性的，但是当把非线性激活函数合并到这些网络中时，它们就可以执行非线性回归。 非线性回归使用某种形式的非线性函数（例如多项式或指数）对输入和输出之间的关系进行建模。非线性回归可以用来模拟科学和经济学中常见的关系，例

    深度学习

    AI科技大本营 . 2020-02-24 670

  • 人工智能军备竞赛 正催生新的硬件架构

    随着社会转向用人工智能来解决越来越多领域的问题，我们看到了一场军备竞赛：即创造出能够以更高速度和更低功耗运行深度学习模型的专用硬件。 这场竞赛的最新突破包括新的芯片架构，它以一种与我们以前看到的完全不同的方式执行计算。通过观察它们的功能，我们可以了解到未来几年可能出现的人工智能应用。 神经形态芯片 神经网络是深度学习的关键，它由成千上万个小程序组成，这些小程序通过进行简单的计算来执行复杂的任务，如

    人工智能

    猎云网 . 2019-09-24 1605

  • 品览数据完成数千万元融资

    上海品览数据科技有限公司（以下简称“品览”）今日宣布近期完成数千万元Pre-A轮融资，本轮融资由众麟资本领投，快创营跟投。据悉，本轮融资资金将重点用于品识AI中台迭代开发和技术团队建设。 据悉，本次融资是品览成立近一年内第二次获得资本青睐。 品览Pinlan成立于2018年6月，是一家面向消费品和零售企业提供AI智能营销/物流方案的科技服务公司。旗下主要产品有：品识Pinshi（海量商品识别平台）

    AI

    YXQ . 2019-08-05 1315

  • 推荐系统中候选生成和冷启动挑战的研究

    本研究针对推荐系统冷启动和候选生成两方面的问题，提出了一种基于深度学习的分类方法。研究人员提出了一种分类的深度学习技术，来解决推荐系统中的冷启动和候选生成问题。 冷启动是通过附加功能(用于音频、图像、文本)和学习隐藏的用户与对象表示来解决的。候选生成则通过分离的网络、RNNs、自动编码器和混合方法解决。该研究还总结了这些技术的优点和局限性，同时展望了未来研究的方向。 推荐系统为企业和客户提供了许多

    冷启动

    YXQ . 2019-07-30 230

  • 技术 | 基于深度学习图像识别的变电站监控系统

    基于计算机网络技术以及无线通信技术和视频监控技术，研究深度学习图像识别的变电站基建安全行为监控系统。构建一种比较完善的变电站基建安全行为监控系统。 1  引言 传统的变电站基建安全行为监控工作已经有了较为广泛的应用，而且效果良好，但是我们知道变电站基建项目比较多，而且对其的管理比较复杂，需要投入大量的人力资源，难以使得变电站基建安全得到有效保障。因此，国家对电网企业制定了一定的安全管理标准，相应的

    变电站

    YXQ . 2019-07-22 765

  • Mipsology Zebra在深度学习推断的应用

    Zebra 可消除深度学习推断中具有挑战性的编程及 FPGA 任务。Zebra 可轻松部署和适应广泛的神经网络及框架。 主要特性与优势 零神经网络变化 零新训练 零命令修改 零应用改变 零代码行添加 零硬件开发 零 FPGA 知识 零 FPGA 编译 零新工具 零开关延迟 云解决方案 AWS 本地解决方案 Alveo U200 Alveo U250 支持的工作负载 Machine Learning

    深度学习

    工程师曾玲 . 2019-07-21 445

  • 英伟达详细介绍了一种微型测试芯片，可以独立完成底层工作

    英伟达详细介绍了一种微型测试芯片，可以独立完成底层工作；但当36个芯片团结起来时，性能可以提升32倍。与使用相同精度的先前原型相比，单个芯片的面积效率至少为16倍，能量效率为1.7倍。 如何确保在大型和小型任务之间切换，而不至于牺牲效率呢？显然把单个的、实验性的加速器芯片，变成可以随意组合的模块化形式，是一个具备可行性的解决方案，这也是英伟达在做的事情。 作为GPU动力工厂，英伟达当然希望能够为各

    芯片

    lq . 2019-07-13 905

  • 人工智能芯片发展方向与误区

    人工智能发展过程中，算力是一个重要的因素，算力就像是 AI 的燃油，没有燃油，AI 哪也去不了。而为 AI 应用提供算力的，正是各种各样的芯片。而近几年，嗅到 AI 芯片商机的企业纷纷入局，想要从底层算力上获得独立的能力，然而，并不是所有入局的企业都懂得如何才能造出真正的好芯片，因此走进一些误区。在 2019年 CAIS 大会上的演讲《人工智能芯片发展方向与误区》中，赛灵思人工智能业务资深总监姚颂

    人工智能

    lq . 2019-07-13 1595

  • 一个芯片随意组合 英伟达将深度学习推向极致

    英伟达详细介绍了一种微型测试芯片，可以独立完成底层工作；但当36个芯片团结起来时，性能可以提升32倍。与使用相同精度的先前原型相比，单个芯片的面积效率至少为16倍，能量效率为1.7倍。 如何确保在大型和小型任务之间切换，而不至于牺牲效率呢？显然把单个的、实验性的加速器芯片，变成可以随意组合的模块化形式，是一个具备可行性的解决方案，这也是英伟达在做的事情。 作为GPU动力工厂，英伟达当然希望能够为各

    芯片

    yxw . 2019-07-12 930

  • 深度学习的起源与先行者

    在二十世纪五十年代就存在深度学习的概念了。麦肯锡全球研究院发文简要回顾了深度学习是如何从概念发展为现实的，而使之实现的关键人物又是谁。 文章表示，要书写深度学习的完整历史还为时过早，有些细节尚存在争议，但是我们已经能追寻其公认的起源概貌，虽然还不完整，也能确定一些先驱者了。沃伦·麦卡洛克（WarrenMcCulloch）和沃尔特·皮茨（Walter Pitts）就名列其中。他们早在1943年就提出

    深度学习

    ct . 2019-07-11 305

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
12456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133