EEPW首頁(yè) >>
主題列表 >>
機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí) 文章 進(jìn)入機(jī)器學(xué)習(xí)技術(shù)社區(qū)
聯(lián)發(fā)科芯片設(shè)計(jì) 導(dǎo)入機(jī)器學(xué)習(xí)
- 聯(lián)發(fā)科長(zhǎng)期投入前瞻領(lǐng)域研究，近期再傳突破性成果。聯(lián)發(fā)科宣布，將機(jī)器學(xué)習(xí)導(dǎo)入芯片設(shè)計(jì)，運(yùn)用強(qiáng)化學(xué)習(xí)（reinforcement learning）讓機(jī)器透過自我不斷探索和學(xué)習(xí)，預(yù)測(cè)出芯片中最佳電路區(qū)塊的位置（location）與形狀（shape），將大幅縮短開發(fā)時(shí)間并建構(gòu)更強(qiáng)大性能的芯片，成為改變游戲規(guī)則的重大突破。聯(lián)發(fā)科表示，該技術(shù)將于11月于臺(tái)灣舉辦的IEEE亞洲固態(tài)電路研討會(huì)A-SSCC（Asian Solid-State Circuits Conference）發(fā)表，同步也將申請(qǐng)國(guó)際專利。聯(lián)發(fā)科指出
- 關(guān)鍵字： 聯(lián)發(fā)科 芯片設(shè)計(jì) 機(jī)器學(xué)習(xí)
移動(dòng)算法 而非巨量數(shù)據(jù)
- 機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)進(jìn)步使我們能夠處理越來越大量?jī)?chǔ)存資料。傳統(tǒng)方法是將數(shù)據(jù)傳輸?shù)剿惴ㄔO(shè)備，但是這種移動(dòng)巨量數(shù)據(jù)（高達(dá) 1 PB）以供可能只有幾十兆位元算法來進(jìn)行處理真的有意義嗎？因此，在靠近數(shù)據(jù)儲(chǔ)存位置處理數(shù)據(jù)的想法引起了很多關(guān)注。本文研究了計(jì)算儲(chǔ)存理論和實(shí)踐，以及如何使用計(jì)算儲(chǔ)存處理器 (CSP) 為許多計(jì)算密集型任務(wù)提供硬件加速和更高性能，而不會(huì)給主機(jī)處理器帶來大量負(fù)擔(dān)。數(shù)據(jù)集崛起近年來，神經(jīng)網(wǎng)絡(luò)算法在汽車、工業(yè)、安全和消費(fèi)等應(yīng)用中使用顯著增加?；谶吘壩锫?lián)網(wǎng)傳感器通常只處理少量數(shù)據(jù)，因此所使用算法占用很
- 關(guān)鍵字： ?機(jī)器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò) 數(shù)據(jù)集
安富利：在機(jī)器學(xué)習(xí)中取得領(lǐng)先地位
- 機(jī)器學(xué)習(xí)是改變世界的最新技術(shù)。過去配合云端使用的算法現(xiàn)在已經(jīng)擴(kuò)展到邊緣運(yùn)算。應(yīng)用包括了監(jiān)控、先進(jìn)駕駛輔助系統(tǒng)ADAS、機(jī)器人和數(shù)據(jù)中心。開發(fā)人員正在尋找可快速及輕松地部署復(fù)雜系統(tǒng)的方法?！ ?duì)于邊緣網(wǎng)絡(luò)上的機(jī)器學(xué)習(xí)，Xilinx提供了延遲、功耗、成本、靈活性、可擴(kuò)展性和上市時(shí)間之間的最佳權(quán)衡。其軟件定義的系統(tǒng)單芯片(SDSoC)允許無縫整合硬件和軟件、自動(dòng)化內(nèi)存分配、快取管理、DMA和裝置互動(dòng)。SDx開發(fā)環(huán)境為項(xiàng)目建立，模擬，執(zhí)行和除錯(cuò)提供了通用的基礎(chǔ)架構(gòu)，讓不同的嵌入式系統(tǒng)可輕松實(shí)行?！ ∑浣Y(jié)果是更
- 關(guān)鍵字： 機(jī)器學(xué)習(xí) Xilinx
安富利:物聯(lián)網(wǎng)和機(jī)器學(xué)習(xí)(ML)協(xié)同開發(fā)
- 物聯(lián)網(wǎng)裝置和支持ML的裝置日益成為我們?nèi)粘Ｉ钪械囊徊糠?。隨著這些裝置進(jìn)入智能住宅中，就需要更多的專業(yè)知識(shí)來進(jìn)行建構(gòu)和開發(fā)。ROS是一個(gè)開放原始碼的機(jī)器人開發(fā)平臺(tái)，使機(jī)器人技術(shù)的開發(fā)可以協(xié)作。與ROS整合的TurtleBot3在SLAM（同步定位與地圖構(gòu)建）、導(dǎo)航和操控中具備核心技術(shù)，所以適合在家庭服務(wù)機(jī)器人應(yīng)用中使用?！ ∨cTurtleBot3整合的Ultra96上的ROS具有多項(xiàng)功能，所以適用于物聯(lián)網(wǎng)裝置中的應(yīng)用。除了配備Xilinx MPSOC開發(fā)板Ultra96（Cortex A53、R5）之
- 關(guān)鍵字： 物聯(lián)網(wǎng) 機(jī)器學(xué)習(xí)
人臉識(shí)別的工作原理是什么？
- 什么是人臉識(shí)別？人臉識(shí)別是一種軟件層面的算法，用于通過處理視頻幀或數(shù)字圖像來驗(yàn)證或識(shí)別一個(gè)人的身份，其中該人的臉是可見的。面部識(shí)別技術(shù)有幾種不同的工作方法，但是他們通常會(huì)將圖像中的面部特征與數(shù)據(jù)庫(kù)中的面部特征進(jìn)行比較。人臉識(shí)別處理的4個(gè)步驟特定的神經(jīng)網(wǎng)絡(luò)被訓(xùn)練用來檢測(cè)人臉的標(biāo)簽，并將人臉與圖像中的其他物體區(qū)分開來。標(biāo)簽是人類普遍的五官等面部特征，比如：眼睛、鼻子、嘴巴、眉毛等。人臉識(shí)別算法的工作流程任何人臉檢測(cè)和識(shí)別系統(tǒng)或軟件都繞不開人臉識(shí)別算法。業(yè)界將這些算法分為兩種：幾何方法側(cè)重于區(qū)分特征簡(jiǎn)而言之就將
- 關(guān)鍵字： 人臉識(shí)別 算法 AI 機(jī)器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò)
邊緣AI和機(jī)器學(xué)習(xí)將被廣泛應(yīng)用于工業(yè)和家庭
- 各行各業(yè)的數(shù)字化轉(zhuǎn)型和日常生活中的新場(chǎng)景已經(jīng)對(duì)邊緣上的人工智能（AI）和機(jī)器學(xué)習(xí)、先進(jìn)數(shù)據(jù)處理、音頻、視覺等產(chǎn)生了需求。邊緣機(jī)器學(xué)習(xí)（ML）計(jì)算支持廣泛的、智能化的工業(yè)和家庭應(yīng)用，包括用于異常檢測(cè)的傳感器數(shù)據(jù)處理、預(yù)測(cè)性維護(hù)、用于改進(jìn)玻璃破碎檢測(cè)的音頻模式識(shí)別、簡(jiǎn)單命令詞識(shí)別以及視覺應(yīng)用，如使用低分辨率攝像頭進(jìn)行在場(chǎng)檢測(cè)或人數(shù)統(tǒng)計(jì)?，F(xiàn)在的產(chǎn)品設(shè)計(jì)人員已看到了人工智能和機(jī)器學(xué)習(xí)的巨大潛力，可以為家庭安全系統(tǒng)、可穿戴醫(yī)療監(jiān)測(cè)器、商業(yè)設(shè)施和工業(yè)設(shè)備監(jiān)控傳感器等邊緣應(yīng)用帶來更多的智能化。所以SiliconLabs
- 關(guān)鍵字： 202204 邊緣AI 機(jī)器學(xué)習(xí)
2021年AI關(guān)鍵趨勢(shì)，AI芯片初創(chuàng)公司可能發(fā)生并購(gòu)
- 人工智能（AI）和機(jī)器學(xué)習(xí)仍然是技術(shù)決策者、行業(yè)人士和投資者關(guān)注的重點(diǎn)。標(biāo)普全球市場(chǎng)財(cái)智（S&P Intelligence）2020 7月發(fā)布的調(diào)查顯示，有58%的公司和組織預(yù)計(jì)新冠大流行會(huì)對(duì)他們現(xiàn)有的AI計(jì)劃產(chǎn)生負(fù)面影響，還有19%的公司和組織表示新冠大流行導(dǎo)致他們停止了AI項(xiàng)目。與此同時(shí)，也有75%的公司和組織表示COVID-19促進(jìn)了他們新的AI計(jì)劃。最近發(fā)布的2021 AI/ML用例調(diào)查顯示情況發(fā)生了變化，有86%參與調(diào)查的人表示新冠大流行已經(jīng)或?qū)?dǎo)致其所在的組織投資于新的AI計(jì)劃。由于大
- 關(guān)鍵字： 人工智能 機(jī)器學(xué)習(xí) 深度學(xué)習(xí) 數(shù)據(jù)科學(xué)
AI芯片競(jìng)爭(zhēng)紅海下的生存之道
- 在EE Times美國(guó)今年發(fā)布的Silicon 100榜單中，有大量席位被AI芯片公司所占據(jù)。這兩年來，以SambaNova、Graphcore等為代表的AI芯片公司可謂是投資界的大熱門。截至發(fā)稿日，SambaNova已經(jīng)獲得了11億美元的融資，宣稱市值為50億美元左右。3-4年之后，這片紅海競(jìng)爭(zhēng)的市場(chǎng)，又將變成怎樣一副模樣？據(jù)市場(chǎng)分析機(jī)構(gòu)GlobalData數(shù)據(jù)顯示，2021年第二季度北美地區(qū)的AI風(fēng)投總額就已經(jīng)達(dá)到95億美元，相比上一季度增長(zhǎng)了17.7%。這一季度，AI芯片市場(chǎng)的大熱門除了SambaN
- 關(guān)鍵字： AI芯片 IPU 英偉達(dá) 機(jī)器學(xué)習(xí)
2021年智源人工智能前沿報(bào)告（AI Frontiers Report）發(fā)布
- 2021年對(duì)于人工智能技術(shù)和產(chǎn)業(yè)，依舊是不平凡的一年。隨著算力、數(shù)據(jù)、算法等要素逐漸齊備，先進(jìn)的算法結(jié)構(gòu)不斷涌現(xiàn)，各個(gè)研究方向研究成果層出不窮，成熟的AI技術(shù)逐漸向代碼庫(kù)、平臺(tái)和系統(tǒng)發(fā)展，實(shí)現(xiàn)產(chǎn)業(yè)和商業(yè)層面的落地應(yīng)用，推動(dòng)人工智能發(fā)展邁向新階段。在新的一年即將到來之際，智源研究院采用案例征集、專家咨詢等方法，向高校和科研機(jī)構(gòu)專家學(xué)者征集2021年度人工智能動(dòng)態(tài)、案例等內(nèi)容，并通過向?qū)I(yè)人士咨詢的形式匯總觀點(diǎn)及建議，形成2021-2022年度人工智能前沿報(bào)告（AI Frontiers Report）。報(bào)告專
- 關(guān)鍵字： AI 機(jī)器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò) 算法
采用恩智浦應(yīng)用軟件包快速啟動(dòng)產(chǎn)品開發(fā)
- 處理邊緣連接的機(jī)器學(xué)習(xí)（ML）應(yīng)用的復(fù)雜性是一個(gè)艱巨而漫長(zhǎng)的過程。將相關(guān)應(yīng)用功能與在經(jīng)濟(jì)高效的平臺(tái)上部署此ML模型的復(fù)雜性結(jié)合起來，需要花費(fèi)大量的精力和時(shí)間。恩智浦基于ML的系統(tǒng)狀態(tài)監(jiān)測(cè)應(yīng)用軟件包（App SW Pack）為快速開發(fā)此類復(fù)雜應(yīng)用提供了量產(chǎn)源代碼。打造邊緣就緒解決方案并非易事，如今幾乎所有開發(fā)人員都避免嘗試從頭開始構(gòu)建應(yīng)用或產(chǎn)品。始終存在的面市時(shí)間壓力意味著，終端產(chǎn)品制造商和應(yīng)用工程師越來越依賴現(xiàn)有的示例和抽象層來節(jié)省時(shí)間。這使我們能夠更多關(guān)注用戶體驗(yàn)和更高應(yīng)用級(jí)別的編碼，以便集成到終端產(chǎn)品
- 關(guān)鍵字： NXP 機(jī)器學(xué)習(xí)
Microchip MCU在機(jī)器學(xué)習(xí)上的解決方案
- 將機(jī)器學(xué)習(xí)Machine Learning（ML）加入現(xiàn)有的MCU設(shè)計(jì)OK嗎？龐大的ML軟件框架令您卻步？想沿用現(xiàn)有的設(shè)計(jì)與工具，可行嗎？現(xiàn)今常見有兩種方法，第一種是透過網(wǎng)絡(luò)將其感測(cè)的信息傳輸?shù)皆贫?，借著云端?qiáng)大的運(yùn)算能力，再將判斷結(jié)果傳回。Microchip有相當(dāng)多這類成熟的解決方案，可讓您輕松連到云端。 另一種方法則可直接在MCU上做運(yùn)算判斷，雖然運(yùn)算能力比不上云端，但對(duì)某些小型傳感器或數(shù)據(jù)應(yīng)用，先在MCU做一些門坎值判斷算法，反而毋須考慮網(wǎng)絡(luò)帶寬不夠、能耗太高、傳輸延遲等問題，更不用擔(dān)心傳
- 關(guān)鍵字： Microchip MCU 機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)模型設(shè)計(jì)過程和MEMS MLC
- 開發(fā)機(jī)器學(xué)習(xí)項(xiàng)目的五個(gè)步驟 — 掌握要點(diǎn)，應(yīng)用并不困難！邊緣機(jī)器學(xué)習(xí)具有許多優(yōu)勢(shì)。 然而，由于開發(fā)方法與標(biāo)準(zhǔn)程序設(shè)計(jì)方法截然不同，許多機(jī)器學(xué)習(xí)開發(fā)者可能會(huì)擔(dān)心自己難以駕馭。其實(shí)，完全沒有必要擔(dān)心。一旦熟悉了步驟，并掌握了機(jī)器學(xué)習(xí)項(xiàng)目的要點(diǎn)，就能夠開發(fā)具有價(jià)值的機(jī)器學(xué)習(xí)應(yīng)用。此外，意法半導(dǎo)體（STMicroelectronics；ST）提供解決方案，以促進(jìn)邊緣機(jī)器學(xué)習(xí)得到廣泛應(yīng)用發(fā)揮全部潛力。本文描述機(jī)器學(xué)習(xí)項(xiàng)目的必要開發(fā)步驟，并介紹了ST MEMS傳感器內(nèi)嵌機(jī)器學(xué)習(xí)核心（MLC）的優(yōu)勢(shì)。 圖一
- 關(guān)鍵字： 機(jī)器學(xué)習(xí) 模型設(shè)計(jì) MEMS MLC
學(xué)貫中西:讓機(jī)器學(xué)習(xí)華夏智慧
- 0? ?前言機(jī)器學(xué)習(xí)（ML）除了能夠?qū)W習(xí)大數(shù)據(jù)（big data）中的規(guī)律和法則之外，也能夠?qū)W習(xí)人類的智慧。華夏文化淵源長(zhǎng)久、博大精深，處處充滿智慧。因此，我們可以讓機(jī)器來學(xué)習(xí)華夏的文化底蘊(yùn)和智能，還能更上層樓而學(xué)貫中西。1? ?復(fù)習(xí)：什么是特征（feature）?機(jī)器學(xué)習(xí)之路，首先從觀察特征出發(fā)?；貞浺幌?，人們對(duì)于周圍的問題或事件常從不同的角度來觀察或看出不同的特征。所謂特征（feature），就是一件事物或一群事物，其具有與眾不同的特色或表征。例如，人們?cè)诒鎰e其
- 關(guān)鍵字： 202111 機(jī)器學(xué)習(xí)
AI講座：自編碼器——神奇的ML瑞士刀
- 1? ?神奇的自編碼器在之前各期里，所舉的范例模型都是基于邏輯回歸（Logistic regression）的線性分類器（Linear classifier）。其訓(xùn)練方法是采取監(jiān)督式學(xué)習(xí)（Supervised Learning）模式。在本期里， 將進(jìn)一步介紹非監(jiān)督式學(xué)習(xí)（Unsupervised Learning）模式，并以小而美的自編碼器（Autoencoder，簡(jiǎn)稱：AE）為例。自編碼器是一種小而美的ML 模型，它的用途非常多，所以有“ML 瑞士刀”之稱。例如，Pawer Sobe
- 關(guān)鍵字： 202109 自編碼器 機(jī)器學(xué)習(xí)
使用英飛凌 ModusToolbox? 機(jī)器學(xué)習(xí)為IoT設(shè)備解鎖AI
- 1? ?英飛凌在邊緣（Edge）設(shè)備上釋放機(jī)器學(xué)習(xí)（ML）的能力市場(chǎng)對(duì)舒適性、便利性和簡(jiǎn)單性的需求不斷增加，對(duì)娛樂、安全和能源效率領(lǐng)域更多功能的需求也在日益增長(zhǎng)，這將大大增加對(duì)智能家居的興趣和承諾。邊緣人工智能（AI）將成為這些產(chǎn)品的關(guān)鍵推動(dòng)因素。今天的物聯(lián)網(wǎng)硬件/軟件開發(fā)人員面臨著在構(gòu)建這些未來設(shè)備時(shí)的一系列復(fù)雜設(shè)計(jì)。從復(fù)雜的集成無線連接，到優(yōu)化電池供電設(shè)計(jì)中的系統(tǒng)功率，再到集成傳感器融合，讓物聯(lián)網(wǎng)工作對(duì)任何團(tuán)隊(duì)來說都是一項(xiàng)艱巨的任務(wù)。作為連接現(xiàn)實(shí)世界和數(shù)字世界的領(lǐng)導(dǎo)者，英飛凌非常了解
- 關(guān)鍵字： 202109 機(jī)器學(xué)習(xí) AI
機(jī)器學(xué)習(xí)介紹
您好，目前還沒有人創(chuàng)建詞條機(jī)器學(xué)習(xí)!
歡迎您創(chuàng)建該詞條，闡述對(duì)機(jī)器學(xué)習(xí)的理解，并與今后在此搜索機(jī)器學(xué)習(xí)的朋友們分享。 創(chuàng)建詞條
歡迎您創(chuàng)建該詞條，闡述對(duì)機(jī)器學(xué)習(xí)的理解，并與今后在此搜索機(jī)器學(xué)習(xí)的朋友們分享。 創(chuàng)建詞條
機(jī)器學(xué)習(xí)相關(guān)帖子
機(jī)器學(xué)習(xí)資料下載
機(jī)器學(xué)習(xí)專欄文章
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
京ICP備12027778號(hào)-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473
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
京ICP備12027778號(hào)-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473