-
西湖大學(xué)：科學(xué)家+AI，科研新范式的樣本
北京2024年12月11日 /美通社/ -- 今年的諾貝爾獎，將AI推到了科學(xué)舞臺的中央，標(biāo)志著AI在科學(xué)研究中的重要地位得到了認(rèn)可，也體現(xiàn)了學(xué)科交叉賦能將成為AI時代的科研發(fā)展趨勢。用AI賦能學(xué)科研究，創(chuàng)新科研新范式。這一點在西湖大學(xué)的科研項目中已得到體現(xiàn)。 成立于2018年...
-
適用FPGA的小型神經(jīng)網(wǎng)絡(luò)：加速邊緣智能的新篇章
在人工智能（AI）技術(shù)日新月異的今天，神經(jīng)網(wǎng)絡(luò)作為其核心驅(qū)動力，正逐步滲透到各個行業(yè)與領(lǐng)域。然而，傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型往往受限于計算資源和功耗，難以在邊緣設(shè)備上實現(xiàn)高效運行?，F(xiàn)場可編程門陣列（FPGA）作為一種高性能、低功耗的硬件加速器，為小型神經(jīng)網(wǎng)絡(luò)的部署提供了理想的平臺。本文將深入探討適用于FPGA的小型神經(jīng)網(wǎng)絡(luò)，以及它們在邊緣智能應(yīng)用中的獨特優(yōu)勢。
-
神經(jīng)網(wǎng)絡(luò)如何促進(jìn)振動分析
在日益復(fù)雜的工業(yè)和汽車環(huán)境中，狀態(tài)監(jiān)測對于確保安全可靠的運行變得越來越重要。通過數(shù)據(jù)分析可以檢測運行異常和潛在的設(shè)備缺陷，從而在發(fā)生故障之前及時進(jìn)行維修。它還可以最大限度地減少維護(hù)頻率并避免不必要的成本。
-
神經(jīng)網(wǎng)絡(luò)從感知到深入學(xué)習(xí)
從受到人類大腦的啟發(fā),到發(fā)展出能夠獲得非凡成就的復(fù)雜模型,?神經(jīng)網(wǎng)絡(luò) 已經(jīng)走了很長一段路。在接下來的博客中,我們將深入討論神經(jīng)網(wǎng)絡(luò)的技術(shù)歷程--從基本感知器到先進(jìn)的深度學(xué)習(xí)架構(gòu),推動人工智能的創(chuàng)新。
-
小規(guī)模任務(wù)的神經(jīng)網(wǎng)絡(luò)應(yīng)用
在過去10-15年中,人工神經(jīng)網(wǎng)絡(luò)領(lǐng)域的發(fā)展迅速。典型的應(yīng)用是圖像處理、聲音等領(lǐng)域的高維數(shù)據(jù).然而,在機(jī)器學(xué)習(xí)中,系統(tǒng)輸入的數(shù)據(jù)量很小的任務(wù)很少:例如,異常事件建模、處理人工收集的分析數(shù)據(jù)、分析低頻傳感器的信號等。在這種情況下,一個重要階段是對系統(tǒng)訓(xùn)練有素的特點("特點")進(jìn)行認(rèn)真的工作,特別是從現(xiàn)有的基本特點中產(chǎn)生新的特點,這將能夠提高設(shè)計系統(tǒng)的性能質(zhì)量。手動方法通常用于這種生成,但是一個好的選擇是使用神經(jīng)網(wǎng)絡(luò),它不僅能夠?qū)W習(xí)基本的數(shù)學(xué)運算,而且能夠識別輸入數(shù)據(jù)中極其復(fù)雜的模式。
-
Microchip收購Neuronix AI Labs
該實驗室的創(chuàng)新技術(shù)能夠增強(qiáng)人工智能邊緣解決方案，提高神經(jīng)網(wǎng)絡(luò)能力
-
機(jī)器學(xué)習(xí)基本算法原理
機(jī)器學(xué)習(xí)將是下述內(nèi)容的主要介紹對象，通過這篇文章，小編希望大家可以對機(jī)器學(xué)習(xí)的相關(guān)情況以及信息有所認(rèn)識和了解，詳細(xì)內(nèi)容如下。
-
機(jī)器學(xué)習(xí)有哪些框架
深度學(xué)習(xí)需要大量的計算。它通常包含具有許多節(jié)點的神經(jīng)網(wǎng)絡(luò)，并且每個節(jié)點都有許多需要在學(xué)習(xí)過程中必須不斷更新的連接。換句話說，神經(jīng)網(wǎng)絡(luò)的每一層都有成百上千個相同的人工神經(jīng)元在執(zhí)行相同的計算。
-
人工神經(jīng)網(wǎng)絡(luò)主要有哪些特點？
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，即ANN )是從信息處理角度對人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象，是20世紀(jì)80年代以來人工智能領(lǐng)域興起的研究熱點，其本質(zhì)是一種運算模型，由大量的節(jié)點(或稱神經(jīng)元)之間相互聯(lián)接構(gòu)成，在模式識別、智能機(jī)器人、自動控制、生物、醫(yī)學(xué)、經(jīng)濟(jì)等領(lǐng)域已成功地解決了許多現(xiàn)代計算機(jī)難以解決的實際問題，表現(xiàn)出了良好的智能特性。
-
人工智能神經(jīng)網(wǎng)絡(luò)是什么？
許多人工智能計算機(jī)系統(tǒng)的核心技術(shù)是人工神經(jīng)網(wǎng)絡(luò)(ANN)，而這種網(wǎng)絡(luò)的靈感來源于人類大腦中的生物結(jié)構(gòu)。通過使用連接的“神經(jīng)元”結(jié)構(gòu)，這些網(wǎng)絡(luò)可以通過“學(xué)習(xí)”并在沒有人類參與的情況下處理和評估某些數(shù)據(jù)。神經(jīng)網(wǎng)絡(luò)提供了位于托管數(shù)據(jù)之上的排序和分類級別，可基于相似度來輔助數(shù)據(jù)的聚類和分組?？梢允褂萌斯ど窠?jīng)網(wǎng)絡(luò)(ANN)生成復(fù)雜的垃圾郵件過濾器，查找欺詐行為的算法以及可以精確了解情緒的客戶關(guān)系工具。
-
從人工智能發(fā)展中所誕生的產(chǎn)品
1956年，美國Dartmouth大學(xué)舉辦的一場研討會中提出了人工智能這一概念。
-
米爾入門級i.MX6UL開發(fā)板的神經(jīng)網(wǎng)絡(luò)框架ncnn移植與測試
米爾 MYD-Y6ULX-V2 開發(fā)板，基于 NXP i.MX6UL/i.MX6ULL處理器，該開發(fā)板被米爾稱之為經(jīng)典王牌產(chǎn)品。本次測試目標(biāo)是在此開發(fā)板上進(jìn)行神經(jīng)網(wǎng)絡(luò)框架ncnn的移植與測試開發(fā)，測試ncnn在此開發(fā)板上的性能與應(yīng)用測試。
-
人工智能技術(shù)的發(fā)展和應(yīng)用越來越廣泛！
人工智能的不斷發(fā)展和越來越廣泛的應(yīng)用，將相應(yīng)地需要更先進(jìn)和可擴(kuò)展的基礎(chǔ)設(shè)施來支持其開發(fā)和部署。人工智能基礎(chǔ)設(shè)施投資的一個關(guān)鍵領(lǐng)域?qū)⑹菍ｉT的數(shù)據(jù)基礎(chǔ)設(shè)施，如矢量數(shù)據(jù)庫，其設(shè)計用于存儲和處理現(xiàn)代ML模型生成的大量數(shù)據(jù)。Liberty表示：“這將加速人工智能系統(tǒng)的開發(fā)和部署，這些系統(tǒng)在許多領(lǐng)域?qū)⒊^上一年的應(yīng)用?！?/p>
-
什么是自編碼器？對機(jī)器學(xué)習(xí)有什么影響？
AutoEncoder的基本思想是利用神經(jīng)網(wǎng)絡(luò)來做無監(jiān)督學(xué)習(xí)，就是把樣本的輸入同時作為神經(jīng)網(wǎng)絡(luò)的輸入和輸出。本質(zhì)上是希望學(xué)習(xí)到輸入樣本的表示(encoding)。早期AutoEncoder的研究主要是數(shù)據(jù)過于稀疏、數(shù)據(jù)高維導(dǎo)致計算復(fù)雜度高。比較早用神經(jīng)網(wǎng)絡(luò)做AutoEncoder的可以追溯到80年代的BPNN和MLP以及當(dāng)時Hinton推崇的RBM。后來到了2000年以后還堅持在做的只剩下Hinton的RBM了。從2000年以后，隨著神經(jīng)網(wǎng)絡(luò)的快速興起，AutoEncoder也得到快速發(fā)展，基本上有幾條線：稀疏AutoEncoder、噪音容忍AutoEncoder、卷積AutoEncoder、變分AutoEncoder。最新的進(jìn)展是結(jié)合對抗思想的對抗AutoEncoder。
-
什么是深度學(xué)習(xí)
深度學(xué)習(xí)是近10年機(jī)器學(xué)習(xí)領(lǐng)域發(fā)展最快的一個分支，由于其重要性，三位教授(Geoffrey Hinton、Yann Lecun、Yoshua Bengio)因此同獲圖靈獎。深度學(xué)習(xí)模型的發(fā)展可以追溯到1958年的感知機(jī)(Perceptron)。1943年神經(jīng)網(wǎng)絡(luò)就已經(jīng)出現(xiàn)雛形(源自NeuroScience)，1958年研究認(rèn)知的心理學(xué)家Frank發(fā)明了感知機(jī)，當(dāng)時掀起一股熱潮。后來Marvin Minsky(人工智能大師)和Seymour Papert發(fā)現(xiàn)感知機(jī)的缺陷：不能處理異或回路等非線性問題，以及當(dāng)時存在計算能力不足以處理大型神經(jīng)網(wǎng)絡(luò)的問題。于是整個神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入停滯期。
-
基于硅憶阻突觸的深度置信神經(jīng)網(wǎng)絡(luò)
雖然人工智能 (AI) 模型變得越來越先進(jìn)，但在傳統(tǒng)計算機(jī)硬件上訓(xùn)練和運行這些模型非常耗能。因此，世界各地的工程師一直在嘗試創(chuàng)建替代的、受大腦啟發(fā)的硬件，以更好地支持人工智能系統(tǒng)的高計算負(fù)載。
-
基于時間序列模型的校園宿舍用電量分析
摘要:我國高校作為電能的主要耗用者之一,存在大量使用大功率設(shè)備、學(xué)生節(jié)電意識差等問題。對高校用電量進(jìn)行預(yù)測可以為高校配電網(wǎng)的配電計劃工作提供數(shù)據(jù)參考,達(dá)到調(diào)節(jié)電量輸送、節(jié)約能源的目的。鑒于此,對廈門大學(xué)漳州校區(qū)58幢宿舍樓進(jìn)行隨機(jī)抽樣調(diào)查,并對搜集的數(shù)據(jù)基于ARMA和LSTM方法建立時間序列預(yù)測模型,預(yù)測校園宿舍未來用電量,以實現(xiàn)提前預(yù)警,提高大學(xué)生節(jié)電意識。實驗證明,模型能夠在大多數(shù)數(shù)據(jù)集上取得良好的性能表現(xiàn)。
-
火電廠脫硝精準(zhǔn)噴氨系統(tǒng)的運行分析及優(yōu)化
摘要:某火電廠1000MM機(jī)組在不同負(fù)荷、不同工況下,脫硝精準(zhǔn)噴氨系統(tǒng)各分區(qū)中有部分分區(qū)出口NOX值偏高,造成了精準(zhǔn)噴氨系統(tǒng)不均勻度增加,從而直接導(dǎo)致了出口NOX濃度整體偏高,整體噴氨量增大。針對該情況,該火電廠引入神經(jīng)網(wǎng)絡(luò)自動控制算法對精準(zhǔn)噴氨系統(tǒng)進(jìn)行優(yōu)化,使其能夠滿足日益嚴(yán)苛的環(huán)保標(biāo)準(zhǔn)?，F(xiàn)針對該優(yōu)化改進(jìn)進(jìn)行分析及討論,以期為發(fā)電公司的技術(shù)改造提供參考意見。
-
淺析下一代人工智能的方向和可能性思考！
人工智能(Artificial Intelligence, AI),也稱智能科學(xué)，是以計算機(jī)科學(xué)、數(shù)學(xué)、心理學(xué)等為基礎(chǔ)，運用人工智能方法進(jìn)行科學(xué)研究的一門新興科學(xué)，它主要涉及智能科學(xué)與技術(shù)產(chǎn)業(yè)領(lǐng)域。
-
廣電五舟王鵬：沒有算力的保障，數(shù)字未來將是海市蜃樓
廣州2022年11月4日 /美通社/ -- 算力是當(dāng)今數(shù)字時代新的核心生產(chǎn)力，以算力為核心的數(shù)字信息基礎(chǔ)設(shè)施已成為國家戰(zhàn)略性布局的關(guān)鍵組成部分。算力正在成為驅(qū)動產(chǎn)業(yè)轉(zhuǎn)型升級、生產(chǎn)方式變革的重要動力，并不斷推動加速數(shù)字中國建設(shè)的腳步。 廣電五舟作為算力領(lǐng)域中積極的拓新者...
