前文《卷積神經(jīng)網(wǎng)絡(luò)簡介：什么是機(jī)器學(xué)習(xí)？》中，我們比較了在微控制器中運(yùn)行經(jīng)典線性規(guī)劃程序與運(yùn)行CNN的區(qū)別，并展示了CNN的優(yōu)勢。我們還探討了CIFAR網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以對圖像中的貓、房子或自行車等對象進(jìn)行分類，還可以執(zhí)行簡單的語音識別。本文重點(diǎn)解釋如何訓(xùn)練這些神經(jīng)網(wǎng)絡(luò)以解決實(shí)際問題。
2023-09-05 10:19:43
3283 
神經(jīng)網(wǎng)絡(luò)的發(fā)展可以追溯到二戰(zhàn)時期，那時候先輩們正想著如何用人類的方式去存儲和處理信息，于是他們開始構(gòu)建計(jì)算系統(tǒng)。由于當(dāng)時計(jì)算機(jī)機(jī)器和技術(shù)的發(fā)展限制，這一技術(shù)并沒有得到廣泛的關(guān)注和應(yīng)用。幾十年來
2018-06-05 10:11:50
第1章 概述 1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展 1.2 生物神經(jīng)元 1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成 第2章人工神經(jīng)網(wǎng)絡(luò)基本模型 2.1 MP模型 2.2 感知器模型 2.3 自適應(yīng)線性
2012-03-20 11:32:43
使用最為有利的系統(tǒng)。訓(xùn)練往往在線下通過基于 CPU 的系統(tǒng)、圖形處理器 (GPU) 或現(xiàn)場可編程門陣列 (FPGA) 來完成。由于計(jì)算功能強(qiáng)大且設(shè)計(jì)人員對其很熟悉，這些是用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的最為理想
2017-12-21 17:11:34
完畢（根據(jù)深度學(xué)習(xí)框架的要求轉(zhuǎn)換成對應(yīng)格式）、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)準(zhǔn)備完畢（以文本形式按照某種語法描述），神經(jīng)網(wǎng)絡(luò)算法的訓(xùn)練過程幾乎是自動的（約等于執(zhí)行某個訓(xùn)練命令）。算法開發(fā)人員需要根據(jù)訓(xùn)練過程中所反映出
2020-05-18 17:13:24
遞歸網(wǎng)絡(luò)newelm 創(chuàng)建一Elman遞歸網(wǎng)絡(luò)2. 網(wǎng)絡(luò)應(yīng)用函數(shù)sim 仿真一個神經(jīng)網(wǎng)絡(luò)init 初始化一個神經(jīng)網(wǎng)絡(luò)adapt 神經(jīng)網(wǎng)絡(luò)的自適應(yīng)化train 訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)3. 權(quán)函數(shù)dotprod
2009-09-22 16:10:08
：
神經(jīng)網(wǎng)絡(luò)卷積函數(shù)
神經(jīng)網(wǎng)絡(luò)激活函數(shù)
全連接層函數(shù)
神經(jīng)網(wǎng)絡(luò)池化函數(shù)
Softmax 函數(shù)
神經(jīng)網(wǎng)絡(luò)支持功能
該庫具有用于操作不同權(quán)重和激活數(shù)據(jù)類型的單獨(dú)函數(shù)，包括 8 位整數(shù)
2025-10-29 06:08:21
桌面前端包括供開發(fā)人員從經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)驗(yàn)證和生成優(yōu)化的STM32 AI庫的資源。現(xiàn)在，該工具的在線版本 STM32Cube.AI 開發(fā)人員云對此進(jìn)行了補(bǔ)充，提供了一系列行業(yè)首創(chuàng)：? 在線界面，為
2023-02-02 09:52:43
習(xí)神經(jīng)神經(jīng)網(wǎng)絡(luò)，對于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)是如何一直沒有具體實(shí)現(xiàn)一下：現(xiàn)看到一個簡單的神經(jīng)網(wǎng)絡(luò)模型用于訓(xùn)練的輸入數(shù)據(jù):對應(yīng)的輸出數(shù)據(jù):我們這里設(shè)置：1：節(jié)點(diǎn)個數(shù)設(shè)置：輸入層、隱層、輸出層的節(jié)點(diǎn)
2021-08-18 07:25:21
`本篇主要介紹：人工神經(jīng)網(wǎng)絡(luò)的起源、簡單神經(jīng)網(wǎng)絡(luò)模型、更多神經(jīng)網(wǎng)絡(luò)模型、機(jī)器學(xué)習(xí)的步驟：訓(xùn)練與預(yù)測、訓(xùn)練的兩階段：正向推演與反向傳播、以TensorFlow + Excel表達(dá)訓(xùn)練流程以及AI普及化教育之路。`
2020-11-05 17:48:39
的神經(jīng)網(wǎng)絡(luò)編程，想基于此開發(fā)板，進(jìn)行神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，訓(xùn)練和測試神經(jīng)網(wǎng)絡(luò)。項(xiàng)目計(jì)劃：1.基于官方的文檔及資料，熟悉此開發(fā)板。2.測試官方demo，學(xué)習(xí)ARM內(nèi)核和FPGA如何協(xié)調(diào)工作。3.基于自己最近
2019-01-09 14:48:59
項(xiàng)目名稱：基于PYNQ的神經(jīng)網(wǎng)絡(luò)自動駕駛小車試用計(jì)劃：一、本人技術(shù)背景本人有四年以上的嵌入式開發(fā)和三年以上的機(jī)器視覺領(lǐng)域項(xiàng)目實(shí)踐經(jīng)驗(yàn)，在計(jì)算機(jī)視覺與FPGA數(shù)字圖像處理方面有較多的理論研究與項(xiàng)目實(shí)踐
2018-12-19 11:36:24
，得到訓(xùn)練參數(shù)2、利用開發(fā)板arm與FPGA聯(lián)合的特性，在arm端實(shí)現(xiàn)圖像預(yù)處理已經(jīng)卷積核神經(jīng)網(wǎng)絡(luò)的池化、激活函數(shù)和全連接，在FPGA端實(shí)現(xiàn)卷積運(yùn)算3、對整個系統(tǒng)進(jìn)行調(diào)試。4、在基本實(shí)現(xiàn)系統(tǒng)的基礎(chǔ)上
2018-12-19 11:37:22
前言前面我們通過notebook，完成了在PYNQ-Z2開發(fā)板上編寫并運(yùn)行python程序。我們的最終目的是基于神經(jīng)網(wǎng)絡(luò)，完成手寫的數(shù)字識別。在這之前，有必要講一下神經(jīng)網(wǎng)絡(luò)的基本概念和工作原理。何為
2019-03-03 22:10:19
板。可以看到文件列表中多了一個我們剛剛克隆的項(xiàng)目。如下圖： 圖3神經(jīng)網(wǎng)絡(luò)源碼分析在運(yùn)行代碼之前，我們先來了解一下神經(jīng)網(wǎng)絡(luò)代碼的構(gòu)成。代碼至少包含三個函數(shù)。初始化函數(shù)--設(shè)定輸入層節(jié)點(diǎn)、隱藏層 節(jié)點(diǎn)和輸出層
2019-03-18 21:51:33
，訓(xùn)練并測試神經(jīng)網(wǎng)絡(luò)；5. 軟硬件聯(lián)合調(diào)試。 準(zhǔn)備好手邊的開發(fā)板和開發(fā)環(huán)境，從下一篇帖子開始，跟我動手制作一輛屬于自己的自動駕駛小車吧！`
2019-03-02 23:10:52
元，它決定了該輸入向量在地位空間中的位置。SOM神經(jīng)網(wǎng)絡(luò)訓(xùn)練的目的就是為每個輸出層神經(jīng)元找到合適的權(quán)向量，以達(dá)到保持拓?fù)浣Y(jié)構(gòu)的目的。SOM的訓(xùn)練過程其實(shí)很簡單，就是接收到一個訓(xùn)練樣本后，每個輸出層神經(jīng)
2019-07-21 04:30:00
download_model.sh 腳本，該腳本
將下載一個可用的 YOLOv5 ONNX 模型，并存放在當(dāng)前 model 目錄下，參考命令如下：
安裝COCO數(shù)據(jù)集，在深度神經(jīng)網(wǎng)絡(luò)算法中，模型的訓(xùn)練離不開大量的數(shù)據(jù)集，數(shù)據(jù)集用于神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練。
2024-10-10 09:28:48
人工神經(jīng)網(wǎng)絡(luò)是根據(jù)人的認(rèn)識過程而開發(fā)出的一種算法。假如我們現(xiàn)在只有一些輸入和相應(yīng)的輸出，而對如何由輸入得到輸出的機(jī)理并不清楚，那么我們可以把輸入與輸出之間的未知過程看成是一個“網(wǎng)絡(luò)”，通過不斷地給
2008-06-19 14:40:42
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實(shí)際問題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？
2019-08-01 08:06:21
簡單理解LSTM神經(jīng)網(wǎng)絡(luò)
2021-01-28 07:16:57
優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法有哪些？
2022-09-06 09:52:36
取特征的強(qiáng)大工具，例如識別音頻信號或圖像信號中的復(fù)雜模式就是其應(yīng)用之一。
1、什么是卷積神經(jīng)網(wǎng)絡(luò)？
神經(jīng)網(wǎng)絡(luò)是一種由神經(jīng)元組成的系統(tǒng)或結(jié)構(gòu)，它使AI能夠更好地理解數(shù)據(jù)，進(jìn)而解決復(fù)雜問題。雖然神經(jīng)網(wǎng)絡(luò)有
2024-10-24 13:56:48
速度增長，需要新的硬件和軟件創(chuàng)新來繼續(xù)平衡內(nèi)存，計(jì)算效率和帶寬。神經(jīng)網(wǎng)絡(luò) (NN) 的訓(xùn)練對于 AI 能力的持續(xù)提升至關(guān)重要，今天標(biāo)志著這一演變的激動人心的一步，Arm、英特爾和 NVIDIA 聯(lián)合
2022-09-15 15:15:46
數(shù)據(jù)與干凈的EEG數(shù)據(jù)構(gòu)成訓(xùn)練數(shù)據(jù)，并且分成訓(xùn)練、驗(yàn)證和測試數(shù)據(jù)集。
繪制有噪聲EEG數(shù)據(jù)與干凈的EEG數(shù)據(jù)
顯然，傳統(tǒng)的任何算法很難將EEG數(shù)據(jù)從噪聲中濾出來。
定義神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，之所以選擇長短期記憶
2024-04-30 20:40:32
抑制任務(wù)是語音增強(qiáng)領(lǐng)域的一個重要學(xué)科, 隨著深度神經(jīng)網(wǎng)絡(luò)的興起，提出了幾種基于深度模型的音頻處理新方法[1,2,3,4]。然而，這些通常是為離線處理而開發(fā)的，不需要考慮實(shí)時性。當(dāng)使用神經(jīng)網(wǎng)絡(luò)
2024-05-11 17:15:32
卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會在意它呢? 對于這些非常中肯的問題，我們似乎可以給出相對簡明的答案。
2019-07-17 07:21:50
network，DBN）[24]， 從此拉開了深度學(xué)習(xí)大幕。隨著深度學(xué)習(xí)理論的研究和發(fā)展，研究人員提 出了一系列卷積神經(jīng)網(wǎng)絡(luò)模型。為了比較不同模型 的質(zhì)量，收集并整理了文獻(xiàn)中模型在分類任務(wù)上的 識別率，如圖 1
2022-08-02 10:39:39
模型。第 3 部分將研究使用專用 AI 微控制器測試模型的特定用例。什么是卷積神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)是系統(tǒng)或神經(jīng)元結(jié)構(gòu)，使人工智能能夠更好地理解數(shù)據(jù)，使其能夠解決復(fù)雜的問題。雖然有許多網(wǎng)絡(luò)類型，但本系
2023-02-23 20:11:10
為提升識別準(zhǔn)確率，采用改進(jìn)神經(jīng)網(wǎng)絡(luò)，通過Mnist數(shù)據(jù)集進(jìn)行訓(xùn)練。整體處理過程分為兩步：圖像預(yù)處理和改進(jìn)神經(jīng)網(wǎng)絡(luò)推理。圖像預(yù)處理主要根據(jù)圖像的特征，將數(shù)據(jù)處理成規(guī)范的格式，而改進(jìn)神經(jīng)網(wǎng)絡(luò)推理主要用于輸出結(jié)果。 整個過程分為兩個步驟：圖像預(yù)處理和神經(jīng)網(wǎng)絡(luò)推理。需要提前安裝Tengine框架，
2021-12-23 08:07:33
本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開發(fā)IDE，以TensorFlow2為訓(xùn)練框架，目標(biāo)是訓(xùn)練一個手寫數(shù)字識別的神經(jīng)網(wǎng)絡(luò)
2025-10-22 07:03:26
最近在學(xué)習(xí)電機(jī)的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達(dá)能力，可以通過對系統(tǒng)性能的學(xué)習(xí)來實(shí)現(xiàn)具有最佳組合的PID控制。利用BP
2021-09-07 07:43:47
基于光學(xué)芯片的神經(jīng)網(wǎng)絡(luò)訓(xùn)練解析，不看肯定后悔
2021-06-21 06:33:55
作者：Nagesh Gupta 創(chuàng)始人兼 CEOAuviz Systems Nagesh@auvizsystems.com憑借出色的性能和功耗指標(biāo)，賽靈思 FPGA 成為設(shè)計(jì)人員構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)
2019-06-19 07:24:41
如何用stm32cube.ai簡化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？
2021-10-11 08:05:42
原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測的計(jì)算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測
2021-07-12 08:02:11
訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)并移植到Lattice FPGA上，通常需要開發(fā)人員既要懂軟件又要懂?dāng)?shù)字電路設(shè)計(jì)，是個不容易的事。好在FPGA廠商為我們提供了許多工具和IP，我們可以在這些工具和IP的基礎(chǔ)上做
2020-11-26 07:46:03
神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點(diǎn)之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)
2019-08-08 06:11:30
現(xiàn)有的圖數(shù)據(jù)規(guī)模極大，導(dǎo)致時序圖神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要格外長的時間，因此使用多GPU進(jìn)行訓(xùn)練變得成為尤為重要，如何有效地將多GPU用于時序圖神經(jīng)網(wǎng)絡(luò)訓(xùn)練成為一個非常重要的研究議題。本文提供了兩種方式來
2022-09-28 10:37:20
作者：李云紅0 引言自20世紀(jì)70年代以來，模擬電路故障診斷領(lǐng)域已經(jīng)取得了一定的研究成果，近年來，基于神經(jīng)網(wǎng)絡(luò)技術(shù)的現(xiàn)代模擬電路軟故障診斷方法已成為新的研究熱點(diǎn)，神經(jīng)網(wǎng)絡(luò)的泛化能力和非線性映射能力
2019-07-05 08:06:02
人工神經(jīng)網(wǎng)絡(luò)在AI中具有舉足輕重的地位，除了找到最好的神經(jīng)網(wǎng)絡(luò)模型和訓(xùn)練數(shù)據(jù)集之外，人工神經(jīng)網(wǎng)絡(luò)的另一個挑戰(zhàn)是如何在嵌入式設(shè)備上實(shí)現(xiàn)它，同時優(yōu)化性能和功率效率。 使用云計(jì)算并不總是一個選項(xiàng)，尤其是當(dāng)
2021-11-09 08:06:27
當(dāng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)用于應(yīng)用的時候，權(quán)值是不是不能變了？？？？就是已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)是不是相當(dāng)于得到一個公式了，權(quán)值不能變了
2016-10-24 21:55:22
摘要:論文通過對無刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)轉(zhuǎn)角預(yù)測,并采用改進(jìn)遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
2025-06-25 13:06:40
的研究具有重要意義.模糊神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)相結(jié)合的新型網(wǎng)絡(luò)結(jié)構(gòu)，把它應(yīng)用于語音識別系統(tǒng)，使系統(tǒng)不僅具有非線性、自適應(yīng)性、魯棒性和自學(xué)習(xí)等神經(jīng)網(wǎng)絡(luò)本來的優(yōu)勢，也具有模糊推理和模糊劃分等模糊邏輯全文下載
2010-05-06 09:05:35
我在matlab中訓(xùn)練好了一個神經(jīng)網(wǎng)絡(luò)模型，想在labview中調(diào)用，請問應(yīng)該怎么做呢？或者labview有自己的神經(jīng)網(wǎng)絡(luò)工具包嗎？
2018-07-05 17:32:32
視覺任務(wù)中，并取得了巨大成功。然而，由于存儲空間和功耗的限制，神經(jīng)網(wǎng)絡(luò)模型在嵌入式設(shè)備上的存儲與計(jì)算仍然是一個巨大的挑戰(zhàn)。前面幾篇介紹了如何在嵌入式AI芯片上部署神經(jīng)網(wǎng)絡(luò)：【嵌入式AI開發(fā)】篇五|實(shí)戰(zhàn)篇一：STM32cubeIDE上部署神經(jīng)網(wǎng)絡(luò)之pytorch搭建指紋識別模型.onnx...
2021-12-14 07:35:25
隱藏技術(shù): 一種基于前沿神經(jīng)網(wǎng)絡(luò)理論的新型人工智能處理器 Copy東京理工大學(xué)的研究人員開發(fā)了一種名為“ Hiddenite”的新型加速器芯片，該芯片可以在計(jì)算稀疏“隱藏神經(jīng)網(wǎng)絡(luò)”時達(dá)到最高的精度
2022-03-17 19:15:13
中的40個特征訓(xùn)練的高斯混合模型（GMM）29，基于子帶中的平均歸一化能量的線性回歸模型30，基于時域中的多個特征的支持向量機(jī)（SVM）31和基于時間和頻譜特征的人工神經(jīng)網(wǎng)絡(luò)（ANN）帶32，33。結(jié)果
2024-05-15 12:14:19
基于小波神經(jīng)網(wǎng)絡(luò)的信息系綜合評價系統(tǒng)的訓(xùn)練算法
為了對基于小波神經(jīng)網(wǎng)絡(luò)的信息系統(tǒng)綜合評價系統(tǒng)進(jìn)行訓(xùn)練，必須確定網(wǎng)絡(luò)參數(shù)Wk ，bk
2009-02-27 09:36:12793 
微軟研究人員在深度神經(jīng)網(wǎng)絡(luò)（deep neural network）上取得突破，
使其在性能上能趕上目前最先進(jìn)的語音識別技術(shù)。
2016-08-17 11:54:06
49 神經(jīng)網(wǎng)絡(luò)模型的每一類學(xué)習(xí)過程通常被歸納為一種訓(xùn)練算法。訓(xùn)練的算法有很多，它們的特點(diǎn)和性能各不相同。問題的抽象人們把神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程轉(zhuǎn)化為求損失函數(shù)f的最小值問題。一般來說，損失函數(shù)包括誤差項(xiàng)和正則
2017-11-16 15:30:5413897 近期，麻省理工學(xué)院的研究人員開發(fā)了一種專用芯片，將神經(jīng)網(wǎng)絡(luò)計(jì)算的速度提高了 3 倍至 7 倍，同時將功耗降低了 95％。這將會使在智能手機(jī)上運(yùn)行神經(jīng)網(wǎng)絡(luò)變得切實(shí)可行。
2018-03-06 10:22:073751 針對深度神經(jīng)網(wǎng)絡(luò)在分布式多機(jī)多GPU上的加速訓(xùn)練問題，提出一種基于虛擬化的遠(yuǎn)程多GPU調(diào)用的實(shí)現(xiàn)方法。利用遠(yuǎn)程GPU調(diào)用部署的分布式GPU集群改進(jìn)傳統(tǒng)一對一的虛擬化技術(shù)，同時改變深度神經(jīng)網(wǎng)絡(luò)在分布式
2018-03-29 16:45:250 Google的研究人員開發(fā)了一種增強(qiáng)現(xiàn)實(shí)顯微鏡（ARM），該顯微鏡可以從一個經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)中獲取實(shí)時數(shù)據(jù)，以檢測癌細(xì)胞，并將其顯示在查看圖像的病理學(xué)家的視野中。
2018-04-23 12:09:002538 算法進(jìn)行訓(xùn)練。值得指出的是，BP算法不僅可用于多層前饋神經(jīng)網(wǎng)絡(luò)，還可以用于其他類型的神經(jīng)網(wǎng)絡(luò)，例如訓(xùn)練遞歸神經(jīng)網(wǎng)絡(luò)。但我們通常說 “BP 網(wǎng)絡(luò)” 時，一般是指用 BP 算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)。
2018-06-19 15:17:1545171 
在GPU上運(yùn)行的神經(jīng)網(wǎng)絡(luò)已經(jīng)在人工智能領(lǐng)域取得了一些驚人的進(jìn)步，但這兩者的合作還并不完美。IBM的研究人員希望能設(shè)計(jì)出一種專門用于運(yùn)行神經(jīng)網(wǎng)絡(luò)的新的芯片，從而提供更快、更有效的替代方案。
2018-06-29 13:59:593481 谷歌研究人員使用了一種邊緣檢測算法，該算法可以識別神經(jīng)突（神經(jīng)元本體的分支）的邊界，以及一種復(fù)發(fā)性卷積神經(jīng)網(wǎng)絡(luò)（復(fù)發(fā)性神經(jīng)網(wǎng)絡(luò)的一個子類），該神經(jīng)網(wǎng)絡(luò)將神經(jīng)元掃描中的像素聚集起來并突出顯示出來。
2018-07-20 09:45:422667 據(jù)報道，美國斯坦福大學(xué)的研究人員已經(jīng)證明，可以直接在光學(xué)芯片上訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)。這一重大突破表明，光學(xué)電路可以實(shí)現(xiàn)基于電子的人工神經(jīng)網(wǎng)絡(luò)的關(guān)鍵功能，進(jìn)而可以以更便宜、更快速和更節(jié)能的方式執(zhí)行語音識別、圖像識別等復(fù)雜任務(wù)。
2018-07-30 17:01:003876 艾倫人工智能研究所和華盛頓大學(xué)的研究人員正在使用可以根據(jù)上下文來確定英文單詞含義的神經(jīng)網(wǎng)絡(luò)。
2018-09-12 15:52:142821 研究人員的語音過濾系統(tǒng)分為兩部分，包括LSTM模型和卷積神經(jīng)網(wǎng)絡(luò)(只有一個LSTM層)。第一個采用預(yù)處理的語音采樣和輸出揚(yáng)聲器嵌入（即矢量形式的聲音表示）作為輸入，而后者預(yù)測來自嵌入的軟掩模或?yàn)V波器
2018-10-18 10:39:565314 IBM的研究人員聲稱，他們已開發(fā)出一個更加高效的模型用于處理神經(jīng)網(wǎng)絡(luò)，該模型只需使用8位浮點(diǎn)精度進(jìn)行訓(xùn)練，推理（inferencing）時更是僅需4位浮點(diǎn)精度。該研究的成果已于2018年12月初在
2018-12-25 15:57:161669 一項(xiàng)歐盟資助的項(xiàng)目正在開發(fā)自動化邊境管控系統(tǒng)，讓旅客接受測謊機(jī)器人的測試。該項(xiàng)目在邊境管控中引入了人工智能。
2019-01-02 08:39:054035 在訓(xùn)練完他們的神經(jīng)網(wǎng)絡(luò)之后，研究人員在一個模擬環(huán)境中測試了這套神經(jīng)網(wǎng)絡(luò)，然后把它集成到一輛真正的汽車上，在一個具有挑戰(zhàn)性的測試軌道上評估它的性能。他們發(fā)現(xiàn)他們的系統(tǒng)能有效地應(yīng)對復(fù)雜的情況，在必要時控制汽車的速度(例如在交通錐和急轉(zhuǎn)彎時減速，在障礙物前停車，接近警告標(biāo)志時等等)。
2019-01-21 16:29:093988 歐盟“地平線2020”框架研究計(jì)劃于2016-2020年資助“GOAL-ROBOTS”項(xiàng)目350萬歐元，由意大利、法國和德國的研究人員共同開發(fā)自主機(jī)器人（Autonomous Robots）。
2019-02-05 09:04:002662 初始化對訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的收斂性有重要影響。
2019-05-17 16:32:008744 
谷歌大腦研究人員通過精簡神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在前幾代中發(fā)現(xiàn)了最小架構(gòu)的神經(jīng)網(wǎng)絡(luò)能夠控制此處所示的雙足機(jī)器人，即使它的得分不高。
2020-02-05 16:55:501579 Habana已經(jīng)開發(fā)了兩款自己的AI芯片，即Habana Gaudi和Habana Goya（如圖）。前者是高度專門化的神經(jīng)網(wǎng)絡(luò)訓(xùn)練芯片，而后者是用于推理的處理器，在主動部署中使用神經(jīng)網(wǎng)絡(luò)。
2020-02-06 15:06:102653 研究人員通過一種特殊的神經(jīng)網(wǎng)絡(luò)模型，它以“基本塊”（計(jì)算指令的基本摘要）形式訓(xùn)練標(biāo)記的數(shù)據(jù)，以自動預(yù)測其持續(xù)時間使用給定的芯片執(zhí)行以前看不見的基本塊。結(jié)果表明，這種神經(jīng)網(wǎng)絡(luò)模型的性能要比傳統(tǒng)的手動調(diào)整模型精確得多。
2020-04-15 16:42:452178 北卡羅萊納州立大學(xué)和布法羅大學(xué)的研究人員開發(fā)了一種稱為“人工化學(xué)家”的技術(shù)，該技術(shù)結(jié)合了人工智能（AI）和用于進(jìn)行化學(xué)反應(yīng)的自動化系統(tǒng)，以加快研發(fā)和生產(chǎn)商業(yè)所需材料的速度。
2020-06-08 11:14:591037 許多現(xiàn)代的AI系統(tǒng)都在神經(jīng)網(wǎng)絡(luò)上運(yùn)行，而我們僅了解其基礎(chǔ)知識，因?yàn)樗惴ū旧砗苌偬峁┙忉尫绞健Ｈ狈忉屝酝ǔ１环Q為AI系統(tǒng)的“黑匣子”。研究人員將注意力集中在神經(jīng)網(wǎng)絡(luò)如何工作的細(xì)節(jié)上
2020-07-14 16:31:562269 每當(dāng)我們訓(xùn)練自己的神經(jīng)網(wǎng)絡(luò)時，我們都需要注意稱為神經(jīng)網(wǎng)絡(luò)的?泛化?的問題。從本質(zhì)上講，這意味著我們的模型在從給定數(shù)據(jù)中學(xué)習(xí)以及將...
2020-12-14 21:02:351222 設(shè)計(jì)出了一種具有重大改進(jìn)的“液態(tài)”神經(jīng)網(wǎng)絡(luò)。其特點(diǎn)是能夠在投入訓(xùn)練階段之后，極大地?cái)U(kuò)展 AI 技術(shù)的靈活性。 通常情況下，研究人員會在訓(xùn)練階段向神經(jīng)網(wǎng)絡(luò)算法提供大量相關(guān)的目標(biāo)數(shù)據(jù)，來磨煉其推理能力。 期間通過對正確的響應(yīng)加以獎勵，以優(yōu)化其性能。然
2021-01-29 10:46:332034 神經(jīng)網(wǎng)絡(luò)、時間遞歸神經(jīng)網(wǎng)絡(luò)、結(jié)構(gòu)遞歸神經(jīng)網(wǎng)絡(luò)和預(yù)訓(xùn)練模型等主流方法在文本分類中應(yīng)用的發(fā)展歷程比較不同模型基于常用數(shù)據(jù)集的分類效果，表明利用人工神經(jīng)網(wǎng)絡(luò)伂構(gòu)自動獲取文本特征，可避免繁雜的人工特征工程，使文本分類
2021-05-13 16:34:3449 通過對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)缺點(diǎn)的分析，從參數(shù)選取、BP算法、激活函數(shù)、網(wǎng)絡(luò)結(jié)構(gòu)4個方面綜述了其改進(jìn)方法。介紹了各種方法的原理、應(yīng)用背景及其在BP神經(jīng)網(wǎng)絡(luò)中的應(yīng)用，同時分析了各種方法的優(yōu)缺點(diǎn)。指出不斷提高網(wǎng)絡(luò)的訓(xùn)練速度、收斂性和泛化能力仍是今后的研究方向，并展望了BP神經(jīng)網(wǎng)絡(luò)的研究重點(diǎn)。
2021-06-01 11:28:435 Ali Kani介紹了AI如何用于自動駕駛汽車的所有開發(fā)階段——從訓(xùn)練、測試和驗(yàn)證汽車深度神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)中心到其多樣化和冗余AI和自動駕駛汽車系統(tǒng)。
2021-09-16 11:45:584001 時候已經(jīng)超越了人類。但這些AI事先必須經(jīng)過訓(xùn)練，而訓(xùn)練是個既耗時又耗計(jì)算能力的過程，有上百萬甚至幾十億的參數(shù)需要優(yōu)化。但最近研究人員做出了能瞬時預(yù)測參數(shù)的超網(wǎng)絡(luò)。通過利用超網(wǎng)絡(luò)（hypernetwork），研究人員現(xiàn)在可以先下手為強(qiáng)，提前對人工神經(jīng)網(wǎng)絡(luò)進(jìn)
2022-10-13 09:30:23974 
python卷積神經(jīng)網(wǎng)絡(luò)cnn的訓(xùn)練算法? 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）一直是深度學(xué)習(xí)領(lǐng)域重要的應(yīng)用之一，被廣泛應(yīng)用于圖像、視頻、語音等領(lǐng)域
2023-08-21 16:41:372376 卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練步驟? 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）是一種常用的深度學(xué)習(xí)算法，廣泛應(yīng)用于圖像識別、語音識別、自然語言處理等諸多領(lǐng)域。CNN
2023-08-21 16:42:002660 cnn卷積神經(jīng)網(wǎng)絡(luò)模型 卷積神經(jīng)網(wǎng)絡(luò)預(yù)測模型 生成卷積神經(jīng)網(wǎng)絡(luò)模型? 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，最初被廣泛應(yīng)用于計(jì)算機(jī)
2023-08-21 17:11:471939 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種用于處理具有類似網(wǎng)格結(jié)構(gòu)的數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)。它廣泛用于圖像和視頻識別、文本分類等領(lǐng)域。CNN可以自動從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)出合適的特征，并以此對新輸入的數(shù)據(jù)進(jìn)行分類或回歸等操作。
2023-08-22 18:20:373374 。訓(xùn)練神經(jīng)網(wǎng)絡(luò)的挑戰(zhàn)在訓(xùn)練數(shù)據(jù)集的新示例之間取得平衡。七個具體的技巧，可幫助您更快地訓(xùn)練出更好的神經(jīng)網(wǎng)絡(luò)模型。學(xué)習(xí)和泛化使用反向傳播設(shè)計(jì)和訓(xùn)練網(wǎng)絡(luò)需要做出許多看似任
2023-12-30 08:27:541071 
神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域的重要分支，廣泛應(yīng)用于圖像識別、自然語言處理、語音識別等多個領(lǐng)域。然而，要使神經(jīng)網(wǎng)絡(luò)在實(shí)際應(yīng)用中取得良好效果，必須進(jìn)行有效的訓(xùn)練和優(yōu)化。本文將從神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程、常用優(yōu)化算法、超參數(shù)調(diào)整以及防止過擬合等方面，詳細(xì)闡述如何訓(xùn)練和優(yōu)化神經(jīng)網(wǎng)絡(luò)。
2024-07-01 14:14:061459 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，簡稱CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理等領(lǐng)域。本文將詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)的基本概念、結(jié)構(gòu)
2024-07-03 09:15:281337 神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用，如語音識別、圖像識別、自然語言處理等。然而，BP神經(jīng)網(wǎng)絡(luò)也存在一些問題，如容易陷入局部最優(yōu)解、訓(xùn)練時間長、對初始權(quán)重敏感等。為了解決這些問題，研究者們提出了一些改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型，如徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radial Basis Function Neu
2024-07-03 11:00:201742 Matlab作為一款強(qiáng)大的數(shù)學(xué)計(jì)算軟件，廣泛應(yīng)用于科學(xué)計(jì)算、數(shù)據(jù)分析、算法開發(fā)等領(lǐng)域。其中，Matlab的神經(jīng)網(wǎng)絡(luò)工具箱（Neural Network Toolbox）為用戶提供了豐富的函數(shù)和工具
2024-07-08 18:26:204699 處理、語音識別等領(lǐng)域取得了顯著的成果。PyTorch是一個開源的深度學(xué)習(xí)框架，由Facebook的AI研究團(tuán)隊(duì)開發(fā)。它以其易用性、靈活性和高效性而受到廣泛歡迎。在PyTorch中，有許多預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型可供選擇，這些模型可以用于各種任務(wù)，如圖像分類、目標(biāo)檢測
2024-07-11 09:59:532577 重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)是一個復(fù)雜的過程，涉及到多個步驟和考慮因素。 引言 神經(jīng)網(wǎng)絡(luò)是一種強(qiáng)大的機(jī)器學(xué)習(xí)模型，廣泛應(yīng)用于圖像識別、自然語言處理、語音識別等領(lǐng)域。然而，隨著時間的推移，數(shù)據(jù)分布可能會
2024-07-11 10:25:021273 脈沖神經(jīng)網(wǎng)絡(luò)（SNN, Spiking Neural Network）的訓(xùn)練是一個復(fù)雜但充滿挑戰(zhàn)的過程，它模擬了生物神經(jīng)元通過脈沖（或稱為尖峰）進(jìn)行信息傳遞的方式。以下是對脈沖神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程的詳細(xì)闡述。
2024-07-12 10:13:511731 人工神經(jīng)網(wǎng)絡(luò)（ANN）是機(jī)器學(xué)習(xí)中一種重要的模型，它模仿了人腦神經(jīng)元的工作方式，通過多層節(jié)點(diǎn)（神經(jīng)元）之間的連接和權(quán)重調(diào)整來學(xué)習(xí)和解決問題。Python由于其強(qiáng)大的庫支持（如TensorFlow、PyTorch等），成為了實(shí)現(xiàn)和訓(xùn)練ANN的首選語言。
2024-07-19 11:54:14990 自動化AI開發(fā)平臺集成了多種算法、工具和框架，旨在幫助開發(fā)者更快速、高效地設(shè)計(jì)、訓(xùn)練、部署和管理AI模型。以下，AI部落小編將詳細(xì)介紹自動化AI開發(fā)平臺的功能。
2024-11-14 09:29:231299 卷積神經(jīng)網(wǎng)絡(luò)因其在圖像和視頻處理任務(wù)中的卓越性能而廣受歡迎。隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展，多種實(shí)現(xiàn)工具和框架應(yīng)運(yùn)而生，為研究人員和開發(fā)者提供了強(qiáng)大的支持。 TensorFlow 概述
2024-11-15 15:20:061146
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評論