完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>
標(biāo)簽 > 神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)可以指向兩種,一個(gè)是生物神經(jīng)網(wǎng)絡(luò),一個(gè)是人工神經(jīng)網(wǎng)絡(luò)。
文章:3657個(gè) 瀏覽:103270次 帖子:192個(gè)
ResNet本質(zhì)上就干了一件事:降低數(shù)據(jù)中信息的冗余度。
打個(gè)簡(jiǎn)單但不嚴(yán)謹(jǐn)?shù)谋确剑捍蠹叶加羞^(guò)年搶高鐵票的經(jīng)驗(yàn)吧?幾個(gè)人(維度低)幫你搶一張票,肯定沒(méi)有一群人(維度高)幫你搶一張票,成功的概率高啊。幾個(gè)人里面,大...
2019-04-19 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)冗余resnet 5846 0
卷積神經(jīng)網(wǎng)絡(luò) (CNNs) 在許多計(jì)算機(jī)視覺(jué)任務(wù)中都取得了顯著的成功,并且隨著最近的研究在降低密集模型參數(shù)和特征圖通道維數(shù)的固有冗余,它們的效率不斷提高...
2019-05-01 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)圖像識(shí)別Facebook 6156 0
Xavier的硬件架構(gòu)特性!Xavier推理性能評(píng)測(cè)
Xavier主要用于邊緣計(jì)算的深度神經(jīng)網(wǎng)絡(luò)推理,其支持Caffe、Tensorflow、PyTorch等多種深度學(xué)習(xí)框架導(dǎo)出的模型。為進(jìn)一步提高計(jì)算效率...
2019-04-17 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)人工智能硬件架構(gòu) 1.9萬(wàn) 0
系統(tǒng)科學(xué)發(fā)展之非線性與復(fù)雜適應(yīng)系統(tǒng)理論
20世紀(jì)初,自相似概念終于被數(shù)學(xué)家們所發(fā)現(xiàn)并利用,構(gòu)造出了令人驚奇的曲線,有代表性的是科赫曲線和謝爾賓斯基三角形。他們有幾個(gè)共同的性質(zhì):1)整體上處處不...
2019-04-17 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)幾何人工智能 7285 0
神經(jīng)網(wǎng)絡(luò)的技術(shù)為什么偉大, 又是什么讓它們這么多年才姍姍走來(lái)?
我們把生物神經(jīng)元進(jìn)行數(shù)學(xué)抽象, 就得到人工神經(jīng)元。如何抽取它的靈魂? 簡(jiǎn)單的說(shuō), 每一個(gè)神經(jīng)元扮演的角色就是一個(gè)收集+傳話者。樹(shù)突不停的收集外部的信號(hào),...
2019-04-17 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)人工智能機(jī)器學(xué)習(xí) 5071 0
一種基于神經(jīng)網(wǎng)絡(luò)的多維頻譜推理方法
在現(xiàn)代化戰(zhàn)場(chǎng)條件下,作戰(zhàn)平臺(tái)或用頻系統(tǒng)并不一定全部裝備有專業(yè)的頻譜監(jiān)測(cè)設(shè)備,更多的是來(lái)源于作戰(zhàn)平臺(tái)或用頻系統(tǒng)自身的頻譜感知能力,因此,這些頻譜監(jiān)測(cè)數(shù)據(jù)在...
2019-05-01 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)頻譜 3315 0
如何表示一個(gè)詞語(yǔ)的意思?神經(jīng)網(wǎng)絡(luò)詞嵌入的基本思路
我們先把一個(gè)詞語(yǔ)定義成一個(gè)稠密向量,通過(guò)調(diào)整一個(gè)單詞及其上下文單詞的向量,使得根據(jù)兩個(gè)向量可以推測(cè)兩個(gè)詞語(yǔ)的相似度;或通過(guò)一個(gè)詞可以預(yù)測(cè)詞語(yǔ)的上下文;或...
2019-04-10 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)自然語(yǔ)言處理 4185 0
如果讓計(jì)算機(jī)去走迷宮,不會(huì)真的按照真實(shí)的道路前進(jìn),而是從起點(diǎn)開(kāi)始分類,分成往A走的情況和往B走的情況等。接著往A走碰到的情況,以及往B走的情況,進(jìn)行分類...
2019-04-10 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)人工智能 8413 0
實(shí)驗(yàn)室的最新工作——Res2Net,一種在目標(biāo)檢測(cè)任務(wù)中新的Backbone網(wǎng)絡(luò)模塊
因此,多尺度的特征在傳統(tǒng)方法和深度學(xué)習(xí)里面都得到了廣泛應(yīng)用。通常我們需要采用一個(gè)大感受野的特征提取器來(lái)獲得不同尺度的特征描述,而卷積神經(jīng)網(wǎng)絡(luò)通過(guò)一堆卷積...
2019-04-08 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)模塊計(jì)算機(jī)視覺(jué) 9185 0
FAIR何愷明、Ross等人最新提出實(shí)例分割的通用框架TensorMask
然而,盡管目前性能最好的對(duì)象檢測(cè)器依賴于滑動(dòng)窗口預(yù)測(cè)來(lái)生成初始候選區(qū)域,但獲得更準(zhǔn)確的預(yù)測(cè)主要來(lái)自對(duì)這些候選區(qū)域進(jìn)行細(xì)化的階段,如 Faster R-C...
2019-04-08 標(biāo)簽:檢測(cè)器神經(jīng)網(wǎng)絡(luò)AI 1.2萬(wàn) 0
富士通實(shí)驗(yàn)室在74.7秒內(nèi)完成了ImageNet上訓(xùn)練ResNet-50網(wǎng)絡(luò)
分布式并行深度學(xué)習(xí)要求所有 reduce 通信在所有進(jìn)程之間交換每一層的梯度。在大集群環(huán)境中,由于每個(gè) GPU 的 batch size 較小,使得通信...
2019-04-08 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)gpu機(jī)器學(xué)習(xí) 5137 0
谷歌新研究使用1024塊TPU,將BERT的訓(xùn)練時(shí)間從3天成功縮短到76分鐘
深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是十分耗時(shí)的。目前,減少訓(xùn)練時(shí)間最有效的方法是使用多個(gè)芯片(如 CPU、GPU 和 TPU) 來(lái)并行化 SGD 變體的優(yōu)化過(guò)程。由于前...
2019-04-08 標(biāo)簽:谷歌神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型 5873 0
研究人員共同提出了一種面向目標(biāo)檢測(cè)任務(wù)的新模塊Res2Net
由于單獨(dú)的Res2Net模塊對(duì)于整體網(wǎng)絡(luò)結(jié)構(gòu)沒(méi)有特定的要求,Res2Net模塊的多尺度表示能力也和CNN的分層特征聚合模型彼此獨(dú)立,所以可以很容易地將R...
2019-04-08 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)視覺(jué)數(shù)據(jù)集 4186 0
語(yǔ)義表征的無(wú)監(jiān)督對(duì)比學(xué)習(xí):一個(gè)新理論框架
首先,是否存在良好且廣泛適用的表征呢?在計(jì)算機(jī)視覺(jué)等領(lǐng)域,答案是肯定的,因?yàn)樯疃染矸e神經(jīng)網(wǎng)絡(luò) (CNN) 在大型含多類別標(biāo)簽數(shù)據(jù)集 (如 ImageNe...
2019-04-04 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)圖像函數(shù) 3138 0
完成一個(gè)簡(jiǎn)單的端到端的機(jī)器學(xué)習(xí)模型需要幾步?
完成了下載數(shù)據(jù),圖像分割和處理,就可以訓(xùn)練模型了。接下來(lái),我們對(duì)數(shù)據(jù)進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)(CNN)訓(xùn)練。卷積神經(jīng)網(wǎng)絡(luò)利用圖像中的像素點(diǎn)逐步構(gòu)建出更高層次的特...
2019-04-04 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)圖像分類數(shù)據(jù)集 4372 0
探討一些可用于解釋機(jī)器學(xué)習(xí)模型的不同技術(shù)
下圖則闡述了在需要清晰簡(jiǎn)單的模型可解釋性時(shí),通常首選白盒模型 (具有線性和單調(diào)函數(shù)) 的原因。圖的上半部顯示,隨著年齡的增長(zhǎng),購(gòu)買數(shù)量會(huì)增加,模型的響應(yīng)...
2019-04-04 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)數(shù)據(jù)集 2989 0
預(yù)訓(xùn)練是通過(guò)大量無(wú)標(biāo)注的語(yǔ)言文本進(jìn)行語(yǔ)言模型的訓(xùn)練,得到一套模型參數(shù),利用這套參數(shù)對(duì)模型進(jìn)行初始化,再根據(jù)具體任務(wù)在現(xiàn)有語(yǔ)言模型的基礎(chǔ)上進(jìn)行精調(diào)。預(yù)訓(xùn)練...
2019-04-04 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯nlp 3607 0
一個(gè)單路徑One-Shot模型,以解決訓(xùn)練過(guò)程中面對(duì)的主要挑戰(zhàn)
One-Shot 是一種新范式。它定義了超網(wǎng)絡(luò),并以相似的方式做權(quán)重復(fù)用。但是并沒(méi)有將模型結(jié)構(gòu)分布參數(shù)化。模型搜索從超網(wǎng)絡(luò)訓(xùn)練中解耦,并且解決步驟是獨(dú)立...
2019-04-04 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集深度學(xué)習(xí) 4548 0
混合精度訓(xùn)練的優(yōu)勢(shì)!將自動(dòng)混合精度用于主流深度學(xué)習(xí)框架
僅通過(guò)添加幾行代碼,TensorFlow、PyTorch和MXNet中的自動(dòng)混合精確功能就能助力深度學(xué)習(xí)研究人員和工程師基于NVIDIA Volta和T...
2019-04-03 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)gpu深度學(xué)習(xí) 7527 0
人工智能算法模型在運(yùn)營(yíng)商固網(wǎng)業(yè)務(wù)的應(yīng)用及存在問(wèn)題
隨著5G及人工智能時(shí)代的到來(lái),通信行業(yè)的競(jìng)爭(zhēng)也越發(fā)激烈,各大運(yùn)營(yíng)商都希望能在每個(gè)業(yè)務(wù)中為客戶提供優(yōu)質(zhì)的服務(wù),提升用戶滿意度,保留更多的用戶,其中就包含固...
2019-04-06 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)人工智能5g 4976 0
編輯推薦廠商產(chǎn)品技術(shù)軟件/工具OS/語(yǔ)言教程專題
電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
無(wú)刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺(jué) | 無(wú)人機(jī) | 三菱電機(jī) | ST |
伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國(guó)民技術(shù) | Microchip |
Arduino | BeagleBone | 樹(shù)莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
DuerOS | Brillo | Windows11 | HarmonyOS |