機器學習 文章 進入機器學習技術社區(qū)
使用多層感知器進行機器學習
- 到目前為止，我們關注的是單層感知器，它由一個輸入層和一個輸出層組成。您可能還記得，我們使用術語“單層”是因為此配置僅包括一層計算活動節(jié)點，即通過求和然后應用激活函數(shù)來修改數(shù)據(jù)的節(jié)點。輸入層中的節(jié)點只是分發(fā)數(shù)據(jù)。到目前為止，我們關注的是單層感知器，它由一個輸入層和一個輸出層組成。您可能還記得，我們使用術語“單層”是因為此配置僅包括一層計算活動節(jié)點，即通過求和然后應用激活函數(shù)來修改數(shù)據(jù)的節(jié)點。輸入層中的節(jié)點只是分發(fā)數(shù)據(jù)。單層感知器在概念上很簡單，訓練過程非常簡單。不幸的是，它不提供我們復雜的、現(xiàn)實生活中的應用
- 關鍵字： 多層感知器 機器學習
如何通過人工智能(AI)和機器學習應對零售勞動力和執(zhí)行方面的挑戰(zhàn)
- 今年以來國內(nèi)消費持續(xù)恢復，國內(nèi)零售市場呈穩(wěn)步發(fā)展態(tài)勢，而商務部也將2023年定為“消費提振年”，消費的基礎性作用被進一步強調。面對不斷增長的需求，零售團隊人員數(shù)量及具體運營執(zhí)行是否能及時匹配，正成為零售商們不得不面臨的挑戰(zhàn)。零售團隊人員的短缺將使商店難以正常運營。當商店經(jīng)理的人數(shù)捉襟見肘時，他們可能沒有時間對員工進行新技能培訓，幫助員工提高現(xiàn)有的技能組合，或者弄清楚如何以更佳的方式在商店中利用其技能。商店經(jīng)理也可能難以對已有員工進行有效的安排。鑒于如今客戶和員工的期望之高前所未有，因此很難追蹤每位團隊成員
- 關鍵字： 人工智能 機器學習 零售
機器學習在半導體制造中的重要性提升
- 本文討論機器學習 (ML) 與半導體制造之間的關系，特別是 ML 算法和模型在半導體制造過程中的應用。
- 關鍵字： 機器學習
訓練卷積神經(jīng)網(wǎng)絡：什么是機器學習？——第二部分
- 本文是系列文章的第二部分，重點介紹卷積神經(jīng)網(wǎng)絡(CNN)的特性和應用。CNN主要用于模式識別和對象分類。在第一部分文章《卷積神經(jīng)網(wǎng)絡簡介：什么是機器學習？——第一部分》中，我們比較了在微控制器中運行經(jīng)典線性規(guī)劃程序與運行CNN的區(qū)別，并展示了CNN的優(yōu)勢。我們還探討了CIFAR網(wǎng)絡，該網(wǎng)絡可以對圖像中的貓、房子或自行車等對象進行分類，還可以執(zhí)行簡單的語音識別。本文重點解釋如何訓練這些神經(jīng)網(wǎng)絡以解決實際問題。神經(jīng)網(wǎng)絡的訓練過程本系列文章的第一部分討論的CIFAR網(wǎng)絡由不同層的神經(jīng)元組成。如圖1所示，32 ×
- 關鍵字： ADI 機器學習
卷積神經(jīng)網(wǎng)絡簡介：什么是機器學習？——第一部分
- 隨著人工智能(AI)技術的快速發(fā)展，AI可以越來越多地支持以前無法實現(xiàn)或者難以實現(xiàn)的應用。本系列文章基于此解釋了卷積神經(jīng)網(wǎng)絡(CNN)及其對人工智能和機器學習的意義。CNN是一種能夠從復雜數(shù)據(jù)中提取特征的強大工具，例如識別音頻信號或圖像信號中的復雜模式就是其應用之一。本文討論了CNN相對于經(jīng)典線性規(guī)劃的優(yōu)勢，后續(xù)文章《訓練卷積神經(jīng)網(wǎng)絡：什么是機器學習？——第二部分》將討論如何訓練CNN模型，系列文章的第三部分將討論一個特定用例，并使用專門的AI微控制器對模型進行測試。什么是卷積神經(jīng)網(wǎng)絡？神經(jīng)網(wǎng)絡是一種由神
- 關鍵字： ADI 卷積神經(jīng)網(wǎng)絡 機器學習
基于數(shù)據(jù)驅動的多模型故障診斷
- 摘 要：故障通常特指某個系統(tǒng)或某個運行過程的一系列相關參數(shù)喪失了規(guī)定性能的狀態(tài)，或者在特定場景下 控制指標出現(xiàn)了偏差。故障不可避免，故障影響了電力系統(tǒng)正常安全穩(wěn)定運行。為此迫切需要快速識別診斷故 障。本文基于數(shù)據(jù)驅動算法，詳細對比分析了多種基于機器學習主流模型故障診斷的方法，并通過實例驗證了 模型的有效性以及優(yōu)越性，對模型的選擇具有重要參考意義。關鍵詞：故障識別；機器學習；數(shù)據(jù)驅動0 引言被控系統(tǒng)處于非正常運行情況時，若能夠采用某種 技術快速實時在線檢測故障并且能基于先進定位技術判 別故障點準確
- 關鍵字： 202211 故障識別 機器學習 數(shù)據(jù)驅動
意法半導體嵌入式 AI 解決方案增加簡化機器學習開發(fā)的高級功能
- 2022 年 11 月 15 日，中國——為了擴大開發(fā)工具的功能，加快嵌入式人工智能 (AI) 和機器學習 (ML) 開發(fā)項目，意法半導體發(fā)布了NanoEdge AI Studio 和 STM32Cube.AI.的升級版本。這兩個開發(fā)工具有助于把人工智能和機器學習遷移到應用邊緣設備。遷移到網(wǎng)絡邊緣后，人工智能和機器學習的優(yōu)勢非常突出，包括原生隱私保護、確定性實時響應、更高可靠性和更低功耗。NanoEdge AI Studio 是一個自動化的機器學習開發(fā)工具，適合不需要開發(fā)神經(jīng)網(wǎng)絡的應用項目。該工具需要與S
- 關鍵字： 意法半導體 嵌入式 AI 機器學習
聯(lián)發(fā)科芯片設計 導入機器學習
- 聯(lián)發(fā)科長期投入前瞻領域研究，近期再傳突破性成果。聯(lián)發(fā)科宣布，將機器學習導入芯片設計，運用強化學習（reinforcement learning）讓機器透過自我不斷探索和學習，預測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)時間并建構更強大性能的芯片，成為改變游戲規(guī)則的重大突破。聯(lián)發(fā)科表示，該技術將于11月于臺灣舉辦的IEEE亞洲固態(tài)電路研討會A-SSCC（Asian Solid-State Circuits Conference）發(fā)表，同步也將申請國際專利。聯(lián)發(fā)科指出
- 關鍵字： 聯(lián)發(fā)科 芯片設計 機器學習
移動算法 而非巨量數(shù)據(jù)
- 機器學習神經(jīng)網(wǎng)絡進步使我們能夠處理越來越大量儲存資料。傳統(tǒng)方法是將數(shù)據(jù)傳輸?shù)剿惴ㄔO備，但是這種移動巨量數(shù)據(jù)（高達 1 PB）以供可能只有幾十兆位元算法來進行處理真的有意義嗎？因此，在靠近數(shù)據(jù)儲存位置處理數(shù)據(jù)的想法引起了很多關注。本文研究了計算儲存理論和實踐，以及如何使用計算儲存處理器 (CSP) 為許多計算密集型任務提供硬件加速和更高性能，而不會給主機處理器帶來大量負擔。數(shù)據(jù)集崛起近年來，神經(jīng)網(wǎng)絡算法在汽車、工業(yè)、安全和消費等應用中使用顯著增加?；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
- 關鍵字： ?機器學習 神經(jīng)網(wǎng)絡 數(shù)據(jù)集
安富利：在機器學習中取得領先地位
- 機器學習是改變世界的最新技術。過去配合云端使用的算法現(xiàn)在已經(jīng)擴展到邊緣運算。應用包括了監(jiān)控、先進駕駛輔助系統(tǒng)ADAS、機器人和數(shù)據(jù)中心。開發(fā)人員正在尋找可快速及輕松地部署復雜系統(tǒng)的方法。 對于邊緣網(wǎng)絡上的機器學習，Xilinx提供了延遲、功耗、成本、靈活性、可擴展性和上市時間之間的最佳權衡。其軟件定義的系統(tǒng)單芯片(SDSoC)允許無縫整合硬件和軟件、自動化內(nèi)存分配、快取管理、DMA和裝置互動。SDx開發(fā)環(huán)境為項目建立，模擬，執(zhí)行和除錯提供了通用的基礎架構，讓不同的嵌入式系統(tǒng)可輕松實行?！ ∑浣Y果是更
- 關鍵字： 機器學習 Xilinx
安富利:物聯(lián)網(wǎng)和機器學習(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钪械囊徊糠帧ｋS著這些裝置進入智能住宅中，就需要更多的專業(yè)知識來進行建構和開發(fā)。ROS是一個開放原始碼的機器人開發(fā)平臺，使機器人技術的開發(fā)可以協(xié)作。與ROS整合的TurtleBot3在SLAM（同步定位與地圖構建）、導航和操控中具備核心技術，所以適合在家庭服務機器人應用中使用。 與TurtleBot3整合的Ultra96上的ROS具有多項功能，所以適用于物聯(lián)網(wǎng)裝置中的應用。除了配備Xilinx MPSOC開發(fā)板Ultra96（Cortex A53、R5）之
- 關鍵字： 物聯(lián)網(wǎng) 機器學習
人臉識別的工作原理是什么？
- 什么是人臉識別？人臉識別是一種軟件層面的算法，用于通過處理視頻幀或數(shù)字圖像來驗證或識別一個人的身份，其中該人的臉是可見的。面部識別技術有幾種不同的工作方法，但是他們通常會將圖像中的面部特征與數(shù)據(jù)庫中的面部特征進行比較。人臉識別處理的4個步驟特定的神經(jīng)網(wǎng)絡被訓練用來檢測人臉的標簽，并將人臉與圖像中的其他物體區(qū)分開來。標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。人臉識別算法的工作流程任何人臉檢測和識別系統(tǒng)或軟件都繞不開人臉識別算法。業(yè)界將這些算法分為兩種：幾何方法側重于區(qū)分特征簡而言之就將
- 關鍵字： 人臉識別 算法 AI 機器學習 神經(jīng)網(wǎng)絡
邊緣AI和機器學習將被廣泛應用于工業(yè)和家庭
- 各行各業(yè)的數(shù)字化轉型和日常生活中的新場景已經(jīng)對邊緣上的人工智能（AI）和機器學習、先進數(shù)據(jù)處理、音頻、視覺等產(chǎn)生了需求。邊緣機器學習（ML）計算支持廣泛的、智能化的工業(yè)和家庭應用，包括用于異常檢測的傳感器數(shù)據(jù)處理、預測性維護、用于改進玻璃破碎檢測的音頻模式識別、簡單命令詞識別以及視覺應用，如使用低分辨率攝像頭進行在場檢測或人數(shù)統(tǒng)計。現(xiàn)在的產(chǎn)品設計人員已看到了人工智能和機器學習的巨大潛力，可以為家庭安全系統(tǒng)、可穿戴醫(yī)療監(jiān)測器、商業(yè)設施和工業(yè)設備監(jiān)控傳感器等邊緣應用帶來更多的智能化。所以SiliconLabs
- 關鍵字： 202204 邊緣AI 機器學習
2021年AI關鍵趨勢，AI芯片初創(chuàng)公司可能發(fā)生并購
- 人工智能（AI）和機器學習仍然是技術決策者、行業(yè)人士和投資者關注的重點。標普全球市場財智（S&P Intelligence）2020 7月發(fā)布的調查顯示，有58%的公司和組織預計新冠大流行會對他們現(xiàn)有的AI計劃產(chǎn)生負面影響，還有19%的公司和組織表示新冠大流行導致他們停止了AI項目。與此同時，也有75%的公司和組織表示COVID-19促進了他們新的AI計劃。最近發(fā)布的2021 AI/ML用例調查顯示情況發(fā)生了變化，有86%參與調查的人表示新冠大流行已經(jīng)或將導致其所在的組織投資于新的AI計劃。由于大
- 關鍵字： 人工智能 機器學習 深度學習 數(shù)據(jù)科學
機器學習介紹
您好，目前還沒有人創(chuàng)建詞條機器學習!
歡迎您創(chuàng)建該詞條，闡述對機器學習的理解，并與今后在此搜索機器學習的朋友們分享。 創(chuàng)建詞條
歡迎您創(chuàng)建該詞條，闡述對機器學習的理解，并與今后在此搜索機器學習的朋友們分享。 創(chuàng)建詞條
機器學習相關帖子
機器學習資料下載
機器學習專欄文章
關于我們 -
廣告服務 -
企業(yè)會員服務 -
網(wǎng)站地圖 -
聯(lián)系我們 -
征稿 -
友情鏈接 -
手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權所有 北京東曉國際技術信息咨詢有限公司
京ICP備12027778號-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 版權所有 北京東曉國際技術信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473