首頁  資訊  商機   下載  拆解   高校  招聘   雜志  會展  EETV  百科   問答  電路圖  工程師手冊   Datasheet  100例   活動中心  E周刊閱讀   樣片申請
        EEPW首頁 >> 主題列表 >> ?機器學習

        ?機器學習 文章 進入?機器學習技術社區

        詳解11個機器學習開源項目

        • 隨著機器學習越來越受到開發者關注,出現了很多機器學習的開源項目,在本文列舉的11個機器學習開源項目中,無論你是Java愛好者還是Python狂人,在這里
        • 關鍵字: 開源項目  機器學習  JAVA  

        10家最具創新性的機器學習公司

        •   機器學習是實現人工智能的一種方法,通過使用算法來解析數據、從中學習,然后對現實世界中的事件做出預測和判斷。機器學習已經在各個行業得到廣泛應用。  近日《Analytics Insight》雜志評選出10家最具創新性的機器學習公司。  如何讓自動駕駛汽車在惡劣環境中更好地成像?如何更高質量,更少空間地壓縮視頻?如何針對每一名用戶實現個性化營銷?如何通過預測技術提供負擔得起的醫療?這些公司通過機器學習等技術,正在改變零售購物、醫療管理、網絡安全、云端運營、用戶隱私保護等各個領域。  1.針對機器視覺的機器
        • 關鍵字: 機器學習  人工智能  

        被稱為人工智能核心的機器學習技術為什么這么難?

        •   人工智能是一門交叉學科,從被提出到現在也有六十多年的歷史,目前仍處在AI初級階段。之所以發展緩慢的一個重要原因是人工智能的技術難度很高,它涉及計算機、心理學、哲學等,對從業者要求很高,目前國內從事AI行業的工程師很多是碩士或以上學位。  人工智能技術可應用于安防、醫療、家居、交通、智慧城市等各行各業,其前景是毋庸置疑的,未來絕對是一個萬億級市場。根據應用領域的不同,人工智能研究的技術也不盡相同,目前以機器學習、計算機視覺等成為熱門的AI技術方向,本文以機器學習為例,通過分析其關鍵技術與當前面臨的難點,
        • 關鍵字: 人工智能  機器學習  

        人工智能、機器學習、深度學習的聯系與區別

        • 總結2016年一件有紀念意義的科技事件是阿法狗戰勝圍棋九段選手李世石,標志著人工智能算法達到了新的高度,同時也說明了人工智能未來發展的潛力,未來
        • 關鍵字: 人工智能  機器學習  深度學習  

        2018年安防技術發展趨勢

        •   現今技術日趨成熟,創新科技的未來發展無遠弗屆,使得消費應用不斷往商業應用前進,企業必須竭力尋求能為客戶增值的各種技術。展望2018年,我們歸納幾種將對安防業產生影響的技術發展趨勢。  1、向邊緣發展  物聯網與云計算近年來逐漸為人們所熟悉,雖然為企業與消費者帶來益處,但同時也產生一些影響:從聯網設備向數據中心傳輸以便處理和存儲的數據量飛速增長,所需的相關帶寬也日益增加。而邊緣運算可以在靠近數據源的網絡「邊緣」執行數據處理任務,便能顯著降低傳感器、設備和數據中心間所需的帶寬。邊緣運算的進一步發展也與數據
        • 關鍵字: 安防  深度學習  機器學習  

        押注機器學習和人工智能,Facebook收購英國創企Bloomsbury AI

        •   也許一直以來,人們普遍認為谷歌的Deepmind網羅了大多數英國最優秀的人工智能人才,現在Facebook似乎也要將目光投向這個國家。  據外媒了解,這家社交巨頭正在收購倫敦的Bloomsbury AI,這家創企打造的自然語言處理技術能讓機器根據文件中采集的信息回答問題。有消息還表示,Facebook計劃利用這家公司的團隊和技術來對抗虛假新聞等內容問題。  Bloomsbury畢業于Entrepreneur First,后者的創始人主要投資技術領域以及領域里經驗豐富的人才,幫助這些人建立公司。Bloo
        • 關鍵字: 機器學習  人工智能  

        人工智能、機器學習、神經網絡和深度學習之間是什么樣的關系?

        •   最近很長的一段時間,人工智能的熱度都維持在一定的高度。但是大家在關注或研究人工智能領域的時候,總是會遇到這樣的幾個關鍵詞:深度學習、機器學習、神經網絡。那他們之間到底是什么樣的關系呢?  先說人工智能,人工智能是在1956年一個叫達特茅斯會議上提出的。更準確的說是1956年學者們在會議上將他們確定為人工智能,其實關于其具體的一些研究,早就已經開始了。  所以人工智能已經是有60多年歷史的一個領域。為什么最近幾年人工智能才逐漸進入大眾視野呢?其實,這幾年的人工智能浪潮已經是人工智能的第三次熱度高漲,并遠
        • 關鍵字: 人工智能  機器學習  神經網絡  

        馬克·麥卡錫:機器學習算法中的政治

        •   公元前1200年左右,殷商時期的中國就發展出了工廠制,鑄造出成千上萬尊大型青銅器皿供日常生活和典禮儀式使用。在這個關于大規模生產的古代案例中,需要事先制定精細的計劃,對大批工人進行分組協調,確保每組工人按部就班地逐項執行任務,才能鑄造出青銅器。  一千年以后,中國迎來了首位皇帝秦始皇,他著名的兵馬俑軍隊也是通過同樣復雜的流程制造出來的。舊金山亞洲藝術博物館的資料顯示,兵馬俑雕像是“通過一套裝配生產體系塑造燒制而成,這一體系為后世的大規模商業生產鋪平了道路。”  有學者推測,這些早期的規范性操作技術對塑
        • 關鍵字: 機器學習  

        工業2.0/機器學習興起 如何打造工業物聯網?

        • 隨著機器人技術和工廠自動化技術的不斷發展,制造行業需要掌握和利用這些技術進步,也需要了解“工業4.0”對其的影響。
        • 關鍵字: 工業2.0  機器學習  

        阿里“國家千人計劃”科學家達8位,自主研發多項前沿技術

        •   在剛剛公布的第14批國家“千人計劃”入選專家中,阿里達摩院人工智能實驗室首席科學家王剛、螞蟻金服計算存儲首席架構師何昌華,分別憑借無人駕駛、系統架構領域的創新貢獻入選。  據了解,“千人計劃”是國家海外高層次人才引進計劃,分國家級和省級。國家級“千人計劃”引進的人才大多研究水平居于國際前沿,掌握核心關鍵技術或擁有專利,其中諾貝爾獎獲得者和發達國家科學院院士80余人。如為“墨子號”衛星的發射成功打下基礎的中國科技大學教授潘建偉;成功解析了世界上第一例細胞凋亡小體的三維空間結構的前清華大學教授施一公等。 
        • 關鍵字: 機器學習  云計算  

        如何開始接觸機器學習?方法統統分享給你

        •   一說到機器學習,我被問得最多的問題是:給那些開始學習機器學習的人的最好的建議是什么?  其實說句實話,我并不知道怎么回答這個問題。每一個學習者都是獨一無二的個體,有自己的學習需求和目的。我所能做的,就是分享一下當初我開始學習機器學習的時候,對我很有用的方法。  我是如何開始接觸機器學習的  讓時間回到2017年,我看到了SethBling實現機器學習來玩游戲的一個小演示。        Sethbling-Marl/O-Machine Learing 
        • 關鍵字: 機器學習  

        支持廣泛神經網絡架構的VIP8000處理器

        • 機器學習和神經網絡處理技術承載著嵌入式處理器下一個主要的市場機會。國際數據公司(IDC)預測,全球在人工智能和機器學習方面的支出將從2016年的80億美元增長到2020年的470億美元。AI爆發式增長的背后有三個主要的驅動力:算法的快速演進、強大的技術平臺以及大數據。AI日益無處不在,這就要求消費電子、汽車電子、工業4.0等終端產品具備實時神經網絡推理、可靈活升級至最新最優算法,以及從持續學習中收集有用信息的能力。
        • 關鍵字: 芯原  機器學習  視覺圖像  

        Arm三大平臺助力建設開放式AI生態系統

        • Arm關注到,目前移動終端用戶和行業伙伴均對機器學習能力極為看重,即使是入門級移動設備的消費者也希望自己的設備能夠具有人工智能,能夠輕松支持臉部識別、手勢識別,能夠享受顯著的美圖技術。Arm當然對用戶的這一需求義不容辭,為此推出了全新的機器學習平臺Project Trillium。這是一套包括新的CPU、目標檢測(OD)處理器、機器學習(ML)處理器的高度可擴展的開放AI平臺,也支持第三方OD和ML處理單元。
        • 關鍵字: Arm  AI平臺  機器學習  

        AI軍備賽之谷歌五年收購戰

        •   2013年7月,谷歌收購了創業公司DNNresearch。這是一次典型的招聘式收購,谷歌收購之時,該司只有3個人,機器學習“大牛”Geoffrey Hinton 教授,以及他的兩個學生。之所以不是直接向三人下聘書,谷歌也是為了背靠多倫多大學計算機科學系科研平臺。   套用在中國提倡的一個概念“產學研”,谷歌這一次與DNNresearch的合作就是一次“產學研”的落地,大學的理論在實驗室實踐之后,最終的落地由谷歌來完成。收購完成之
        • 關鍵字: 深度學習  機器學習  

        機器學習到底需要多少數據?可能并不是越多越好

        •   機器學習中最值得問的一個問題是,到底需要多少數據才可以得到一個較好的模型?從理論角度,有Probably approximately correct (PAC) learning theory來描述在何種情況下,可以得到一個近似正確的模型。但從實用角度看,PAC的使用范圍還是比較局限的。所以今天我們主要想討論一個問題:到底如何定義有效數據量。  1. 數據的粒度(granularity)  數據的粒度可以理解為數據的細分程度,或者具體程度。舉
        • 關鍵字: 機器學習  
        共275條 11/19 |‹ « 9 10 11 12 13 14 15 16 17 18 » ›|

        ?機器學習介紹

        您好,目前還沒有人創建詞條?機器學習!
        歡迎您創建該詞條,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。    創建詞條

        熱門主題

        樹莓派    linux   
        關于我們 - 廣告服務 - 企業會員服務 - 網站地圖 - 聯系我們 - 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
        備案 京ICP備12027778號-2 北京市公安局備案:1101082052    京公網安備11010802012473
        主站蜘蛛池模板: 湟中县| 承德县| 濉溪县| 黑河市| 长垣县| 临洮县| 明星| 宽城| 石棉县| 荣昌县| 静安区| 富裕县| 楚雄市| 马边| 吉首市| 浑源县| 佛冈县| 秦皇岛市| 永康市| 田阳县| 清徐县| 宾川县| 蒙阴县| 达州市| 西乌| 偏关县| 资溪县| 凤冈县| 册亨县| 千阳县| 塔城市| 布尔津县| 黄冈市| 新野县| 山东省| 鹤山市| 江阴市| 苏尼特左旗| 元朗区| 云浮市| 铁岭市|