據國外媒體報道，谷歌人工智能程序AlphaGo在2016年開始的人機圍棋大戰中擊敗李世石等一眾人類圍棋高手，讓外界意識到了人工智能的巨大潛力，人工智能和機器學習也已廣泛的應用于生產生活。為蘋果、AMD等眾多公司代工芯片、近幾年在芯片制程工藝方面走在行業前列的芯片代工商臺積電，就已在利用人工智能和機器學習技術，以改進他們的芯片生產。臺積電已開始利用人工智能和機器學習技術，是他們負責先進技術業務發展的一名高管，在官網上透露的，主要是用于芯片生產過程中的數據處理。這名高管在臺積電的官網上表示，生產的芯片越多，從
關鍵字：
臺積電 人工智能 機器學習
日前，國際權威分析機構Forrester發布中國預測分析和機器學習市場研究報告《Now Tech: Predictive Analytics And Machine Learning In China, Q3 2020》（簡稱PAML），浪潮與百度、阿里云、騰訊云等企業入選中國預測分析和機器學習市場第一陣營。該報告指出，在AI開發流程中首先要解決的就是數據準備問題，企業的數據采集、存儲、處理和分析能力將會直接影響AI模型開發、訓練和部署，由此可見提升數據處理效率已經成為推動企業AI
關鍵字：
浪潮 云海Insight 大數據平臺 機器學習
日前，國際權威分析機構Forrester發布《Now Tech: Predictive Analytics And Machine Learning In China, Q3 2020》（簡稱：PAML）報告，浪潮憑借領先的產品功能以及卓越的商業化能力入圍中國預測分析和機器學習市場第一陣營。Forrester Now Tech是Forrester機構在中國乃至全球范圍內影響力最大、市場認可度最高的報告系列之一，旨在為企業IT決策、產品選型等提供基于市場規模、產品功能維度的價值參考。Forres
關鍵字：
Forrester 機器學習
意法半導體近日發布一款免費的STM32軟件功能包，讓用戶可以用微控制器探索套件快速創建、訓練、部署?工業狀態監測智能邊緣設備?。FP-AI-NANOEDG1軟件包?由意法半導體與機器學習專業開發科技公司、ST授權合作伙伴Cartesiam共同開發，包含捕獲傳感器數據，集成和運行Cartesiam的NanoEdge庫所需的全部驅動程序、中間件、文檔和代碼示例。即使用戶沒有專業的AI技能，也能在Windows?10或Ubuntu PC機上，用Cartesiam NanoEdge?
關鍵字：
Cartesiam 機器學習 STM32
導讀異常檢測的一些入門問題。問問題是學習的最好方法之一。但有時你不知道從哪里開始，或者該問什么
—— 尤其是在你還比較熟悉的異常檢測之類的話題上。在這種情況下，最好傾聽別人的問題，讓他們的思路來指導你的學習。以下是我們在“[Ask Me
Anything: Anomaly Detection](https://www.tibco.com/events/ask-me-
anything-webinar-anomaly-detecing-machine
-learning)”網絡研討會上收到的
關鍵字：
機器學習 異常檢測
美國麻省理工學院媒體實驗室研究項目顯示，人工智能識別淺色皮膚男性的平均錯誤率不超過1%，識別深色皮膚女性的平均錯誤率達35%…… 人臉識別所導致的偏見問題一直受到廣泛關注。近期，一篇關于圖像超分辨率的論文引發了對于產生偏見原因的新爭論。 網友利用論文中的開源代碼進行了模型推理，在使用時發現，非白人面孔的高糊照片被還原成了一張白人面孔。對此，2018年圖靈獎得主、AI領軍人物楊立昆（Yann?LeCun）在推特上指出，當數據有偏見時，機器學習系統就變得有偏見。而這一觀
關鍵字：
人臉識別 AI 機器學習
重點：IC Compiler II和Fusion Compiler的機器學習技術助力三星將頻率提高高達5%，功耗降低5%機器學習預測性技術可加快周轉時間(TAT)，使三星能夠跟上具挑戰性的設計時間表三星在即將推出的新一代移動芯片流片中部署了機器學習技術新思科技（Synopsys,
Inc.，納斯達克股票代碼：SNPS）今天宣布，三星(Samsung)為其新一代5納米移動芯片生產設計，采用了IC Compiler?
II布局布線解決方案（新思科技Fusion Design
Platform?的一
關鍵字：
三星 新思科技 IC Compiler II 機器學習 5納米 SoC
機器學習從只適用于研發人員的工具變成了被廣泛采納使用的方法，多虧了開源機器學習和深度學習框架的爆炸性發展。現如今，機器學習領域比以往任何時候都更容易上手。同時，這也助力了我們目前所經歷的科技的瘋狂發展。弄清算法是如何真正工作的，可以幫助你在設計、開發和調試機器學習系統方面獲得巨大優勢。很多人提到數學就打哆嗦，機器學習恰巧涉及很多數學知識，這項任務可能會令很多人怯步。然而，數學并不該成為人們在機器學習領域的“絆腳石”。相反，學好數學對于掌握機器學習非常有必要。從高層次上講，機器學習中涉及四大數學支柱：線性代
關鍵字：
機器學習
在20／22nm引入FinFET以后，先進工藝變得越來越復雜。在接下來的發展中，實現“每兩年將晶體管數量增加一倍，性能也提升一倍”變得越來越困難。摩爾定律的發展遇到了瓶頸，先進制程前進的腳步開始放緩。但是由于當今先進電子設備仍需求先進工藝的支持，因此，還有一些晶圓廠還在致力于推動先進制程的繼續發展。這些晶圓廠與EDA企業之間的合作，推動了先進制程的進步。從整體上看，當先進制程進入到14nm/7nm時代后，EDA工具的引入可以縮短研發周期，尤其是針對后端設計制造工具的更新，EDA起到了至關重要的作用。EDA
關鍵字：
機器學習 EDA Calibre
人工智能（AI）的例子無處不在。我們對于AI的使用可能超出想象，并且在許多方面將這種使用視為理所當然。智能手機助手就是一個很好的例子，盡管我們可能并不認為這與AI有關。許多場景中，我們已經習慣于與Siri或Google Assistant的互動。面部識別也已成為新一代智能手機的標準解鎖功能。機器學習屬于AI的一個子集，原理是通過訓練基于計算機的神經網絡模型來識別給定的模型或聲音。在神經網絡完成訓練后，就可以推理出結果。例如，如果我們用數百張狗和貓的圖像訓練神經網絡，那么它應該能夠正確地識別圖片中是狗還是貓
關鍵字：
機器學習 人工智能 AI
據外媒報道，蘋果已收購機器學習創業公司Inductiv，該公司開發的人工智能技術可用于識別和糾正數據集中的錯誤。Inductiv的工程團隊近幾周已加入蘋果，參與包括Siri、機器學習和數據科學在內的多個項目。對于這筆收購，蘋果給出了慣用的聲明，即蘋果“不時收購規模較小的科技公司，我們通常不討論目的或計劃”。Inductiv是由斯坦福大學、滑鐵盧大學和威斯康星大學的幾名教授創立的。Inductiv的技術利用人工智能自動識別和糾正數據集中的錯誤。“干凈的”數據集對于機器學習非常重要。機器學習是一類熱門的人工智
關鍵字：
蘋果 機器學習 Inductiv Siri
高煥堂?（臺灣銘傳大學、長庚大學?教授）0 引言在人與AI之間，最典型的協同合作模式是：由人們去觀察而萃取特征，然后AI依據該特征進行分類，這稱為：人工提取特征。此外還有進一步的合作模式：讓AI自己來學習萃取特征，并且進行分類。這稱為：自動提取特征。本文將借由很簡單的范例來展示“自動提取特征”，以便充分發揮各種AI模型的特色，來促進特征提取的效率。 1 人工提取特征 1.1 機器學習 由于人人對于周遭的現象(或事)都具有觀察、分類和萃取特征的天賦，所以人人都可以把這項智能和能力傳授給AI。其中，
關鍵字：
202006 AI 人工智能 機器學習
過去十年內，隨著我們在人工智能領域取得長足進步，我們能夠為嵌入式系統增加一些先進功能，例如人臉識別。雖然人臉識別能夠帶來諸多好處，但人們有時仍然認為它的使用存在問題，甚至充滿了爭議。事實究竟如何？在本文中，我們將澄清一些對人臉識別的誤解。?1) 人臉識別的成本非常昂貴?人們會覺得要讓計算機能夠識別人臉，解決方案必須采用高端硬件。畢竟，自21世紀前十年中期以來，深度學習算法在圖像分類方面的突破都利用了圖形處理單元(GPU)的強大處理能力，這些單元通常在緊耦合集群中使用。但對于嵌入式系統（
關鍵字：
人臉識別 機器學習
機器學習的知識產權問題假設一家公司主要生產對于客戶的業務運營至關重要的設備。為了避免發生故障而對這些客戶產生重大影響，這家公司使用機器學習模型來做出預防性維護決策。為了構建這種模型，公司花費了大量時間、金錢和精力。但是，客戶可以復制這個知識產權來自行進行維護，這樣就不必繼續支付維護合同的費用。同時，競爭對手也可能會直接復制模型來獲取利益，而不是投資構建自己的模型。本白皮書探討了機器學習模型的哪些方面將受到知識產權法律的保護。要構建用于維護的機器學習（ML）模型，必須收集并標記正確的訓練集，選擇正確的架構和
關鍵字：
機器學習 知識產權
汽車工業的最新發展引起了科研人員對疲勞駕駛監測的研究興趣，意圖開發一種有效的駕駛員監測系統，能及時發現心理物理狀態異常，減少疲勞駕駛引起的交通事故。現在許多文獻特別專注于生理信號的研究，通過測量心率變異性（HRV）來得到有關心臟運動的信息。事實上，HRV還是一個有效的評估生理壓力的指標，因為它可以提供與自主神經系統支配的心血管系統活動相關的信息。本文旨在通過提取人臉特征點，分析由血壓引起的皮膚細微運動，再以一個穩健的方式重構光電容積圖（PPG）信號。所得結論是，傳感器檢測到的PPG信號與使用人臉特征點重構
關鍵字：
機器學習 LSTM 駕駛員疲勞駕駛
?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
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
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網安備11010802012473
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網安備11010802012473