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
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
Gartner調查顯示，企業在數據和分析方面進展緩慢。很少有組織能夠在“轉型”級別使用數據，并且接近Gartner調查的三分之二組織仍在考慮“企業報告，以處理他們最關鍵的數據和分析應用”。
Gartner副總裁Nick Heudecker提供了一些警示性建議：“機器學習和人工智能很容易被‘盜走’。但傳統形式的分析和商業智能仍然是組織當今如何運作的關鍵部分，而這在短期內不太可能改變。”
企業如何判
關鍵字：
機器學習
谷歌官方剛剛發布了機器學習速成課程!內容涵蓋了機器學習相關概念以及機器學習工程知識，3月第一天!一起走進機器學習的世界!
地址：https://developers.google.cn/machine-learning/crash-course/
機器學習速成班(MLCC)。 該課程基于Google的一門內部課程演化而來，最初旨在幫助Google員工對AI和ML基礎知識有實踐式的了解，已有18,000名員工入學。 現在，Google正在通過“Lear
關鍵字：
Google 機器學習
物聯網(IoT)最初是脫胎于機對機(M2M)技術，如今不僅已被各行各業的企業機構列為頭等大事，而且已經好幾年了。盡管如此，這個概念距離達到成熟期還有很長的路要走。這條道路將技術、經濟和社會等諸多因素匯聚起來，共同創造新的數字化舞臺，服務于我們的生活、工作和娛樂。這是一個長遠的愿景，我們目前僅僅只是走在旅程的起步階段。 網絡化、智能化、自主化 大多數企業機構都把物聯網看作是由多個階段構成的整體。大致的思路都是先把設備連接起來，然后使它們智能化，最后使它們自主化。例如，自動駕駛汽車就是典型的自主化。早
關鍵字：
機器學習 物聯網
KenSci是一家為醫療行業開發機器學習風險預測平臺的公司，該公司最近發表了一篇關于預測臨終死亡率并改善護理的論文。
這篇論文針對的是一個非常棘手的話題，對患者的最近六至十二個月內的死亡風險進行預測，它已經被人工智能促進協會(Association for the Advancement of Artificial Intelligence)接受。處于危急關頭的是，在個人生命最后一年的護理花費了2050億美元。但這不僅僅是成本的問題。以下內容摘自《死亡與數據科學：預測生命的終結》(《Death
關鍵字：
機器學習
《麻省理工科技評論》于近日揭曉2018 年“全球十大突破性技術”，這份全球新興科技領域的權威榜單至今已經有 17 年的歷史。
1、給所有人的人工智能 AI for everyone
入選理由：將機器學習工具搬上云端，將有助于人工智能更廣泛的傳播
重大意義：目前，人工智能的應用是受到少數幾家公司統治的。但其一旦與云技術相結合，那它將可以對許多人變得觸手可及，從而實現經濟的爆發式增長。
主要研究者：Google,亞馬遜，阿里云，騰訊云，百度云，金山云，京東云
關鍵字：
機器學習 GAN
科技進步不斷推動人類生產力的提升，從傳統的手工制造到自動化、網絡化和智能化的生產。今天新一代信息技術帶來了許多變化，人工智能逐漸應用到工業制造等多個領域中去，并驅動了巨大的經濟價值。
傳統制造業依賴于廉價的勞動力，通過大批量生產的方式獲取更高的回報。然而，今天的市場變得越來越多樣化，消費者的需求在不斷變化，要求工廠有快速生產出不同型號產品的能力。
自動化和機器換人解決了勞動力不足的問題，但想要滿足今天小批量、多樣化的生產要求還是達不到。實現更高效率的生產需要通過工業物聯網、大數據分析和人工
關鍵字：
機器學習 自動化
科技進步不斷推動人類生產力的提升，傳統制造業依賴于廉價的勞動力，通過大批量生產的方式獲取更高的回報。采用機器學習改進生產系統，有利于企業提升業績效率。
關鍵字：
機器學習
以第四次工業革命為代表的工業物聯網(IIoT)正在發生。感知、測量、解讀、工業通信、網絡安全和邊緣計算(從簡單數據優化到機器學習)等都將圍繞IoT與IT的大融合而發生演化或變革。
關鍵字：
IIoT 機器學習 傳感器 201803
在持續完善機器學習模型和訓練過程中，各種個人設備(如：移動設備、汽車和物聯網)發揮著不可或缺的作用。著重闡述了個人設備在優化深度學習架構中發揮的關鍵作用。
關鍵字：
AI 機器學習 邊緣設備 個人設備 201803
Arm公司近期宣布了其Project Trillium項目，這是一套包括新的高度可擴展處理器的Arm IP組合，這些產品可以提供增強的機器學習(ML)和神經網絡(NN)功能。當前的技術產品主要針對移動設備市場，將讓全新的搭載機器學習功能的設備具有先進的計算能力，包括最先進的目標檢測功能。 Arm IP 產品事業部總裁 Rene Haas 表示：“隨著人工智能快速部署到終端設備，大量提升計算需求的同時，也要求保持出色的能效表現。&n
關鍵字：
Arm 機器學習
我們進入21世紀已近20年，從自主學習機器人、價格不再遙不可及的基組測序、到無處不在的數據存儲，不可否認，技術的發展從未如此之快。以此速度面向未來，我們是時候審慎思考我們將去向何方、我們該如何到達。
關鍵字：
機器學習，汽車
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