chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

PowerVR先進的神經(jīng)網(wǎng)絡(luò)加速器

電子設(shè)計 ? 來源:互聯(lián)網(wǎng) ? 作者:佚名 ? 2018-06-15 09:36 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

GDPR的影響

2018年5月25日,歐盟所有成員國都將采用新的通用數(shù)據(jù)保護條例(也稱為GDPR),該條例對于個人信息的收集、管理和使用有了更嚴(yán)格的規(guī)定。新法規(guī)對于消費者數(shù)據(jù)的整理方式、必須采用哪種方式進行存儲和保護以及如何使用等方面具有廣泛的影響。

各種組織不能夠再收集大量關(guān)于消費者的數(shù)據(jù)進行多方面的分析——現(xiàn)在要求數(shù)據(jù)控制者將個人數(shù)據(jù)的處理操作最小化,并且進行高效的限制,僅用于特定目的應(yīng)用需求。此外,該應(yīng)用必須能夠明確傳達給相關(guān)數(shù)據(jù)的個人,獲取用戶同意的要求也必須更加的明確。因此,那些我們已經(jīng)熟悉的笨拙且易混淆的條款都將不適用:處理個人用戶數(shù)據(jù)的公司必須能夠透明的解釋他們要收集哪些數(shù)據(jù)、清楚地說明為什么需要這些數(shù)據(jù)以及如何使用等。

另一個重要的考慮因素是:GDPR給予同意處理其數(shù)據(jù)的個人可以隨時撤銷授權(quán)的權(quán)利,值得注意的是,數(shù)據(jù)控制人員必須為此建議用戶這項權(quán)利,他們還必須能夠提供簡單的方法讓用戶能夠撤銷授權(quán),然后確保在合理的時間范圍內(nèi)刪除數(shù)據(jù),這僅僅是數(shù)據(jù)處理法規(guī)方面的根本性改變,但可能會產(chǎn)生巨大的影響。


理論上不能夠充分證明符合GDPR條例的公司將會面臨巨額罰款,因此數(shù)據(jù)隱私和保護對所有公司來說都越來越重要,這將會促使各種組織和服務(wù)提供商能夠深刻地重新考慮他們收集數(shù)據(jù)和處理的方式。

人工智能AI)介紹

考慮到不符合GPDR條例帶來的影響,企業(yè)可能不想再收集個人用戶的任何數(shù)據(jù),但是為了提供相互服務(wù),企業(yè)與消費者之間的數(shù)據(jù)通信是必不可少的,我們可以進行最小化處理但不可能避免。

那么人工智能(AI)如何提供幫助呢?讓我們來看一些潛在的應(yīng)用場景以及我們對引入AI如何減輕一些風(fēng)險的解釋。

針對安全的行為定位

假設(shè)一個繁忙的機場,每天有成千上萬的旅客通過大廳和登機口,視頻記錄設(shè)備實時對每個現(xiàn)場進行監(jiān)控。每個攝像機都會創(chuàng)建連續(xù)的視頻流,在進行存檔之前這些視頻流會在安全控制室內(nèi)進行匯總和監(jiān)控。這些視頻包括上百萬幀的數(shù)據(jù),每個數(shù)據(jù)都包含數(shù)百張人物圖片、他們的臉、活動以及通過在機場內(nèi)的軌跡,要有效監(jiān)控所有視頻數(shù)據(jù)源無疑是一項挑戰(zhàn),即使受過專業(yè)行為分析培訓(xùn)的專家也是如此,更重要的是,這些系統(tǒng)正在不斷創(chuàng)建和歸檔大量的視頻數(shù)據(jù),其中大部分?jǐn)?shù)據(jù)基本上都是毫無用處的。

在GDPR條例中規(guī)定攝像機與控制室之間的視頻加密傳輸是必需的,這樣才能夠保證數(shù)據(jù)在網(wǎng)絡(luò)中傳輸是安全的。事實上這種基本的安全要素已經(jīng)在使用了,但通過將AI技術(shù)引入攝像機單元我們可以進一步改進該系統(tǒng):在這種情況下視頻信號處理芯片集成的神經(jīng)網(wǎng)絡(luò)處理器會被設(shè)置為匿名識別每個場景中的任務(wù)和物體,除了檢測到可疑行為或者異常。舉個例子,一個用戶帶著兩件行李進入某個區(qū)域,但是離開時只拿走一件行李,盡管他還沒有達到登機柜臺,系統(tǒng)會自動記錄視頻的相關(guān)部分。進一步分析可以確定某個用戶,但是視頻中的其他人依然是匿名的,因此AI不僅可以顯著的減少需要處理的數(shù)據(jù)量,還可以實現(xiàn)匿名處理源數(shù)據(jù)。

AI在自動駕駛領(lǐng)域的應(yīng)用

機場的案例說明了一個潛在的AI應(yīng)用場景,在此場景中人們期望得到監(jiān)控并且監(jiān)控視頻只能認(rèn)為是機場的私有財產(chǎn)。另一個例子就是在ADAS系統(tǒng)中使用攝像頭的汽車,在這種情況下攝像機會在車輛行駛過程中不斷捕捉公路上的圖像,獲取該線路上所有用戶、司機和行人的個人信息顯然是不可能的。


在ADAS系統(tǒng)中使用神經(jīng)網(wǎng)絡(luò)技術(shù)可以幫助處理攝像機或者傳感器自身相關(guān)的數(shù)據(jù),攝像機輸出的圖像并不一定都是用戶可以識別的,相反,在圖像處理流水線中使用AI技術(shù),這可能會將原始數(shù)據(jù)轉(zhuǎn)變?yōu)閿?shù)字化視頻流。舉個例子就是道路標(biāo)志識別系統(tǒng)解析速度限制,其中標(biāo)志的數(shù)字和距離非常重要:AI攝像機輸出的數(shù)據(jù)非常的簡單,比如是“70kph in 50m”,當(dāng)然這是一個簡化的例子——實際的道路標(biāo)識系統(tǒng)要復(fù)雜的多——但是它足以說明了SoC中的AI和神經(jīng)網(wǎng)絡(luò)技術(shù)能夠顯著的減少下游環(huán)節(jié)需要處理的數(shù)據(jù)量。

片上神經(jīng)網(wǎng)絡(luò)提供了解決方案

在任何數(shù)據(jù)處理應(yīng)用中授權(quán)同意是很難展示的,尤其是大規(guī)模的個人識別數(shù)據(jù)無法避免的情況下,在芯片中集成神經(jīng)網(wǎng)絡(luò)以創(chuàng)建一個人工智能平臺,它能給我們提供獨特的解決方案。

神經(jīng)網(wǎng)絡(luò)技術(shù)的一些元素已經(jīng)集成到智能手機SoC芯片中,對一些應(yīng)用提供支持,比如人臉識別、安全支付等。同樣的,我們期望AI運行在神經(jīng)推理引擎上,為自動駕駛帶來革命性的變化,它將使得消費電子設(shè)備能夠與用戶自然的交談,它將成為新一代智能家居物聯(lián)網(wǎng)IoT)設(shè)備的核心,事實上我們預(yù)計人工智能(AI)將變得無處不在。

毫無疑問GDPR是批量審查數(shù)據(jù)保護和處理要求的主要催化劑之一,但是我們將這些新規(guī)定解讀為另一種影響,它將帶來電子設(shè)備收集和處理信息方式的創(chuàng)新,我們預(yù)計這種趨勢會滲透到更廣泛的應(yīng)用領(lǐng)域,甚至是一些AI“知道”而人類“不知道”的世界,這一切都是為了更好的遵循數(shù)據(jù)保護條例。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4829

    瀏覽量

    106881
  • adas
    +關(guān)注

    關(guān)注

    311

    文章

    2301

    瀏覽量

    211569
  • powervr
    +關(guān)注

    關(guān)注

    0

    文章

    99

    瀏覽量

    31507
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    一些神經(jīng)網(wǎng)絡(luò)加速器的設(shè)計優(yōu)化方案

    特征圖保留不變,完成和所有相關(guān)卷積核點積以后再加載,最多復(fù)用 R*R*M 次。 3.不同網(wǎng)絡(luò)模型的效果 如圖所示,后者相對于前者,減少了連線資源和復(fù)雜度。 4.DNN加速器空間架構(gòu)片上存儲
    發(fā)表于 10-31 07:14

    CNN卷積神經(jīng)網(wǎng)絡(luò)設(shè)計原理及在MCU200T上仿真測試

    CNN算法簡介 我們硬件加速器的模型為Lenet-5的變型,網(wǎng)絡(luò)粗略分共有7層,細(xì)分共有13層。包括卷積,最大池化層,激活層,扁平層,全連接層。下面是各層作用介紹: 卷積層:提取特征?!安蝗?/div>
    發(fā)表于 10-29 07:49

    NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹

    NMSIS NN 軟件庫是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核,旨在最大限度地提高 Nuclei N 處理內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。 該庫分為多個功能,每個功能涵蓋特定類別
    發(fā)表于 10-29 06:08

    SNN加速器內(nèi)部神經(jīng)元數(shù)據(jù)連接方式

    的數(shù)量級,而且生物軸突的延遲和神經(jīng)元的時間常數(shù)比數(shù)字電路的傳播和轉(zhuǎn)換延遲要大得多,AER 的工作方式和神經(jīng)網(wǎng)絡(luò)的特點相吻合,所以受生物啟發(fā)的神經(jīng)形態(tài)處理中的NoC或SNN
    發(fā)表于 10-24 07:34

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重數(shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲內(nèi)。 在仿真環(huán)境下,可將其存于一個文件,并在 Verilog 代碼中通過 read
    發(fā)表于 10-20 08:00

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時間連續(xù)性與動態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲的神經(jīng)結(jié)構(gòu),盡管這種微生物的
    的頭像 發(fā)表于 09-28 10:03 ?726次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時間連續(xù)性與動態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    神經(jīng)網(wǎng)絡(luò)的并行計算與加速技術(shù)

    問題。因此,并行計算與加速技術(shù)在神經(jīng)網(wǎng)絡(luò)研究和應(yīng)用中變得至關(guān)重要,它們能夠顯著提升神經(jīng)網(wǎng)絡(luò)的性能和效率,滿足實際應(yīng)用中對快速響應(yīng)和大規(guī)模數(shù)據(jù)處理的需求。神經(jīng)網(wǎng)絡(luò)并行
    的頭像 發(fā)表于 09-17 13:31 ?904次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計算與<b class='flag-5'>加速</b>技術(shù)

    Andes晶心科技推出新一代深度學(xué)習(xí)加速器

    高效能、低功耗 32/64 位 RISC-V 處理核與 AI 加速解決方案的領(lǐng)導(dǎo)供貨商—Andes晶心科技(Andes Technology)今日正式發(fā)表最新深度學(xué)習(xí)加速器 AndesAIRE AnDLA I370。此產(chǎn)品專為
    的頭像 發(fā)表于 08-20 17:43 ?1950次閱讀

    MAX78000采用超低功耗卷積神經(jīng)網(wǎng)絡(luò)加速度計的人工智能微控制技術(shù)手冊

    的Maxim超低功耗微控制相結(jié)合。通過這款基于硬件的卷積神經(jīng)網(wǎng)絡(luò)(CNN)加速器,即使是電池供電的應(yīng)用也可執(zhí)行AI推理,同時功耗僅為微焦耳級。
    的頭像 發(fā)表于 05-08 11:42 ?740次閱讀
    MAX78000采用超低功耗卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b><b class='flag-5'>加速</b>度計的人工智能微控制<b class='flag-5'>器</b>技術(shù)手冊

    MAX78002帶有低功耗卷積神經(jīng)網(wǎng)絡(luò)加速器的人工智能微控制技術(shù)手冊

    的Maxim超低功耗微控制相結(jié)合。通過這款基于硬件的卷積神經(jīng)網(wǎng)絡(luò)(CNN)加速器,即使是電池供電的應(yīng)用也可執(zhí)行AI推理,同時功耗僅為微焦耳級。
    的頭像 發(fā)表于 05-08 10:16 ?622次閱讀
    MAX78002帶有低功耗卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b><b class='flag-5'>加速器</b>的人工智能微控制<b class='flag-5'>器</b>技術(shù)手冊

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

    多層。 每一層都由若干個神經(jīng)元構(gòu)成,神經(jīng)元之間通過權(quán)重連接。信號在神經(jīng)網(wǎng)絡(luò)中是前向傳播的,而誤差是反向傳播的。 卷積神經(jīng)網(wǎng)絡(luò)(CNN) : CNN主要由卷積層、池化層和全連接層組成。
    的頭像 發(fā)表于 02-12 15:53 ?1372次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點分析

    BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network)作為一種常用的機器學(xué)習(xí)模型,具有顯著的優(yōu)點,同時也存在一些不容忽視的缺點。以下是對BP神經(jīng)網(wǎng)絡(luò)優(yōu)缺點的分析: 優(yōu)點
    的頭像 發(fā)表于 02-12 15:36 ?1630次閱讀

    什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法

    BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法(Backpropagation Algorithm)是一種用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的有效方法。以下是關(guān)于BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法的介紹: 一、基本概念 反向傳播算法是BP
    的頭像 發(fā)表于 02-12 15:18 ?1320次閱讀

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)之間存在著密切的關(guān)系,以下是對它們之間關(guān)系的介紹: 一、BP神經(jīng)網(wǎng)絡(luò)的基本概念 BP神經(jīng)網(wǎng)絡(luò),即反向傳播神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural N
    的頭像 發(fā)表于 02-12 15:15 ?1383次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

    所擬合的數(shù)學(xué)模型的形式受到大腦中神經(jīng)元的連接和行為的啟發(fā),最初是為了研究大腦功能而設(shè)計的。然而,數(shù)據(jù)科學(xué)中常用的神經(jīng)網(wǎng)絡(luò)作為大腦模型已經(jīng)過時,現(xiàn)在它們只是能夠在某些應(yīng)用中提供最先進性能的機器學(xué)習(xí)模型。近年來,由于
    的頭像 發(fā)表于 01-09 10:24 ?2294次閱讀
    人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法