完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>
標簽 > 深度學習
文章:4732個 瀏覽:122746次 帖子:173個
卷積神經(jīng)網(wǎng)絡的發(fā)展歷程及與深度學習的差異
1986年Rumelhart等人提出了人工神經(jīng)網(wǎng)絡的反向傳播算法,掀起了神經(jīng)網(wǎng)絡在機器學習中的熱潮,神經(jīng)網(wǎng)絡中存在大量的參數(shù),存在容易發(fā)生過擬合、訓練時...
2020-08-24 標簽:神經(jīng)網(wǎng)絡卷積深度學習 6342 0
實現(xiàn)這一編程思想的轉變,是因為 FPGA 借助 OpenCL 實現(xiàn)了編程,程序員只需要通過 C/C++ 添加適當?shù)?pragma 就能實現(xiàn) FPGA 編...
基于FPGA器件實現(xiàn)CNN加速系統(tǒng)的硬件設計
隨著近些年深度學習的迅速發(fā)展和廣泛的應用,卷積神經(jīng)網(wǎng)絡(CNN)已經(jīng)成為檢測和識別領域最好的方法,它可以自動地從數(shù)據(jù)集中學習提取特征,而且網(wǎng)絡層數(shù)越多,...
2020-07-15 標簽:fpga神經(jīng)網(wǎng)絡深度學習 3010 0
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...
2020-05-18 標簽:云計算物聯(lián)網(wǎng)人臉識別 726 0
MathWorks推出R2020a版本 為工程師和科學家擴展深度學習方面的AI功能
GPU Coder 現(xiàn)在提供了一組更廣泛的網(wǎng)絡,以便在云和邊緣設備上實現(xiàn) AI 系統(tǒng),這些網(wǎng)絡包括 Darknet-19、Darknet-53、Ince...
以5G+AI技術為主導的高幀頻、超高清、寬動態(tài)范圍的4K、8K安防監(jiān)控解決方案以及相關應用場景將成為必然的選擇。
增加深度學習的受歡迎程度的一個因素是2018年可用的大量數(shù)據(jù),這些數(shù)據(jù)是在過去幾年和幾十年中收集的。這使得神經(jīng)網(wǎng)絡能夠真正發(fā)揮他們的潛力,因為他們獲得的...
2020-04-17 標簽:神經(jīng)網(wǎng)絡算法深度學習 7478 0
深度學習或者人工神經(jīng)網(wǎng)絡模擬了生物神經(jīng)元?
深度學習里的神經(jīng)元實質上是數(shù)學函數(shù),即相似度函數(shù)。在每個人工神經(jīng)元內,帶權重的輸入信號和神經(jīng)元的閾值進行比較,匹配度越高,激活函數(shù)值為1并執(zhí)行某種動作的...
2020-04-17 標簽:神經(jīng)網(wǎng)絡神經(jīng)元深度學習 6128 0
神經(jīng)網(wǎng)絡中的參數(shù)和超參數(shù)
實際上深度學習有很多不同的超參數(shù),之后我們也會介紹一些其他的超參數(shù),如momentum、mini batch size、regularization p...
2020-04-17 標簽:神經(jīng)網(wǎng)絡語音識別深度學習 8931 0
邊緣計算中深度神經(jīng)網(wǎng)絡剪枝壓縮的研究
深度神經(jīng)網(wǎng)絡與其他很多機器學習模型一樣,可分為訓練和推理兩個階段。訓練階段根據(jù)數(shù)據(jù)學習模型中的參數(shù)(對神經(jīng)網(wǎng)絡來說主要是網(wǎng)絡中的權重);推理階段將新數(shù)據(jù)...
2020-03-27 標簽:神經(jīng)網(wǎng)絡深度學習邊緣計算 3265 0
但是,問題來了:推導有限網(wǎng)絡的無限寬度限制需要大量的數(shù)學知識,并且必須針對不同研究的體系結構分別進行計算。對工程技術水平的要求也很高。
2020-03-27 標簽:神經(jīng)網(wǎng)絡代碼深度學習 3519 0
這允許以單個晶格來高度精確地找到原子的量子點位,不過下一個挑戰(zhàn),就是如何將這種精確的空間定位方法,擴大到大規(guī)模、可容錯的量子計算機體系結構中。
一種名為ReZero的神經(jīng)網(wǎng)絡結構改進方法
深度學習在計算機視覺、自然語言處理等領域取得了很多重大突破。神經(jīng)網(wǎng)絡的表達能力通常隨著其網(wǎng)絡深度呈指數(shù)增長,這一特性賦予了它很強的泛化能力。然而深層的網(wǎng)...
2020-03-27 標簽:神經(jīng)網(wǎng)絡深度學習 5297 0
基于多層深度學習框架和運動分析的駕駛員疲勞監(jiān)測系統(tǒng)
本節(jié)將更詳細地介紹實驗中使用的CNN模型架構。本文提出的CNN架構為驗證LSTM預測結果提供有力的證據(jù)。
2020-03-25 標簽:監(jiān)測系統(tǒng)PPG機器學習 1660 0
編輯推薦廠商產(chǎn)品技術軟件/工具OS/語言教程專題
電機控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動駕駛 | TI | 瑞薩電子 |
BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
無刷電機 | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
直流電機 | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
步進電機 | SPWM | 充電樁 | IPM | 機器視覺 | 無人機 | 三菱電機 | ST |
伺服電機 | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國民技術 | Microchip |
Arduino | BeagleBone | 樹莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
DuerOS | Brillo | Windows11 | HarmonyOS |