#深度學習

9 篇文章

18 世紀數學為基礎的新技術顯示,簡單的 AI 模型不需要深度學習
990

18 世紀數學為基礎的新技術顯示,簡單的 AI 模型不需要深度學習

新技術基於 18 世紀數學顯示簡化 AI 模型不需要深度學習概述最近,芬蘭約恩蔡舍利亞大學的研究人員成功地使用 18 世紀的數學方法簡化了當前最流行的人工智慧技術——深度學習。他們還發現,相較於現今更受歡迎的技術,追溯至 50 年前的傳統訓練演算法表現更好。這種更簡單的方法不僅有助於環保的資訊技術發

利用深度學習客觀分類鋼鐵材料
761

利用深度學習客觀分類鋼鐵材料

使用深度學習客觀分類鋼鐵材料作者:安娜貝爾·泰姆(Anabel Thieme)編者按:滾珠軸承被廣泛應用於各種需要旋轉的裝置上,從大型風力發電機到小型電動牙刷。這些由鋼鐵元件組成的軸承必須在質量和應用領域上進行仔細選擇和測試。晶粒大小對鋼鐵的機械效能有著至關重要的影響。迄今為止,金相學家透過目視檢查

十年後,深度學習改變了電腦視覺,但傳統元素依然存在
746

十年後,深度學習改變了電腦視覺,但傳統元素依然存在

深度學習和傳統元素:電腦視覺中的進步和挑戰引言電腦視覺(Computer Vision,CV)在過去幾年中迅速發展,現在已經滲透到我們日常生活的許多領域。對一般人而言,它可能看起來像是一個新的、令人興奮的創新,但事實並非如此。實際上 CV 的演進已經數十年了,20 世紀 70 年代的研究為當今使用的

NVIDIA 如何成為機器人領域的重要角色
840

NVIDIA 如何成為機器人領域的重要角色

如何使 NVIDIA 成為機器人領域的主要參與者作者:布萊恩·希特(Brian Heater)機械自動化在科技領域一直是熱門話題,而 NVIDIA 作為一家全球知名的半導體公司,在機器人領域的策略取得了令人矚目的成果。該公司投入了大量資源用於發展機器人技術,並在近年來獲得了回報。十年前,NVIDIA

DeepMind 的「非凡」新人工智慧掌控各種機器人
863

DeepMind 的「非凡」新人工智慧掌控各種機器人

Google DeepMind 與 33 個研究機構攜手,全球首創通用性 AI 系統,能讓機器人快速適應各種任務機器人領域面臨的一大挑戰是每個機器人、任務和環境都需要投入大量的訓練機器學習模型的工作。如今 Google DeepMind 和其他 33 個研究機構聯手合作,希望建立一個通用性的 AI

18 世紀數學為基礎的新技術顯示簡單的 AI 模型不需要深度學習
904

18 世紀數學為基礎的新技術顯示簡單的 AI 模型不需要深度學習

新技術基於 18 世紀數學顯示,簡單的 AI 模型不需要深度學習 極簡 AI 模型基於古老數學 喬伊斯基的約翰內斯大學的研究人員利用 18 世紀數學的新技術,對最流行的人工智慧技術深度學習進行了簡化。他們還發現,50 年前的傳統訓練算法比最近流行的技術效果更好。這種更簡單的方法推進了綠色 IT

使用深度學習客觀分類鋼材
726

使用深度學習客觀分類鋼材

使用深度學習客觀分類鋼材背景概述在現代工業中,滾動軸承被廣泛應用於各種旋轉裝置,從大型風力渦輪機到小型電動牙刷都有它們的身影。這些軸承由鋼材元件組成,必須根據其品質和特定應用進行精心選擇和測試。以往,人們透過金相檢驗的方式來評估鋼材微觀晶粒的大小,這是一種主觀且容易出錯的方法。為了改進這一問題,德國

AI 的未來:無邊際、深不可測、龐大無比!
970

AI 的未來:無邊際、深不可測、龐大無比!

人工智慧的未來:廣、深與龐大引言人工智慧(AI)的發展一直以來都受到公眾的矚目,我們開始探索生成式人工智慧(AI)在日常生活中的應用價值。在科學家們持續推進 AI 在科學和技術發展方面的潛在應用的同時 AI 的未來可能會帶來如此龐大的變化,以至於改變我們所知的生活方式。最近發表於《機器學習研究》(J

透過深度學習框架實現離網死角定位
887

透過深度學習框架實現離網死角定位

深度學習框架實現的離網死角定位技術由科學中國新聞出版社發表的論文介紹了一種新的深度學習框架,用於估計雷達目標的來源方向(DOA)。這種方法透過兩個部分的結合,實現了高精度的超解析度 DOA 估計,並在模擬和實際資料上進行了測試。背景雷達感知任務中,需要估計目標的來源方向來實現各種應用,如目標檢測、跟