本文讨论机器学习 (ML) 与半导体制造之间的关系，特别是 ML 算法和模型在半导体制造过程中的应用。
关键字：
机器学习
本文是系列文章的第二部分，重点介绍卷积神经网络(CNN)的特性和应用。CNN主要用于模式识别和对象分类。在第一部分文章《卷积神经网络简介：什么是机器学习？——第一部分》中，我们比较了在微控制器中运行经典线性规划程序与运行CNN的区别，并展示了CNN的优势。我们还探讨了CIFAR网络，该网络可以对图像中的猫、房子或自行车等对象进行分类，还可以执行简单的语音识别。本文重点解释如何训练这些神经网络以解决实际问题。神经网络的训练过程本系列文章的第一部分讨论的CIFAR网络由不同层的神经元组成。如图1所示，32 ×
关键字：
ADI 机器学习
随着人工智能(AI)技术的快速发展，AI可以越来越多地支持以前无法实现或者难以实现的应用。本系列文章基于此解释了卷积神经网络(CNN)及其对人工智能和机器学习的意义。CNN是一种能够从复杂数据中提取特征的强大工具，例如识别音频信号或图像信号中的复杂模式就是其应用之一。本文讨论了CNN相对于经典线性规划的优势，后续文章《训练卷积神经网络：什么是机器学习？——第二部分》将讨论如何训练CNN模型，系列文章的第三部分将讨论一个特定用例，并使用专门的AI微控制器对模型进行测试。什么是卷积神经网络？神经网络是一种由神
关键字：
ADI 卷积神经网络 机器学习
AI（人工智能）可以说是目前的热点领域，从工厂的机器人，到支付时的人脸识别，生活处处都充斥着AI的影子。人们通常认为，AI可以不知疲倦，无时无刻地工作。 但其有一个致命缺点，当学习了新知识后，会把之前学习的知识忘记，这种现象称为“灾难性遗忘”。近日，美国加州大学圣地亚哥医学院的研究发现，通过让一种新型的超级AI模仿人类睡眠，离线一段时间后，AI的“灾难性遗忘”会得到缓解。 AI在“睡眠”后，就能像人脑一样，回忆过去，而不需用旧的数据重新训练。据了解，人脑中的记忆是由突触重量的模式表示的
关键字：
AI 人工智能 机器学习
摘 要：故障通常特指某个系统或某个运行过程的一系列相关参数丧失了规定性能的状态，或者在特定场景下
控制指标出现了偏差。故障不可避免，故障影响了电力系统正常安全稳定运行。为此迫切需要快速识别诊断故
障。本文基于数据驱动算法，详细对比分析了多种基于机器学习主流模型故障诊断的方法，并通过实例验证了
模型的有效性以及优越性，对模型的选择具有重要参考意义。关键词：故障识别；机器学习；数据驱动0 引言被控系统处于非正常运行情况时，若能够采用某种
技术快速实时在线检测故障并且能基于先进定位技术判
别故障点准确
关键字：
202211 故障识别 机器学习 数据驱动
2022 年 11 月 15 日，中国——为了扩大开发工具的功能，加快嵌入式人工智能 (AI) 和机器学习 (ML) 开发项目，意法半导体发布了NanoEdge AI Studio 和 STM32Cube.AI.的升级版本。这两个开发工具有助于把人工智能和机器学习迁移到应用边缘设备。迁移到网络边缘后，人工智能和机器学习的优势非常突出，包括原生隐私保护、确定性实时响应、更高可靠性和更低功耗。NanoEdge AI Studio 是一个自动化的机器学习开发工具，适合不需要开发神经网络的应用项目。该工具需要与S
关键字：
意法半导体 嵌入式 AI 机器学习
联发科长期投入前瞻领域研究，近期再传突破性成果。联发科宣布，将机器学习导入芯片设计，运用强化学习（reinforcement learning）让机器透过自我不断探索和学习，预测出芯片中最佳电路区块的位置（location）与形状（shape），将大幅缩短开发时间并建构更强大性能的芯片，成为改变游戏规则的重大突破。联发科表示，该技术将于11月于台湾举办的IEEE亚洲固态电路研讨会A-SSCC（Asian Solid-State Circuits Conference）发表，同步也将申请国际专利。联发科指出
关键字：
联发科 芯片设计 机器学习
机器学习神经网络进步使我们能够处理越来越大量储存资料。传统方法是将数据传输到算法设备，但是这种移动巨量数据（高达 1 PB）以供可能只有几十兆位元算法来进行处理真的有意义吗？因此，在靠近数据储存位置处理数据的想法引起了很多关注。本文研究了计算储存理论和实践，以及如何使用计算储存处理器 (CSP) 为许多计算密集型任务提供硬件加速和更高性能，而不会给主机处理器带来大量负担。数据集崛起近年来，神经网络算法在汽车、工业、安全和消费等应用中使用显著增加。基于边缘物联网传感器通常只处理少量数据，因此所使用算法占用很
关键字：
机器学习 神经网络 数据集
机器学习是改变世界的最新技术。过去配合云端使用的算法现在已经扩展到边缘运算。应用包括了监控、先进驾驶辅助系统ADAS、机器人和数据中心。开发人员正在寻找可快速及轻松地部署复杂系统的方法。 对于边缘网络上的机器学习，Xilinx提供了延迟、功耗、成本、灵活性、可扩展性和上市时间之间的最佳权衡。其软件定义的系统单芯片(SDSoC)允许无缝整合硬件和软件、自动化内存分配、快取管理、DMA和装置互动。SDx开发环境为项目建立，模拟，执行和除错提供了通用的基础架构，让不同的嵌入式系统可轻松实行。 其结果是更
关键字：
机器学习 Xilinx
物联网装置和支持ML的装置日益成为我们日常生活中的一部分。随着这些装置进入智能住宅中，就需要更多的专业知识来进行建构和开发。ROS是一个开放原始码的机器人开发平台，使机器人技术的开发可以协作。与ROS整合的TurtleBot3在SLAM（同步定位与地图构建）、导航和操控中具备核心技术，所以适合在家庭服务机器人应用中使用。 与TurtleBot3整合的Ultra96上的ROS具有多项功能，所以适用于物联网装置中的应用。除了配备Xilinx MPSOC开发板Ultra96（Cortex A53、R5）之
关键字：
物联网 机器学习
什么是人脸识别？人脸识别是一种软件层面的算法，用于通过处理视频帧或数字图像来验证或识别一个人的身份，其中该人的脸是可见的。面部识别技术有几种不同的工作方法，但是他们通常会将图像中的面部特征与数据库中的面部特征进行比较。人脸识别处理的4个步骤特定的神经网络被训练用来检测人脸的标签，并将人脸与图像中的其他物体区分开来。标签是人类普遍的五官等面部特征，比如：眼睛、鼻子、嘴巴、眉毛等。人脸识别算法的工作流程任何人脸检测和识别系统或软件都绕不开人脸识别算法。业界将这些算法分为两种：几何方法侧重于区分特征简而言之就将
关键字：
人脸识别 算法 AI 机器学习 神经网络
各行各业的数字化转型和日常生活中的新场景已经对边缘上的人工智能（AI）和机器学习、先进数据处理、音频、视觉等产生了需求。边缘机器学习（ML）计算支持广泛的、智能化的工业和家庭应用，包括用于异常检测的传感器数据处理、预测性维护、用于改进玻璃破碎检测的音频模式识别、简单命令词识别以及视觉应用，如使用低分辨率摄像头进行在场检测或人数统计。现在的产品设计人员已看到了人工智能和机器学习的巨大潜力，可以为家庭安全系统、可穿戴医疗监测器、商业设施和工业设备监控传感器等边缘应用带来更多的智能化。所以SiliconLabs
关键字：
202204 边缘AI 机器学习
人工智能（AI）和机器学习仍然是技术决策者、行业人士和投资者关注的重点。标普全球市场财智（S&P Intelligence）2020 7月发布的调查显示，有58%的公司和组织预计新冠大流行会对他们现有的AI计划产生负面影响，还有19%的公司和组织表示新冠大流行导致他们停止了AI项目。与此同时，也有75%的公司和组织表示COVID-19促进了他们新的AI计划。最近发布的2021 AI/ML用例调查显示情况发生了变化，有86%参与调查的人表示新冠大流行已经或将导致其所在的组织投资于新的AI计划。由于大
关键字：
人工智能 机器学习 深度学习 数据科学
在EE Times美国今年发布的Silicon 100榜单中，有大量席位被AI芯片公司所占据。这两年来，以SambaNova、Graphcore等为代表的AI芯片公司可谓是投资界的大热门。截至发稿日，SambaNova已经获得了11亿美元的融资，宣称市值为50亿美元左右。3-4年之后，这片红海竞争的市场，又将变成怎样一副模样？据市场分析机构GlobalData数据显示，2021年第二季度北美地区的AI风投总额就已经达到95亿美元，相比上一季度增长了17.7%。这一季度，AI芯片市场的大热门除了SambaN
关键字：
AI芯片 IPU 英伟达 机器学习
2021年对于人工智能技术和产业，依旧是不平凡的一年。随着算力、数据、算法等要素逐渐齐备，先进的算法结构不断涌现，各个研究方向研究成果层出不穷，成熟的AI技术逐渐向代码库、平台和系统发展，实现产业和商业层面的落地应用，推动人工智能发展迈向新阶段。在新的一年即将到来之际，智源研究院采用案例征集、专家咨询等方法，向高校和科研机构专家学者征集2021年度人工智能动态、案例等内容，并通过向专业人士咨询的形式汇总观点及建议，形成2021-2022年度人工智能前沿报告（AI Frontiers Report）。报告专
关键字：
AI 机器学习 神经网络 算法
机器学习介绍
您好，目前还没有人创建词条机器学习!
欢迎您创建该词条，阐述对机器学习的理解，并与今后在此搜索机器学习的朋友们分享。
创建词条
关于我们 -
广告服务 -
企业会员服务 -
网站地图 -
联系我们 -
征稿 -
友情链接 -
手机EEPW
Copyright ©2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《电子产品世界》杂志社 版权所有 北京东晓国际技术信息咨询有限公司
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473