人工智能神经网络
-
STM32Cube.AI是业界最先进的工具包,能够与流行的深度学习库互操作,以转换任何用于 STM32 微控制器的人工神经网络( MCU)运行优化推理。该软件套件包括 X-Cube 扩展软件X-CUBE-AI 、为我们的SensorTile 开发套件 (STEVAL-STLKT01V1)提供应用示例的功能包FP-AI-SENSING1,以及对我们的ST BLE 传感器的更新为功...
-
意法半导体近期发布的 STM32Cube.AI v7.2 带来了对深度量化神经网络的支持功能,从而可以在现有微控制器上运行更准确的机器学习应用软件。STM32Cube.AI 于 2019 年推出,用于把神经网络转换为适合STM32 MCU 的代码。该解决方案依附于 STM32CubeMX,这是一个帮助开发人员初始化STM32芯片的图形界面软件。同时,STM32Cube.A...
-
意法半导体(ST)发布了STM32Cube.AI version 7.2.0,这是微控制器厂商推出的首款支持超高效深度量化神经网络的人工智能(AI)开发工具。 STM32Cube.AI 将预先训练好的神经网络转换成STM32微控制器(MCU)可以运行的C语言代码 ,是充分利用嵌入式产品有限的内存容量和算力开发尖端人工智能解决方案的重要工具,将人工智能从云端下移到边缘...
-
高性能、高能效的 AI 计算提升自动驾驶汽车的检测能力。 对于自动驾驶汽车而言,感知地面情况十分重要。 虽然人类被教导要避免作出太仓促的判断,但自动驾驶汽车必须快速、准确地发现、检测并马上采取行动,以实现安全运行。这项功能需要一个能够全面识别和追踪车辆周围环境的强大感知软件堆栈。 一些来自全球各地的初创企业正在开发这些感知堆栈,通过 NVIDIA DRIVE AGX...
-
客户数量突破50家,用于其100余款人工智能芯片,应用在10个主要市场领域 2021年11月12日,中国上海- 领先的芯片设计平台即服务(Silicon Platform as a Service,SiPaaS®)企业芯原股份 今日宣布其面向人工智能应用的神经网络处理器(Vivante NPU)IP取得了里程碑式的市场成绩:已被50家客户用于其100余款人工智能芯片中。这些...
-
随着AI芯片的计算能力越来越强,以及神经网络模型越来越深,AI处理器在进行训练或推理时,需要读取大量的权值数据用于计算,而大量的数据吞吐,无疑会降低AI芯片的运算能力。 为了降低芯片的功耗和成本,相关人员在神经网络权值存储方面做了深度研究,目前主流的存储方案有高速DDR(双倍速率同步动态随机存储器)结合Cache缓存或者采用超大容量的SRAM(静态随机存取存储器),进一步还有采...
-
Maxim Integrated Products, Inc (NASDAQ: MXIM)宣布推出带有神经网络加速器的MAX78000低功耗微控制器,支持电池供电的嵌入式物联网(IoT)设备在边缘通过快速、低功耗人工智能(AI)推理来制定复杂决策。与软件方案相比,这种快速、低功耗的决策实施使得复杂的AI推理能耗降低到前期方案的百分之一以内,采用AI技术的电池供电系统可大幅延长其...
-
看到“双节”期间中国有 5.5 亿人出行的新闻,我不由得虎躯一震。想到了人会多,但没想到会这么多!看来大家都充满了探索欲,希望在难得的假期去往自己熟悉或未知的地方。 就算你选择了“家里蹲”,也一定会通过网上冲浪、阅读游戏等方式,来探索自己的内心世界。 探索是人类的本能,从婴儿时期开始,好奇心就驱动着我们去探索并理解自己所在的世界, AI 的成长则离不开对人类的观察与模...
-
韩国电子和电信研究院(ETRI)和移动运营商SK Telecom共同开发了基于神经网络处理单元(NPU)的人工智能(AI)芯片。韩国商业报援引科学和信息通讯技术部的话说,该芯片可以应用于数据中心和物联网设备。 ETRI和SK Telecom之前曾为服务器开发了超低功耗AI芯片(AB9)。 ETRI和SK Telecom共同开发的芯片面积为17 mm*23 mm,集成了超...
-
“不愤不启,不悱不发。举一隅不以三隅反,则不复也”。 -- 《论语·述而》 再次将论语中的这句“不愤不启,不悱不发”引用在这里,说明学生的学习的获得部分来自老师,部分来自于自己主动的“愤”“悱”,否则老师无法进行“启发”。 下面是今年参赛同学就 AI 应用与电磁车模的学习心得,无论他说的对与错,都会在交流和实践中得到提高。在这里转载供大家讨论。 AI 机器学习实战の...
-
翻译自——Semiwiki,Bernard Murphy 自定义AI加速走势高涨。在云计算领域,阿里巴巴继亚马逊、谷歌之后,推出了自己的定制加速器。Facebook也参与其中,微软在Graphcore中持有大量股份。英特尔(Intel)和Mobileye在汽车领域拥有强大的边缘人工智能(AI),而无线基础设施开发商正在为5G的小电池和基站增加AI功能。所有这些应用程序都依赖...
-
在模式识别、风险管理和其他类似复杂任务方面,即使是最强大的计算机也无法与人脑匹敌。然而,光学神经网络的最新进展正在通过模拟人类大脑中神经元的反应方式来缩小这一差距。 在实现大规模光学神经网络的关键步骤中,研究人员展示了一种第一个多层全光人工神经网络。一般来说,这种类型的人工智能可以解决传统计算方法无法解决的复杂问题,但目前的设计需要大量的计算资源,既耗时又耗能。因此,...
-
如今,物理学、天文学实验所产生的海量信息是人类团队难以企及的。一些实验每天记录万亿字节的数据,并且不断累积增加。世界最大的射电望远镜项目Square Kilmeter Array预计在2020年开启,它每年产生的数据量将相当于整个互联网的总量。 爆发式的数据让科学家不得不求助AI。在人类输入最少的情况下,AI系统(比如人工神经网络,模仿大脑功能的计算机模拟神经元网络)可以挖...
-
如今,物理学、天文学实验所产生的海量信息是人类团队难以企及的。一些实验每天记录万亿字节的数据,并且不断累积增加。世界最大的射电望远镜项目Square Kilmeter Array预计在2020年开启,它每年产生的数据量将相当于整个互联网的总量。 爆发式的数据让科学家不得不求助AI。在人类输入最少的情况下,AI系统(比如人工神经网络,模仿大脑功能的计算机模拟神经元网络)可以挖掘海...
-
人工智能研究的进展将与硬件创新密切相关。 今天,在2019国际固态电路研讨会(ISSCC)的主旨演讲中,Facebook首席AI科学家Yann LeCun阐述了深度学习研究的进展将如何影响未来的硬件架构。他的论文题为《深度学习硬件:过去、现在和未来》(Deep Learning Hardware: Past, Present, and Future)。 并且,LeCun公开确认...
-
意法半导体借助 STM32系列微控制器 的市场领导地位,扩展了STM32微控制器开发生态系统STM32CubeMX,增加了先进的人工智能(AI)功能。 AI技术使用经过训练的人工神经网络对运动和振动传感器、环境传感器、麦克风和图像传感器的数据信号进行分类,比传统的手工信号处理方法更加快速、高效。 意法半导体微控制器和数字集成电路产品部总裁Claude Dardanne...
-
在人机交互不再满足于“听”时,“说”的环节变得尤为重要,“怎么说”、“谁来说”成了关键按钮。 而目前语音产品赛道逐渐进入了常规化模式,邀请明星出声也成为了基本操作,相比传统的机械式AI声音,真人语音无论是在效果还是情感方面都是无可比拟的,再加上明星效应,用户的体验效果将来得更加直观。 12月24日,百度地图官方宣布汤唯正式签约代言人,同时上线“汤唯导航语音”。在“说”的领域,百...
-
提供0.6至10 TOPS的单核性能及超过160 TOPS的多核可扩展性,以实现前所未有的计算性能和可扩展性等级 Imagination Technologies 宣布推出其面向人工智能(AI)应用的最新神经网络加速器(NNA)架构 PowerVR Series3NX 。基于屡获殊荣的前代产品,新版Series3NX提供了无与伦比的可扩展性,使系统级芯片(SoC)制造商能...
-
日前,在有着103年历史的旧金山艺术宫中,英特尔的新晋科技大会——人工智能开发者大会(简称“AIDC”)如期而至。这一次,英特尔聚焦于拓宽人工智能生态。 在罗马式建筑和科技感的AI场景间之间,英特尔的AI掌舵者Naveen Rao侃侃而谈英特尔的人工智能软硬件组合,而最重磅的信息莫过于Nervana神经网络芯片的发布预告,按照规划,英特尔最新的AI芯片Nervana NNP...
-
5月23日,在有着103年历史的旧金山艺术宫中,英特尔的新晋科技大会——人工智能开发者大会(简称“AIDC”)如期而至。这一次,英特尔聚焦于拓宽人工智能生态。 在罗马式建筑和科技感的AI场景间之间,英特尔的AI掌舵者Naveen Rao侃侃而谈英特尔的人工智能软硬件组合,而最重磅的信息莫过于Nervana神经网络芯片的发布预告,按照规划,英特尔最新的AI芯片Nervan...
-
卷积神经网络(ConvolutionalNeura! Network,CNN)。CNN 可用于图像识别语音识别等场合。...
作者:dirty回复:5
-
卷积神经网络(Convolutional Neural Network, CNN)可用于图像识别、语音识别等场合,在图像识别的比赛中,基于深度学习的方法几乎都以CNN为基础。...
作者:xinmeng_wit回复:1
-
《人工智能实践教程 从Python入门到机器学习》 第五篇阅读分享,也就是本书的第三部分,神经网络 神经网络的定义:神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术...
作者:cc1989summer回复:2
-
本篇主讲神经网络,涉及感知机、激活函数、计算图、CNN等,以笔记与实践形式展开。 感知机是最早的监督式学习算法,是神经网络和支持向量机的基础。...
作者:dirty回复:7
-
神经网络可以用于解决分类问题和回归问题,但需要根据情况改变输出层的激活函数。一般而言,回归问题用恒等函数,分类问题用Softmax函数。...
作者:xinmeng_wit回复:0
-
一、神经网络介绍 神经网络与感知机有很多共同点,同时也有一些差异。...
作者:xinmeng_wit回复:11
-
作为一个AI领域纯纯的小白,想要用Pytorch基于MNIST数据集训练个卷积网络模型,本帖子也作为我的学习log吧,高手们轻点拍。...
作者:爱吃鱼的加菲猫回复:4
-
#AI挑战营第一站#基于Pytorch的NN神经网络识别MNIST数据集 一看就是经常玩机器学习的~...
作者:吾妻思萌回复:1
-
=False) #定义超参数 num_classes = 10 # 0-9数字分类 num_epochs = 20 learning_rate = 0.001 3.定义模型 我们定义了一个卷积神经网络...
作者:xianhangCheng回复:0
-
在了解基本神经网络的配置之后将利用 HLS 平台实现基本的神经网络,网络目前没有进行量化,选择的数据格式为 float ,由于神经网络的 feature map 较大, FPGA 的片上 RAM...
作者:zzx1997回复:1
-
2024即将结束,是否已经升级成集嵌入式与AI于一体的电子工程师了?无论是与不是,EEWorld都欢迎您来参与这场AI挑战之旅。...
作者:nmg回复:0
-
借助恩智浦 应用代码库 (Application Code Hub),开发者可以轻松将恩智浦面向各类应用设计的示例代码部署到硬件平台,体验MCX MCU在实时性能、扩展性、功耗、神经网络加速等方面的表现...
作者:EEWORLD社区回复:0
-
main.c进行修改了,参照nanoEdgeAi给的示例代码,和上一篇的修改差不多,只是我这边用了printf(这玩意儿终于好用了) 以下是整个main.c,我这边是整合了datalogger工程和AI...
作者:不爱胡萝卜的仓鼠回复:2
-
一.nano edge ai studio简介 nano edge ai studio是ST AI套件中的一个,他的作用就是帮助我们快速训练一个AI模型,并且这个软件现在是免费的,...
作者:不爱胡萝卜的仓鼠回复:2
-
图12 转换程序及结果 【K230嵌入式AI开发板测评】+人脸识别与门禁管理篇...
作者:jinglixixi回复:0
-
桌面机器人,作为人工智能领域中一个充满潜力的分支,正逐渐成为我们日常生活中的伙伴。...
作者:胡黎明回复:1
-
学习人工智能开发掌握一些关键的数据结构是很必要的,在开发中数据结构可以直接影响到模型的性能和效率,不仅有助于高效地存储和访问数据,还能为算法的实现打下坚实的基础。...
作者:huaqingyuanjian回复:1
-
我们使用nano edge ai这个软件训练模型时,需要提供样本数据用于训练。在nano edge ai中可以有2中方式上传样本数据:提前准备好的CSV文件、串口实时采集。...
作者:不爱胡萝卜的仓鼠回复:5
-
嘉楠科K230AI开发板 测评7--AI视觉篇 1、AI视觉开发框架 更高级的机器视觉(AI视觉)需要使用KPU。...
作者:dfjs回复:1
-
本项目集成离线语音唤醒+离线语音识别+离线AI大模型+离线TTS文字转语音+自动化控制+天气预测,将树莓派5(2G)性能压榨到极致!...
作者:cpsiot回复:0
-
该课程是正点原子手把手教你学RV1126 AI开发板之准备篇(必看),该课程配套开发板为正点原子RV1126 AI开发板...
课时1:开箱验货 课时2:正点原子ATK-DLRV1126开发板资料介绍 课时3:正点原子ATK-DLRV1126开发板外设资源介绍 课时4:开发环境搭建-虚拟机创建 课时5:开发环境搭建-在虚拟机中安装Ubuntu20 课时6:开发环境搭建-Windows与Ubuntu文件互传 课时7:开发环境搭建-Vscode安装与使用 课时8:开发环境搭建-Vscode远程连接 课时9:开发环境搭建-串口驱动以及终端软件的安装使用 课时10:开发环境搭建-ADB命令的安装与使用 课时11:系统烧写-软件安装与MASKROM模式烧写 课时12:系统烧写-LOADER模式烧写 课时13:系统烧写-固件烧写 课时14:SDK包介绍 课时15:SDK包编译与使用-SDK全编译(必做!) 课时16:SDK包编译与使用-Uboot单独编译与烧写 课时17:SDK包编译与使用-Kernel单独编译与烧写 课时18:SDK包编译与使用-Rootfs单独编译与烧写 课时19:SDK包编译与使用-其他组件的编译与固件打包
显示更多 -
该课程是正点原子2023年全新推出的人工智能与深度学习新系列视频教程!...
课时1:本讲内容介绍 课时2:瞄一瞄SDK编译后的目录 课时3:RV1126文件系统分区 课时4:关于开机自启动(上) 课时5:关于开机自启动(中) 课时6:关于开机自启动(下) 课时7:出厂系统设置静态IP地址(上) 课时8:出厂系统设置静态IP地址(下) 课时9:RKMedia框架及其例程介绍 课时10:测试SDK自带RKMedia例程 课时11:编译SDK自带RKMedia例程 课时12:720P和1080P MIPI屏幕的使用 课时13:IMX415和IMX335摄像头的使用 课时14:本讲内容介绍 课时15:小谈RV1126 AI模型部署流程 课时16:正点原子ATK-DLRV1126开发板AI例程介绍 课时17:正点原子AI例程测试开发环境搭建 课时18:编译正点原子AI例程 课时19:基于RockX的AI例程测试 课时20:基于RKNN的AI例程测试 课时21:二维码识别例程测试 课时22:RockX的使用(上) 课时23:RockX的使用(下) 课时24:编译SDK自带RockX例程 课时25:测试SDK自带RockX例程 课时26:编译和测试SDK自带的RKNN例程(上) 课时27:编译和测试SDK自带的RKNN例程(中) 课时28:编译和测试SDK自带的RKNN例程(下) 课时29:如何更新NPU驱动 课时30:入门嵌入式AI有哪些要求
显示更多 -
人工智能是当今最火热的技术,各大厂家都想做出自己的人工智能产品,但人工智能的入门门槛很高,要想快速的做人工智能产品并不容易,这门课给大家介绍一款开源的机器人语言识别框架,可以让大家快速的实现自己的人工智能产品...
课时1:AI聊天机器人导学 课时2:聊天机器人介绍 课时3:机器人环境搭建 课时4:安装配置机器人 课时5:录制唤醒词 课时6:聊天机器人架构分析 课时7:语音识别详解 课时8:百度语音识别示范 课时9:语音合成详解 课时10:NLP介绍1 课时11:NLP介绍2 课时12:NLP介绍3 课时13:NLP介绍4 课时14:机器人插件介绍 课时15:实现一个自己的插件
显示更多 -
介绍异构计算的基本概念、OpenCL的基本开发方法和人工智能应用实现。...
课时1:异构计算与OpenCL简介 课时2:OpenCL编程基础上 课时3:OpenCL编程基础下 课时4:OpenCL开发环境介绍 课时5:基于OpenCL的FPGA开发流程示范 课时6:基于OpenCL的简易神经网络实现
显示更多 -
人工智能是迅速发展的新兴学科,已经成为许多高新技术产品的核心技术。人工智能模拟人类智能解决问题,几乎在所有领域都有非常广泛的应用。...
课时1:绪论简介 课时2:智能的概念 课时3:智能的特征 课时4:人工智能的定义 课时5:人工智能的发展简史 课时6:人工智能研究的基本内容 课时7:命题逻辑 课时8:谓词 课时9:谓词公式 课时10:谓词公式的性质 课时11:一阶谓词逻辑知识表示法 课时12:一阶谓词逻辑知识表示法特点 课时13:产生式 课时14:产生式系统 课时15:产生式系统的例子 课时16:产生式表示法的特点 课时17:框架表示法 课时18:推理方式及其分类 课时19:归结演绎推理 课时20:谓词公式化为子句集1 课时21:谓词公式化为子句集2 课时22:鲁滨逊归结原理 课时23:归结反演 课时24:应用归结原理求问题 课时25:不确定推理 课时26:可信度方法 课时27:概率分配函数 课时28:信任函数_似然函数 课时29:基于证据理论的推理 课时30:基于证据理论的推理实例 课时31:模糊逻辑提出 课时32:模糊集合 课时33:模糊集合的定义和表示方法 课时34:隶属函数 课时35:模糊关系及其合成 课时36:模糊推理 课时37:模糊决策 课时38:模糊推理应用 课时39:搜索的概念 课时40:状态空间知识表示方法 课时41:启发式图搜索策略—启发式策略 课时42:启发式图搜索策略—启发信息和估价函数 课时43:启发式图搜索策略—A搜索算法 课时44:启发式图搜索策略—A_搜索算法及其特性 课时45:基本遗传算法 课时46:编码 课时47:适应度函数的尺度变换 课时48:选择 课时49:交叉、变异 课时50:遗传算法的一般步骤 课时51:遗传算法的特点 课时52:蚁群算法基本思想 课时53:基本蚁群算法模型 课时54:蚁群算法参数选择 课时55:蚁群算法的应用 课时56:专家系统的基本概念 课时57:专家系统的特点 课时58:专家系统的工作原理 课时59:知识获取的主要过程与模式 课时60:专家系统的建立 课时61:专家系统的实例 课时62:专家系统的开发工具 课时63:机器学习 课时64:学习系统的基本组成 课时65:机器学习的分类 课时66:人工神经网络 课时67:神经元的数学模型 课时68:神经网络的结构与工作方式 课时69:BP神经网络的结构 课时70:BP学习算法两个问题 课时71:BP学习算法基本思想 课时72:BP学习算法学习算法 课时73:BP学习算法的实现 课时74:BP神经网络在模式识别中的应用 课时75:离散型Hopfield神经网络模型 课时76:离散型Hopfield神经网络工作方式和工作过程 课时77:离散型Hopfield神经网络网络的稳定性 课时78:连续型Hopfield神经网络 课时79:Hopfield神经网络在联想记忆中的应用 课时80:Hopfield神经网络优化方法
显示更多 -
这5个DEMO有没有很精彩?更厉害的是,看完还能参与答题赢好礼,还不快来? 点击这里...
课时1:NXP S32V ADAS 方案 课时2:NXP BMS 应用方案 课时3:NXP MK64 大树云 BTC 方案 课时4:NXP LPC55S69 Audio 应用方案 课时5:NXP PEPS 应用方案
显示更多 -
现代电梯系统致力于减少乘客等待时间并提高整个建筑物内人员的移动效率。将电梯送到空楼会增加乘客等待时间并浪费能源。依赖于简单动作感应的系统无法区分等待电梯的一个或多个人。单独计算等待电梯的人数的能力可以实现更有效的电梯调度,从而改善乘客体验以及更低的能量使用和运营成本。 在本次会议中,我将讨论...
-
本研讨会邀请到赛灵思和安富利的市场和技术专家给大家详细讲述“全可编程FPGA”在上述新兴市场的解决方案和成功案例,帮助设计者快速开发产品并尽快面市。 直播日程 1. 赛灵思FPGA在 ADAS/AD 的技术方案 2. 安富利视觉方案介绍...
课时1:ADAS / AD 课时2:SDSOC HLS 课时3:Avnet video platform solution
-
主要内容:人工智能的定义,树搜索算法,无信息搜索策略,启发式搜索策略,约束满足问题求解,博弈算法,贝叶斯网络,隐马尔可夫模型,卡尔曼滤波器。...
课时2:人工智能概念 课时3:什么是理性智能体 课时5:问题求解智能体 课时6:问题形式化 课时7:树搜索算法 课时8:树搜索算法的实现 课时9:搜索策略 课时10:宽度优先搜索 课时11:一致代价搜索 课时12:深度优先搜索 课时13:有限深度搜索 课时14:迭代深入搜索 课时15:迭代深入深度搜索性能分析 课时16:无信息搜索策略小结 课时18:贪婪搜索算法 课时19:星搜索算法 课时20:星搜索算法的最优性 课时21:可采纳的启发式函数 课时22:爬山搜索算法 课时23:模拟退火搜索算法 课时24:遗传算法 课时26:什么是约束满足问题 课时27:约束满足问题的标准搜索形式化 课时28:回溯搜索算法 课时29:回溯搜索的变量赋值顺序策略 课时30:回溯搜索的前向检查及约束传播 课时31:AC-3弧相容算法 课时32:约束满足问题的局部搜索方法 课时34:博弈及极小极大值概念 课时35:极小极大值决策算法 课时36:剪枝的概念 课时37:alpha-beta算法 课时38:alpha-beta剪枝示例 课时39:不完美的实时决策 课时41:不确定性量化 课时42:使用完全联合分布进行推理 课时43:贝叶斯规则及其应用 课时44:贝叶斯网络推理 课时45:隐马尔可夫模型 课时46:卡尔曼滤波器
显示更多 -
那么让这些AI 有一双听得清听得远的耳朵是多么的重要,运用TI DSP 的语音前端处理技术在实时会议系统,和非实时的智能音响,智能家电,智能汽车的应用。...
课时1:TI 甘为 AI 大脑的顺风耳.P1 课时2:TI 甘为 AI 大脑的顺风耳.P2 课时3:TI 甘为 AI 大脑的顺风耳.P3
-
深圳青橙视界数字科技有限公司研发的增强现实智能眼镜人工智能系统在航空发动机维修中的应用...