美國斯坦福大學(xué)的研究人員已經(jīng)證明，可以直接在光學(xué)芯片上訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)。這一重大突破表明，光學(xué)電路可以實(shí)現(xiàn)基于電子的人工神經(jīng)網(wǎng)絡(luò)的關(guān)鍵功能，進(jìn)而可以以更便宜、更快速和更節(jié)能的方式執(zhí)行語音識別、圖像識別等復(fù)雜任務(wù)。
2018-07-30 08:48:49
6741 前文《卷積神經(jīng)網(wǎng)絡(luò)簡介：什么是機(jī)器學(xué)習(xí)？》中，我們比較了在微控制器中運(yùn)行經(jīng)典線性規(guī)劃程序與運(yùn)行CNN的區(qū)別，并展示了CNN的優(yōu)勢。我們還探討了CIFAR網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以對圖像中的貓、房子或自行車等對象進(jìn)行分類，還可以執(zhí)行簡單的語音識別。本文重點(diǎn)解釋如何訓(xùn)練這些神經(jīng)網(wǎng)絡(luò)以解決實(shí)際問題。
2023-09-05 10:19:43865 
神經(jīng)網(wǎng)絡(luò)的發(fā)展可以追溯到二戰(zhàn)時期，那時候先輩們正想著如何用人類的方式去存儲和處理信息，于是他們開始構(gòu)建計算系統(tǒng)。由于當(dāng)時計算機(jī)機(jī)器和技術(shù)的發(fā)展限制，這一技術(shù)并沒有得到廣泛的關(guān)注和應(yīng)用。幾十年來
2018-06-05 10:11:50
第1章 概述 1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展 1.2 生物神經(jīng)元 1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成 第2章人工神經(jīng)網(wǎng)絡(luò)基本模型 2.1 MP模型 2.2 感知器模型 2.3 自適應(yīng)線性
2012-03-20 11:32:43
使用最為有利的系統(tǒng)。訓(xùn)練往往在線下通過基于 CPU 的系統(tǒng)、圖形處理器 (GPU) 或現(xiàn)場可編程門陣列 (FPGA) 來完成。由于計算功能強(qiáng)大且設(shè)計人員對其很熟悉，這些是用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的最為理想
2017-12-21 17:11:34
神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識程序
2018-01-04 13:29:33
完畢（根據(jù)深度學(xué)習(xí)框架的要求轉(zhuǎn)換成對應(yīng)格式）、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)準(zhǔn)備完畢（以文本形式按照某種語法描述），神經(jīng)網(wǎng)絡(luò)算法的訓(xùn)練過程幾乎是自動的（約等于執(zhí)行某個訓(xùn)練命令）。算法開發(fā)人員需要根據(jù)訓(xùn)練過程中所反映出
2020-05-18 17:13:24
遞歸網(wǎng)絡(luò)newelm 創(chuàng)建一Elman遞歸網(wǎng)絡(luò)2. 網(wǎng)絡(luò)應(yīng)用函數(shù)sim 仿真一個神經(jīng)網(wǎng)絡(luò)init 初始化一個神經(jīng)網(wǎng)絡(luò)adapt 神經(jīng)網(wǎng)絡(luò)的自適應(yīng)化train 訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)3. 權(quán)函數(shù)dotprod
2009-09-22 16:10:08
Processing Engine(NPE) SDK主要是幫助開發(fā)者在驍龍移動平臺的Caffe/Caffe2或TensorFlow上運(yùn)行一個或者幾個被訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)模型.幫助開發(fā)者節(jié)省時間并且優(yōu)化在驍龍設(shè)備上
2018-09-27 09:58:39
桌面前端包括供開發(fā)人員從經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)驗證和生成優(yōu)化的STM32 AI庫的資源?，F(xiàn)在，該工具的在線版本 STM32Cube.AI 開發(fā)人員云對此進(jìn)行了補(bǔ)充，提供了一系列行業(yè)首創(chuàng)：? 在線界面，為
2023-02-02 09:52:43
STM32L1 和 STM32L0 可以用于 AI 開發(fā)（運(yùn)行神經(jīng)網(wǎng)絡(luò)推理）嗎？我希望將這些芯片與 X-CUBE-AI 一起使用。然而，當(dāng)我閱讀用戶手冊時，這些芯片被排除在微控制器列表之外。為什么會這樣？
2022-12-28 08:21:26
請問：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷，在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包（MLT），但是里面沒有關(guān)于這部分VI的幫助文檔，對于”BP神經(jīng)網(wǎng)絡(luò)分類“這個范例有很多不懂的地方，比如
2017-02-22 16:08:08
習(xí)神經(jīng)神經(jīng)網(wǎng)絡(luò)，對于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)是如何一直沒有具體實(shí)現(xiàn)一下：現(xiàn)看到一個簡單的神經(jīng)網(wǎng)絡(luò)模型用于訓(xùn)練的輸入數(shù)據(jù):對應(yīng)的輸出數(shù)據(jù):我們這里設(shè)置：1：節(jié)點(diǎn)個數(shù)設(shè)置：輸入層、隱層、輸出層的節(jié)點(diǎn)
2021-08-18 07:25:21
《 AI加速器架構(gòu)設(shè)計與實(shí)現(xiàn)》+第一章卷積神經(jīng)網(wǎng)絡(luò)觀感
? ?在本書的引言中也提到“一圖勝千言”，讀完第一章節(jié)后，對其進(jìn)行了一些歸納（如圖1），第一章對常見的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了介紹，舉例了一些結(jié)構(gòu)
2023-09-11 20:34:01
`本篇主要介紹：人工神經(jīng)網(wǎng)絡(luò)的起源、簡單神經(jīng)網(wǎng)絡(luò)模型、更多神經(jīng)網(wǎng)絡(luò)模型、機(jī)器學(xué)習(xí)的步驟：訓(xùn)練與預(yù)測、訓(xùn)練的兩階段：正向推演與反向傳播、以TensorFlow + Excel表達(dá)訓(xùn)練流程以及AI普及化教育之路。`
2020-11-05 17:48:39
的神經(jīng)網(wǎng)絡(luò)編程，想基于此開發(fā)板，進(jìn)行神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，訓(xùn)練和測試神經(jīng)網(wǎng)絡(luò)。項目計劃：1.基于官方的文檔及資料，熟悉此開發(fā)板。2.測試官方demo，學(xué)習(xí)ARM內(nèi)核和FPGA如何協(xié)調(diào)工作。3.基于自己最近
2019-01-09 14:48:59
項目名稱：基于PYNQ的神經(jīng)網(wǎng)絡(luò)自動駕駛小車試用計劃：一、本人技術(shù)背景本人有四年以上的嵌入式開發(fā)和三年以上的機(jī)器視覺領(lǐng)域項目實(shí)踐經(jīng)驗，在計算機(jī)視覺與FPGA數(shù)字圖像處理方面有較多的理論研究與項目實(shí)踐
2018-12-19 11:36:24
，得到訓(xùn)練參數(shù)2、利用開發(fā)板arm與FPGA聯(lián)合的特性，在arm端實(shí)現(xiàn)圖像預(yù)處理已經(jīng)卷積核神經(jīng)網(wǎng)絡(luò)的池化、激活函數(shù)和全連接，在FPGA端實(shí)現(xiàn)卷積運(yùn)算3、對整個系統(tǒng)進(jìn)行調(diào)試。4、在基本實(shí)現(xiàn)系統(tǒng)的基礎(chǔ)上
2018-12-19 11:37:22
前言前面我們通過notebook，完成了在PYNQ-Z2開發(fā)板上編寫并運(yùn)行python程序。我們的最終目的是基于神經(jīng)網(wǎng)絡(luò)，完成手寫的數(shù)字識別。在這之前，有必要講一下神經(jīng)網(wǎng)絡(luò)的基本概念和工作原理。何為
2019-03-03 22:10:19
板?？梢钥吹轿募斜碇卸嗔艘粋€我們剛剛克隆的項目。如下圖： 圖3神經(jīng)網(wǎng)絡(luò)源碼分析在運(yùn)行代碼之前，我們先來了解一下神經(jīng)網(wǎng)絡(luò)代碼的構(gòu)成。代碼至少包含三個函數(shù)。初始化函數(shù)--設(shè)定輸入層節(jié)點(diǎn)、隱藏層 節(jié)點(diǎn)和輸出層
2019-03-18 21:51:33
，訓(xùn)練并測試神經(jīng)網(wǎng)絡(luò)；5. 軟硬件聯(lián)合調(diào)試。 準(zhǔn)備好手邊的開發(fā)板和開發(fā)環(huán)境，從下一篇帖子開始，跟我動手制作一輛屬于自己的自動駕駛小車吧！`
2019-03-02 23:10:52
元，它決定了該輸入向量在地位空間中的位置。SOM神經(jīng)網(wǎng)絡(luò)訓(xùn)練的目的就是為每個輸出層神經(jīng)元找到合適的權(quán)向量，以達(dá)到保持拓?fù)浣Y(jié)構(gòu)的目的。SOM的訓(xùn)練過程其實(shí)很簡單，就是接收到一個訓(xùn)練樣本后，每個輸出層神經(jīng)
2019-07-21 04:30:00
傳播的，不會回流），區(qū)別于循環(huán)神經(jīng)網(wǎng)絡(luò)RNN。BP算法（Back Propagation）：誤差反向傳播算法，用于更新網(wǎng)絡(luò)中的權(quán)重。BP神經(jīng)網(wǎng)絡(luò)思想：表面上：1. 數(shù)據(jù)信息的前向傳播，從輸入層到隱含層
2019-07-21 04:00:00
成為了非常重要的問題。 基于以上問題，本文提出了一種基于高效采樣算法的時序圖神經(jīng)網(wǎng)絡(luò)系統(tǒng) 。首先我們介紹用于時序圖神經(jīng)網(wǎng)絡(luò)采樣的高效采樣方法。采樣常常被用于深度學(xué)習(xí)中以降低模型的訓(xùn)練時間。然而現(xiàn)有的采樣
2022-09-28 10:34:13
人工神經(jīng)網(wǎng)絡(luò)是根據(jù)人的認(rèn)識過程而開發(fā)出的一種算法。假如我們現(xiàn)在只有一些輸入和相應(yīng)的輸出，而對如何由輸入得到輸出的機(jī)理并不清楚，那么我們可以把輸入與輸出之間的未知過程看成是一個“網(wǎng)絡(luò)”，通過不斷地給
2008-06-19 14:40:42
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實(shí)際問題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？
2019-08-01 08:06:21
的基本處理單元，它是神經(jīng)網(wǎng)絡(luò)的設(shè)計基礎(chǔ)。神經(jīng)元是以生物的神經(jīng)系統(tǒng)的神經(jīng)細(xì)胞為基礎(chǔ)的生物模型。在人們對生物神經(jīng)系統(tǒng)進(jìn)行研究，以探討人工智能的機(jī)制時，把神經(jīng)元數(shù)學(xué)化，從而產(chǎn)生了神經(jīng)元數(shù)學(xué)模型。因此，要了解人工神經(jīng)模型就必須先了解生物神經(jīng)元模型。`
2018-10-23 16:16:02
”，可以為細(xì)胞提供與實(shí)際人類大腦相似的交互環(huán)境，研究人員可以在這些環(huán)境中更清晰地觀察大腦的發(fā)育和功能，研究相關(guān)大腦疾病的療法，并對有應(yīng)用前景的新藥物進(jìn)行測試。髓鞘是一種覆蓋在神經(jīng)纖維上的結(jié)構(gòu)，可以幫助神經(jīng)
2018-08-21 09:26:52
簡單理解LSTM神經(jīng)網(wǎng)絡(luò)
2021-01-28 07:16:57
(Residual Neural Network)由微軟亞洲研究院的Kaiming He等提出，通過使用Residual Unit成功訓(xùn)練152層深的神經(jīng)網(wǎng)絡(luò)，在ILSVRC2015比賽中獲得了冠軍
2018-05-08 15:57:47
優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法有哪些？
2022-09-06 09:52:36
全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別
2019-06-06 14:21:42
請問用matlab編程進(jìn)行BP神經(jīng)網(wǎng)絡(luò)預(yù)測時，訓(xùn)練結(jié)果很多都是合適的，但如何確定最合適的？且如何用最合適的BP模型進(jìn)行外推預(yù)測？
2014-02-08 14:23:06
速度增長，需要新的硬件和軟件創(chuàng)新來繼續(xù)平衡內(nèi)存，計算效率和帶寬。神經(jīng)網(wǎng)絡(luò) (NN) 的訓(xùn)練對于 AI 能力的持續(xù)提升至關(guān)重要，今天標(biāo)志著這一演變的激動人心的一步，Arm、英特爾和 NVIDIA 聯(lián)合
2022-09-15 15:15:46
卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會在意它呢? 對于這些非常中肯的問題，我們似乎可以給出相對簡明的答案。
2019-07-17 07:21:50
network，DBN）[24]， 從此拉開了深度學(xué)習(xí)大幕。隨著深度學(xué)習(xí)理論的研究和發(fā)展，研究人員提 出了一系列卷積神經(jīng)網(wǎng)絡(luò)模型。為了比較不同模型 的質(zhì)量，收集并整理了文獻(xiàn)中模型在分類任務(wù)上的 識別率，如圖 1
2022-08-02 10:39:39
卷積神經(jīng)網(wǎng)絡(luò)的層級結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)的常用框架
2020-12-29 06:16:44
模型。第 3 部分將研究使用專用 AI 微控制器測試模型的特定用例。什么是卷積神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)是系統(tǒng)或神經(jīng)元結(jié)構(gòu)，使人工智能能夠更好地理解數(shù)據(jù)，使其能夠解決復(fù)雜的問題。雖然有許多網(wǎng)絡(luò)類型，但本系
2023-02-23 20:11:10
二十多種不同的神經(jīng)網(wǎng)絡(luò)計算，各種復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)。它幾乎不依賴硬件平臺，同時能在各種32bit 和64bit的平臺上編譯運(yùn)行。它提供一鍵轉(zhuǎn)換腳本，可以一行代碼把剛訓(xùn)練好的Keras模型轉(zhuǎn)換成一個獨(dú)立的C
2019-05-01 19:03:01
上運(yùn)行，有助于最大限度地降低成本，Arm Cortex-M 微控制器經(jīng)常在物聯(lián)網(wǎng)邊緣用于處理其他任務(wù)。但是，要在基于 Cortex-M 的微控制器上部署基于神經(jīng)網(wǎng)絡(luò)的 KWS，我們面臨著以下挑戰(zhàn)：1.
2021-07-26 09:46:37
為提升識別準(zhǔn)確率，采用改進(jìn)神經(jīng)網(wǎng)絡(luò)，通過Mnist數(shù)據(jù)集進(jìn)行訓(xùn)練。整體處理過程分為兩步：圖像預(yù)處理和改進(jìn)神經(jīng)網(wǎng)絡(luò)推理。圖像預(yù)處理主要根據(jù)圖像的特征，將數(shù)據(jù)處理成規(guī)范的格式，而改進(jìn)神經(jīng)網(wǎng)絡(luò)推理主要用于輸出結(jié)果。 整個過程分為兩個步驟：圖像預(yù)處理和神經(jīng)網(wǎng)絡(luò)推理。需要提前安裝Tengine框架，
2021-12-23 08:07:33
最近一個月的時間沒有更博，跟隨老師出差談項目了。前段時間學(xué)習(xí)了電機(jī)的智能控制，這次把設(shè)計好的基于BP神經(jīng)網(wǎng)絡(luò)PID控制器應(yīng)用于雙閉環(huán)直流調(diào)速系統(tǒng)。雙閉環(huán)直流調(diào)速系統(tǒng)的動態(tài)數(shù)學(xué)模型如下圖所示： 外環(huán)為
2021-06-28 12:03:44
最近在學(xué)習(xí)電機(jī)的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達(dá)能力，可以通過對系統(tǒng)性能的學(xué)習(xí)來實(shí)現(xiàn)具有最佳組合的PID控制。利用BP
2021-09-07 07:43:47
得出得神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)誤差曲線和數(shù)字識別結(jié)果如圖1 所示?！ ”疚膶? ~ 9 共10 類數(shù)據(jù)中的每類取20 個做測試樣本，共200 個測試樣本對系統(tǒng)進(jìn)行性能測試。測試結(jié)果如表1 所列。由表1 中的數(shù)據(jù)
2018-11-13 16:04:45
FPGA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問題分析基于FPGA的ANN實(shí)現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評估及局限性
2021-04-30 06:58:13
基于光學(xué)芯片的神經(jīng)網(wǎng)絡(luò)訓(xùn)練解析，不看肯定后悔
2021-06-21 06:33:55
作者：Nagesh Gupta 創(chuàng)始人兼 CEOAuviz Systems Nagesh@auvizsystems.com憑借出色的性能和功耗指標(biāo)，賽靈思 FPGA 成為設(shè)計人員構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)
2019-06-19 07:24:41
如何用stm32cube.ai簡化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？
2021-10-11 08:05:42
已經(jīng)有很多關(guān)于將人工智能用于日益智能的車輛的文章。但是，您如何將在服務(wù)器群上開發(fā)的神經(jīng)網(wǎng)絡(luò) (NN) 壓縮到量產(chǎn)汽車中資源受限的嵌入式硬件中呢?本文探討了我們應(yīng)該如何授權(quán)汽車生產(chǎn) AI 研發(fā)工程師在
2021-12-23 06:30:50
原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測的計算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測
2021-07-12 08:02:11
訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)并移植到Lattice FPGA上，通常需要開發(fā)人員既要懂軟件又要懂?dāng)?shù)字電路設(shè)計，是個不容易的事。好在FPGA廠商為我們提供了許多工具和IP，我們可以在這些工具和IP的基礎(chǔ)上做
2020-11-26 07:46:03
神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點(diǎn)之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)
2019-08-08 06:11:30
現(xiàn)有的圖數(shù)據(jù)規(guī)模極大，導(dǎo)致時序圖神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要格外長的時間，因此使用多GPU進(jìn)行訓(xùn)練變得成為尤為重要，如何有效地將多GPU用于時序圖神經(jīng)網(wǎng)絡(luò)訓(xùn)練成為一個非常重要的研究議題。本文提供了兩種方式來
2022-09-28 10:37:20
作者：李云紅0 引言自20世紀(jì)70年代以來，模擬電路故障診斷領(lǐng)域已經(jīng)取得了一定的研究成果，近年來，基于神經(jīng)網(wǎng)絡(luò)技術(shù)的現(xiàn)代模擬電路軟故障診斷方法已成為新的研究熱點(diǎn)，神經(jīng)網(wǎng)絡(luò)的泛化能力和非線性映射能力
2019-07-05 08:06:02
人工神經(jīng)網(wǎng)絡(luò)在AI中具有舉足輕重的地位，除了找到最好的神經(jīng)網(wǎng)絡(luò)模型和訓(xùn)練數(shù)據(jù)集之外，人工神經(jīng)網(wǎng)絡(luò)的另一個挑戰(zhàn)是如何在嵌入式設(shè)備上實(shí)現(xiàn)它，同時優(yōu)化性能和功率效率。 使用云計算并不總是一個選項，尤其是當(dāng)
2021-11-09 08:06:27
當(dāng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)用于應(yīng)用的時候，權(quán)值是不是不能變了？？？？就是已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)是不是相當(dāng)于得到一個公式了，權(quán)值不能變了
2016-10-24 21:55:22
招聘自動化、電氣自動化、自動化控制工程師，掛證，不坐班，要求持有相關(guān)專業(yè)的中級職稱證，用于我司資質(zhì)申報工作上，湊資質(zhì)人員申報資質(zhì)，不存在風(fēng)險。聯(lián)系電話***，Q1580479594李經(jīng)理
2015-10-24 18:06:31
求一個基于BP神經(jīng)網(wǎng)絡(luò)PID控制器應(yīng)用于雙閉環(huán)直流調(diào)速系統(tǒng)BP_PID控制器學(xué)習(xí)參數(shù)怎么設(shè)置？
2021-10-13 08:10:12
的研究具有重要意義.模糊神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)相結(jié)合的新型網(wǎng)絡(luò)結(jié)構(gòu)，把它應(yīng)用于語音識別系統(tǒng)，使系統(tǒng)不僅具有非線性、自適應(yīng)性、魯棒性和自學(xué)習(xí)等神經(jīng)網(wǎng)絡(luò)本來的優(yōu)勢，也具有模糊推理和模糊劃分等模糊邏輯全文下載
2010-05-06 09:05:35
我在matlab中訓(xùn)練好了一個神經(jīng)網(wǎng)絡(luò)模型，想在labview中調(diào)用，請問應(yīng)該怎么做呢？或者labview有自己的神經(jīng)網(wǎng)絡(luò)工具包嗎？
2018-07-05 17:32:32
視覺任務(wù)中，并取得了巨大成功。然而，由于存儲空間和功耗的限制，神經(jīng)網(wǎng)絡(luò)模型在嵌入式設(shè)備上的存儲與計算仍然是一個巨大的挑戰(zhàn)。前面幾篇介紹了如何在嵌入式AI芯片上部署神經(jīng)網(wǎng)絡(luò)：【嵌入式AI開發(fā)】篇五|實(shí)戰(zhàn)篇一：STM32cubeIDE上部署神經(jīng)網(wǎng)絡(luò)之pytorch搭建指紋識別模型.onnx...
2021-12-14 07:35:25
隱藏技術(shù): 一種基于前沿神經(jīng)網(wǎng)絡(luò)理論的新型人工智能處理器 Copy東京理工大學(xué)的研究人員開發(fā)了一種名為“ Hiddenite”的新型加速器芯片，該芯片可以在計算稀疏“隱藏神經(jīng)網(wǎng)絡(luò)”時達(dá)到最高的精度
2022-03-17 19:15:13
處理單元（NPU）IP在內(nèi)部開發(fā)，是一種超低功耗處理器，能夠支持卷積神經(jīng)網(wǎng)絡(luò)（CNN）以及其他架構(gòu)，包括遞歸神經(jīng)網(wǎng)絡(luò)（RNN）和長期短期支持內(nèi)存（LSTM）網(wǎng)絡(luò)。它是為邊緣優(yōu)化的神經(jīng)網(wǎng)絡(luò)（如Hello
2021-03-03 10:49:59
功能，旨在允許在設(shè)備上運(yùn)行受過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，而無需連接到云端。 Qualcomm?Snapdragon?神經(jīng)處理引擎（NPE）SDK旨在幫助開發(fā)人員在Snapdragon移動平臺上運(yùn)行Caffe
2018-09-27 16:53:56
給出了神經(jīng)網(wǎng)絡(luò)魯棒性的概念" 基于系統(tǒng)辨識的BP網(wǎng)絡(luò)RBF網(wǎng)絡(luò)和ELMAN 網(wǎng)絡(luò)的魯棒性問題進(jìn)行了分析和研究$ 仿真結(jié)果表明" 神經(jīng)網(wǎng)絡(luò)用于非線性系統(tǒng)辨識有其廣闊的前景$
2010-07-22 16:20:04
7 基于小波神經(jīng)網(wǎng)絡(luò)的信息系綜合評價系統(tǒng)的訓(xùn)練算法
為了對基于小波神經(jīng)網(wǎng)絡(luò)的信息系統(tǒng)綜合評價系統(tǒng)進(jìn)行訓(xùn)練，必須確定網(wǎng)絡(luò)參數(shù)Wk ，bk
2009-02-27 09:36:12665 
微軟研究人員在深度神經(jīng)網(wǎng)絡(luò)（deep neural network）上取得突破，
使其在性能上能趕上目前最先進(jìn)的語音識別技術(shù)。
2016-08-17 11:54:0647 神經(jīng)網(wǎng)絡(luò)模型的每一類學(xué)習(xí)過程通常被歸納為一種訓(xùn)練算法。訓(xùn)練的算法有很多，它們的特點(diǎn)和性能各不相同。問題的抽象人們把神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程轉(zhuǎn)化為求損失函數(shù)f的最小值問題。一般來說，損失函數(shù)包括誤差項和正則
2017-11-16 15:30:5412889 為提高大樣本集情況下BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效率，提出了一種基于局部收斂權(quán)陣進(jìn)化的BP神經(jīng)網(wǎng)絡(luò)MapReduce訓(xùn)練方法，以各Map任務(wù)基于其輸入數(shù)據(jù)分片訓(xùn)練產(chǎn)生的局部收斂權(quán)陣作為初始種群，在Reduce
2017-11-23 15:07:4012 傳統(tǒng)的梯度下降方法進(jìn)行訓(xùn)練，經(jīng)過訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)能夠?qū)W習(xí)到圖像中的特征，并且完成對圖像特征的提取和分類。作為神經(jīng)網(wǎng)絡(luò)領(lǐng)域的一個重要研究分支，卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn)在于其每一層的特征都由上一層的局部區(qū)域通過共享權(quán)值的卷積核激勵得到。這一特點(diǎn)使得卷積神
2017-12-12 11:45:310 近期，麻省理工學(xué)院的研究人員開發(fā)了一種專用芯片，將神經(jīng)網(wǎng)絡(luò)計算的速度提高了 3 倍至 7 倍，同時將功耗降低了 95％。這將會使在智能手機(jī)上運(yùn)行神經(jīng)網(wǎng)絡(luò)變得切實(shí)可行。
2018-03-06 10:22:073182 算法進(jìn)行訓(xùn)練。值得指出的是，BP算法不僅可用于多層前饋神經(jīng)網(wǎng)絡(luò)，還可以用于其他類型的神經(jīng)網(wǎng)絡(luò)，例如訓(xùn)練遞歸神經(jīng)網(wǎng)絡(luò)。但我們通常說 “BP 網(wǎng)絡(luò)” 時，一般是指用 BP 算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)。
2018-06-19 15:17:1542819 
在GPU上運(yùn)行的神經(jīng)網(wǎng)絡(luò)已經(jīng)在人工智能領(lǐng)域取得了一些驚人的進(jìn)步，但這兩者的合作還并不完美。IBM的研究人員希望能設(shè)計出一種專門用于運(yùn)行神經(jīng)網(wǎng)絡(luò)的新的芯片，從而提供更快、更有效的替代方案。
2018-06-29 13:59:593064 谷歌研究人員使用了一種邊緣檢測算法，該算法可以識別神經(jīng)突（神經(jīng)元本體的分支）的邊界，以及一種復(fù)發(fā)性卷積神經(jīng)網(wǎng)絡(luò)（復(fù)發(fā)性神經(jīng)網(wǎng)絡(luò)的一個子類），該神經(jīng)網(wǎng)絡(luò)將神經(jīng)元掃描中的像素聚集起來并突出顯示出來。
2018-07-20 09:45:422167 谷歌公司和德國馬普學(xué)會的研究人員聯(lián)合開發(fā)出了一種回歸神經(jīng)網(wǎng)絡(luò)，能夠描繪出人類大腦的神經(jīng)元圖譜。
2018-08-05 11:21:033700 艾倫人工智能研究所和華盛頓大學(xué)的研究人員正在使用可以根據(jù)上下文來確定英文單詞含義的神經(jīng)網(wǎng)絡(luò)。
2018-09-12 15:52:142014 研究人員的語音過濾系統(tǒng)分為兩部分，包括LSTM模型和卷積神經(jīng)網(wǎng)絡(luò)(只有一個LSTM層)。第一個采用預(yù)處理的語音采樣和輸出揚(yáng)聲器嵌入（即矢量形式的聲音表示）作為輸入，而后者預(yù)測來自嵌入的軟掩模或濾波器
2018-10-18 10:39:564724 IBM的研究人員聲稱，他們已開發(fā)出一個更加高效的模型用于處理神經(jīng)網(wǎng)絡(luò)，該模型只需使用8位浮點(diǎn)精度進(jìn)行訓(xùn)練，推理（inferencing）時更是僅需4位浮點(diǎn)精度。該研究的成果已于2018年12月初
2018-12-25 15:57:161432 在訓(xùn)練完他們的神經(jīng)網(wǎng)絡(luò)之后，研究人員在一個模擬環(huán)境中測試了這套神經(jīng)網(wǎng)絡(luò)，然后把它集成到一輛真正的汽車上，在一個具有挑戰(zhàn)性的測試軌道上評估它的性能。他們發(fā)現(xiàn)他們的系統(tǒng)能有效地應(yīng)對復(fù)雜的情況，在必要時控制汽車的速度(例如在交通錐和急轉(zhuǎn)彎時減速，在障礙物前停車，接近警告標(biāo)志時等等)。
2019-01-21 16:29:093305 谷歌大腦研究人員通過精簡神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在前幾代中發(fā)現(xiàn)了最小架構(gòu)的神經(jīng)網(wǎng)絡(luò)能夠控制此處所示的雙足機(jī)器人，即使它的得分不高。
2020-02-05 16:55:501055 Habana已經(jīng)開發(fā)了兩款自己的AI芯片，即Habana Gaudi和Habana Goya（如圖）。前者是高度專門化的神經(jīng)網(wǎng)絡(luò)訓(xùn)練芯片，而后者是用于推理的處理器，在主動部署中使用神經(jīng)網(wǎng)絡(luò)。
2020-02-06 15:06:102189 研究人員通過一種特殊的神經(jīng)網(wǎng)絡(luò)模型，它以“基本塊”（計算指令的基本摘要）形式訓(xùn)練標(biāo)記的數(shù)據(jù)，以自動預(yù)測其持續(xù)時間使用給定的芯片執(zhí)行以前看不見的基本塊。結(jié)果表明，這種神經(jīng)網(wǎng)絡(luò)模型的性能要比傳統(tǒng)的手動調(diào)整模型精確得多。
2020-04-15 16:42:451658 許多現(xiàn)代的AI系統(tǒng)都在神經(jīng)網(wǎng)絡(luò)上運(yùn)行，而我們僅了解其基礎(chǔ)知識，因為算法本身很少提供解釋方式。缺乏解釋性通常被稱為AI系統(tǒng)的“黑匣子”。研究人員將注意力集中在神經(jīng)網(wǎng)絡(luò)如何工作的細(xì)節(jié)上
2020-07-14 16:31:561708 研究人員在論文中寫道：“我們設(shè)計了一種新的26層卷積
神經(jīng)網(wǎng)絡(luò)（CNN）架構(gòu)，
用于精確的復(fù)雜動作識別?！?“這些特征是從全局平均池化層和完全連接（FC）層中提取的，并通過建議的基于高熵的方法進(jìn)行融合?！?/div>
2020-09-10 13:48:031830 
設(shè)計出了一種具有重大改進(jìn)的“液態(tài)”神經(jīng)網(wǎng)絡(luò)。其特點(diǎn)是能夠在投入訓(xùn)練階段之后，極大地擴(kuò)展 AI 技術(shù)的靈活性。 通常情況下，研究人員會在訓(xùn)練階段向神經(jīng)網(wǎng)絡(luò)算法提供大量相關(guān)的目標(biāo)數(shù)據(jù)，來磨煉其推理能力。 期間通過對正確的響應(yīng)加以獎勵，以優(yōu)化其性能。然
2021-01-29 10:46:331330 通過對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)缺點(diǎn)的分析，從參數(shù)選取、BP算法、激活函數(shù)、網(wǎng)絡(luò)結(jié)構(gòu)4個方面綜述了其改進(jìn)方法。介紹了各種方法的原理、應(yīng)用背景及其在BP神經(jīng)網(wǎng)絡(luò)中的應(yīng)用，同時分析了各種方法的優(yōu)缺點(diǎn)。指出不斷提高網(wǎng)絡(luò)的訓(xùn)練速度、收斂性和泛化能力仍是今后的研究方向，并展望了BP神經(jīng)網(wǎng)絡(luò)的研究重點(diǎn)。
2021-06-01 11:28:435 卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練步驟? 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）是一種常用的深度學(xué)習(xí)算法，廣泛應(yīng)用于圖像識別、語音識別、自然語言處理等諸多領(lǐng)域。CNN
2023-08-21 16:42:00885 科學(xué)神經(jīng)網(wǎng)絡(luò)模型使用隨機(jī)梯度下降進(jìn)行訓(xùn)練，模型權(quán)重使用反向傳播算法進(jìn)行更新。通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型解決的優(yōu)化問題非常具有挑戰(zhàn)性，盡管這些算法在實(shí)踐中表現(xiàn)出色，但不能保證它們會及時收斂到一個良好的模型
2023-12-30 08:27:54319 
已全部加載完成
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評論