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 > 機器學習
機器學習（Machine Learning， ML）是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。
文章：5612個 瀏覽：137356次 帖子：307個
制造業(yè)的全面智能化發(fā)展對工業(yè)產品的質量檢測提出了新的要求。本文總結了機器學習方法在表面缺陷檢測中的研究現狀，表面缺陷檢測是工業(yè)產品質量檢測的關鍵部分。首...
對于缺失值是任何一個數據集都不可避免的，在數據統計過程中可能是無意的信息被遺漏，比如由于工作人員的疏忽，忘記而缺失；或者由于數據采集器等故障等原因造成的...
引線鍵合看似舊技術，但它仍然是廣泛應用的首選鍵合方法。這在汽車、工業(yè)和許多消費類應用中尤為明顯，在這些應用中，大多數芯片都不是以最先進的工藝技術開發(fā)的，...
Harry在找到這個項目之后，點擊右上角的「fork」按鈕。稍等片刻后，就會在Harry的賬號下克隆了一個一樣的項目githubTest，包括文件、提交...
艾為推出筆記本電腦音效解決方案—國民神仙算法awinicSKTune
隨著社會的進步與科技的飛躍，筆記本電腦作為現代社會辦公、學術研究及休閑娛樂的核心工具，其重要性與日俱增，這一趨勢促使筆記本技術不斷向輕量化、高性能、持久...
訓練一個分類器： 這步可以說是很核心的一步，分類器的效果好壞決定了我們最終應用的效果，深度學習之所以效果要超過傳統的機器學習在部分領域上比如計算機視覺，...
關鍵字提取，有時又稱之為關鍵字檢測或關鍵字分析，這是一種文本分析的 NLP 技術。這種技術的主要目的是自動地從文本的正文中提取出現頻率最高的單詞與詞組。...
本文主要介紹原問題（PRIME PROBLEM）和對偶問題（DUAL PROBLEM），支持向量機優(yōu)化問題可通過原問題向對偶問題的轉化求解。
在大多數機器學習任務中，我們首先要做的（也是最重要的任務）就是在使用算法之前分析數據集。這一步驟之所以重要，是因為它能夠讓我們對數據集的復雜度有深入的了...
隨著邊緣機器學習 （ML） 應用的不斷發(fā)展，EE 需要了解邊緣的 ML，尤其是在處理和處理硬件方面。 隨著邊緣的日益擴散 機器學習 技術上，工程師有必要...
開始機器學習之旅，需要什么層次的數學功底？ 尤其是對于那些沒有學過數學和統計學的同學們來說，這個問題當前不甚清楚，在這篇文章中，我將要為那些使用機器學習...
2019-02-02 標簽：機器學習 2.6k 0
基于現在這些深度學習庫，讓模型變得復雜很容易，加上更多的組件、網絡層和優(yōu)化技巧。然而，當你改動代碼或模型時，你至少應該在直覺上理解改動為何有幫助。同理，...
Amazon EC2 F1實例上的機器學習演示展示了超過10,000張圖像/秒。 這說明了與x86解決方案相比，FPGA池如何產生高性能，低功耗的解決方案。
機器學習（ML）應用已經在汽車、醫(yī)療保健、金融和技術等各個領域變得無處不在。這導致對高性能、高能效 ML 硬件解決方案的需求不斷增加。
? Satoshi Owada? ?? AI業(yè)務開發(fā)高級主管工程師 近年來，各種類型和型號的真空吸塵器都實現了各種新功能。一個關鍵功能是地板類型檢測，它...
嗅覺系統中的神經元是對整個接收區(qū)域隨機采樣，并非針對某一特定區(qū)域。在類似視覺皮層的映射系統中，神經元所在的位置解釋了它所攜帶的信息。但是在嗅覺皮層中卻不...
深度學習這一想法本身并不新穎，早在1959年就被討論過。當時受限于算法、硬件水平及數據量的限制，沒有得到很好的發(fā)展。近60年，隨著硬件水平的不斷提升，數...
隨著人工智能技術的突飛猛進，AI工程師成為了眾多求職者夢寐以求的職業(yè)。想要拿下這份工作，面試的時候得展示出你不僅技術過硬，還得能解決問題。所以，提前準備...
來自埃默里大學的一項研究從狗的大腦中解碼了視覺圖像，首次揭示了狗的大腦如何重建它所看到的東西。這項研究發(fā)表在《可視化實驗期刊》上。
換一批
編輯推薦廠商產品技術軟件/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 | 物聯網 | 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 | 國民技術 | Microchip |
| 開關電源 | 步進電機 | 無線充電 | LabVIEW | EMC | PLC | OLED | 單片機 |
| 5G | m2m | DSP | MCU | ASIC | CPU | ROM | DRAM |
| NB-IoT | LoRa | Zigbee | NFC | 藍牙 | RFID | Wi-Fi | SIGFOX |
| Type-C | USB | 以太網 | 仿真器 | RISC | RAM | 寄存器 | GPU |
| 語音識別 | 萬用表 | CPLD | 耦合 | 電路仿真 | 電容濾波 | 保護電路 | 看門狗 |
| CAN | CSI | DSI | DVI | Ethernet | HDMI | I2C | RS-485 |
| SDI | nas | DMA | HomeKit | 閾值電壓 | UART | 機器學習 | TensorFlow |
| 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 |
關注我們的微信
下載發(fā)燒友APP
機器人發(fā)燒友
