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(tǒng)計學、逼近論、凸分析、算法復雜度理論等多門學科。
文章：7759個 瀏覽：137356次 帖子：307個
AI 模型卡是一份詳細說明機器學習（ ML ）模型如何工作的文檔。模型卡提供了有關 ML 模型元數(shù)據(jù)的詳細信息，包括它所基于的數(shù)據(jù)集、它所接受培訓的性能...
在傳統(tǒng)的PLC因為CPU僅能處理比較簡單的邏輯任務，往往需要一個專用的Motion Control模塊，早期采用了脈沖或模擬量，那么需要大量的接線，現(xiàn)在...
6G 是下一代移動無線通信系統(tǒng)，旨在提供更包容和可持續(xù)的無線連接。6G 研發(fā)旨在大幅提高當前 5G 通信系統(tǒng)的性能，使 6G 網絡的運行速度更快、處理的...
芯片接口IP如何支持機器學習和深度學習的計算和數(shù)據(jù)傳輸？
其次，機器學習和深度學習的數(shù)據(jù)傳輸需求也非常高。大規(guī)模的數(shù)據(jù)集需要被傳輸?shù)接嬎銠C中進行處理，這對數(shù)據(jù)傳輸?shù)乃俣群涂煽啃蕴岢隽藰O高的要求。傳統(tǒng)的數(shù)據(jù)傳輸技...
2023-04-21 標簽：數(shù)據(jù)傳輸機器學習深度學習 2.5k 0
TensorFlow提供用于自動微分的 tf.GradientTape API - 計算與其輸入變量相關的計算梯度。
2019-01-05 標簽：機器學習TensorFlow 2.4k 0
構建多層神經網絡（MLP, Multi-Layer Perceptron）模型是一個在機器學習和深度學習領域廣泛使用的技術，尤其在處理分類和回歸問題時。...
OpenAI：用可擴展的多任務系統(tǒng)，在多語言任務上取得了良好的成績
最近我們嘗試用無監(jiān)督學習增強系統(tǒng)，進一步研究語言能力。無監(jiān)督技術訓練能通過含有巨大信息量的數(shù)據(jù)庫訓練單詞的表示，與監(jiān)督學習結合后，模型的性能會進一步提高...
2018-06-30 標簽：機器學習數(shù)據(jù)集 2.4k 0
大數(shù)據(jù)人工智能技術，在應用層面包括機器學習、神經網絡、深度學習等，它們都是現(xiàn)代人工智能的核心技術。在大數(shù)據(jù)背景下，這些技術均得到了質的提升，人工智能、機...
當代 GPU 有數(shù)百億顆晶體管。更好的處理器性能是以指數(shù)級增長的電源需求為代價的，因此人工智能 (AI) 和機器學習 (ML) 等應用的高性能處理器需要...
翻譯自——nextplatform 英特爾最新的神經形態(tài)系統(tǒng)——Pohoiki Springs，該系統(tǒng)于2020年3月發(fā)布，它集成了768個Loihi神...
上圖就是我們定位人臉的68個關鍵點，其中他的順序是要嚴格的進行排序的。從1到68點的順序不能錯誤。
神經網絡作為深度學習的重要組成部分，其訓練方式多樣，其中無監(jiān)督學習是一種重要的訓練策略。無監(jiān)督學習旨在從未標記的數(shù)據(jù)中發(fā)現(xiàn)數(shù)據(jù)內在的結構、模式或規(guī)律，從...
基于樹的模型和神經網絡其實并沒有太多的不同。神經網絡通常被認為是機器學習的圣杯，無所不知，解決一切問題，主要是因為它們很復雜。另一方面，基于樹的方法并沒...
如何使用Python和數(shù)據(jù)分析加速庫加速數(shù)據(jù)分析和機器學習算法
See how to use Intel? Distribution for Python* and Intel? Data Analytics Acc...
2018-09-19 標簽：英特爾機器學習數(shù)據(jù)分析 2.4k 0
金屬材料的屈服強度是一種具有重要科學和工程意義的基本力學性能。闡明屈服強度的內在因素和物理機制，實現(xiàn)屈服強度的準確計算和預測，一直是金屬材料領域的核心科...
2023-04-01 標簽：機器學習 2.4k 0
盡管經歷了艱難的一年，但世界各地的許多公司已經開始加速使用人工智能（AI）來最大化業(yè)務的方法。
相機鏡頭扭曲入射光以將其聚焦在相機傳感器上。盡管這對于我們捕捉環(huán)境圖像非常有用，但它們最終往往會稍微不準確地扭曲光線。這可能導致計算機視覺應用中的測量不...
恩智浦基于ML的系統(tǒng)狀態(tài)監(jiān)測應用軟件包（App SW Pack）為快速開發(fā)此類復雜應用提供了量產源代碼。
機器學習和深度學習是當今最流行的人工智能(AI)技術之一。這兩種技術都有助于在不需要人類干預的情況下讓計算機自主學習和改進預測模型。本文將探討機器學...
毫無疑問，機器學習/人工智能的子領域在過去幾年越來越受歡迎。目前大數(shù)據(jù)在科技行業(yè)已經炙手可熱，而基于大量數(shù)據(jù)來進行預測或者得出建議的機器學習無疑是非常強...
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(lián)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
