加入星计划,您可以享受以下权益:

  • 创作内容快速变现
  • 行业影响力扩散
  • 作品版权保护
  • 300W+ 专业用户
  • 1.5W+ 优质创作者
  • 5000+ 长期合作伙伴
立即加入

神经网络

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论

人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model),它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。

人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model),它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。收起

查看更多
  • 纯手撸一个神经网络(只用numpy识别mnist数据集,全代码)
    纯手撸一个神经网络(只用numpy识别mnist数据集,全代码)
    纯手撸一个识别mnist手写数据集的2层DNN网络,所有库函数的低层NumPy代码都已给出,这串代码直接运行就能跑!不需要其他文件。
  • 说说杰弗里·辛顿
    说说杰弗里·辛顿
    如大家所见,今年诺贝尔物理学奖的得主,是美国普林斯顿大学的约翰·霍普菲尔德(John J. Hopfield)和加拿大多伦多大学的杰弗里·辛顿(Geoffrey E. Hinton)。这两位,都是AI领域的专家。尤其是辛顿,在AI学术界可以说是教父级的存在。
  • 一镜到底!地平线SuperDrive上海闹市区再现全程零接管
    近日,地平线发布了全场景智能驾驶解决方案Horizon SuperDrive™上海晚高峰的一镜到底视频,这是继7月份成功挑战北京雨天晚高峰后,SuperDrive强劲产品实力的又一次展现。面对上海更复杂的交通场景,SuperDrive再次实现全程零接管,其中部分行程进入夜间,SuperDrive的表现同样好用、稳定成熟、顺滑拟人。 SuperDrive挑战上海闹市区,全程零接管再现老司机般实力 相
  • Scikit-fingerprints: 在Python中轻松高效地计算分子指纹
    分子是计算化学处理的基本结构,通常表示为分子图,需要转换为多维向量以便大多数处理算法使用,尤其是机器学习(ML)应用。分子指纹是一种特征提取算法,将分子的结构信息编码为向量,广泛用于化学信息学中的各种任务,如化学空间多样性测量、可视化、聚类、虚拟筛选和分子性质预测等。这些任务在新药设计中尤为重要。为了正确评估预测模型的性能,训练-测试数据集的划分至关重要,分子指纹也可以用于此。指纹模型的性能与最先进的图神经网络(GNNs)相比仍然具有竞争力。
  • 国产芯上运行TinyMaxi轻量级的神经网络推理库-米尔基于芯驰D9国产商显板
    国产芯上运行TinyMaxi轻量级的神经网络推理库-米尔基于芯驰D9国产商显板
    本篇测评由与非网的优秀测评者“短笛君”提供。本文将介绍基于米尔电子MYD-YD9360商显板(米尔基于芯驰D9360国产开发板)的TinyMaxi轻量级的神经网络推理库方案测试。
  • 硬件在人工智能基础教育中的角色: 机遇和挑战
    硬件在人工智能基础教育中的角色: 机遇和挑战
    近日,由中国人工智能学会主办的《2024年全球人工智能技术大会——面向基础教育课程的AIGC应用》在中国杭州举行。生成式人工智能(AIGC)在基础教育应用中还是初步阶段,对于AIGC与开源硬件深度结合应用于基础教育中的发展前景,上海智位机器人股份有限公司CEO叶琛博士与线上的专家和43万听众,一起探讨和分享了他的看法。 开源硬件在基础教育的10年 叶琛博士首先从硬件在基础教育发展的10年讲起,解惑
  • 英特尔首发大型神经拟态系统Hala Point,推进“绿色AI”发展
    英特尔首发大型神经拟态系统Hala Point,推进“绿色AI”发展
    作为英特尔首个神经元数量达到11.5亿的神经拟态系统,Hala Point为更高效、规模更大的AI开辟了道路。 英特尔发布了代号为Hala Point的大型神经拟态系统。Hala Point基于英特尔Loihi 2神经拟态处理器打造而成,旨在支持类脑AI领域的前沿研究,解决AI目前在效率和可持续性等方面的挑战。在英特尔第一代大规模研究系统Pohoiki Springs的基础上,Hala Point
  • 深度学习中的3个秘密:集成,知识蒸馏和自蒸馏
    深度学习中的3个秘密:集成,知识蒸馏和自蒸馏
    训练好的模型,用自己蒸馏一下,就能提高性能,是不是很神奇,这里面的原理到底是什么呢,这要从模型集成开始说起。在一篇新论文“Towards Understanding Ensemble, Knowledge Distillation, and Self-Distillation in Deep Learning“中,我们专注于研究神经网络在训练过程中纯粹由于随机化产生的差异。我们提出了以下问题:除了测试准确性上的微小偏差外,从不同随机初始化中训练出来的神经网络是否学习了非常不同的函数?如果是这样,差异从何而来?我们如何减少这种差异,使神经网络更稳定,甚至更好?这些问题并非微不足道,它们与深度学习中广泛使用的三种技术有关。
  • 意法半导体帮助松下自行车科技公司将人工智能引入电动自行车,以低廉的成本提升安全性
    意法半导体帮助松下自行车科技公司将人工智能引入电动自行车,以低廉的成本提升安全性
    服务多重电子应用领域、全球排名前列的半导体公司意法半导体(STMicroelectronics,简称ST;纽约证券交易所代码:STM)宣布,松下自行车科技有限公司(Panasonic)宣布采用 STM32F3 微控制器 (MCU) 和边缘人工智能开发工具 STM32Cube.AI开发TiMO A电动自行车。意法半导体的边缘人工智能解决方案为松下提供一个轮胎压力监测系统(TPMS),利用先进的人工智
  • 人工智能安全关键型系统中的验证和确认
    人工智能安全关键型系统中的验证和确认
    随着世界各个国家/地区纷纷制定人工智能相关法规,设计基于人工智能的系统的工程师必须满足这些新出台的规范和标准要求。在 2023 年 10 月 30 日,美国白宫也颁布了一项关于人工智能法规的行政命令,强调稳健的验证和确认(V&V)过程对基于人工智能的系统至关重要。该指令要求人工智能公司报告和测试特定模型,以确保人工智能系统按预期运行并满足指定要求。 人工智能法规和 V&V 过程将对
  • Ceva 联同汽车和边缘人工智能领域全新合作伙伴, 扩展业界领先 NPU IP 的人工智能生态系统
    Ceva 联同汽车和边缘人工智能领域全新合作伙伴,  扩展业界领先 NPU IP 的人工智能生态系统
    Visionary.ai公司用于增强相机应用的神经网络软件 ISP 和 ENOT.ai公司神经网络优化工具及人工智能辅助工具现可用于 Ceva 的 NeuPro-M NPU 帮助智能边缘设备更可靠、更高效地连接、感知和推断数据的全球领先硅产品和软件IP授权许可厂商Ceva公司(纳斯达克股票代码:CEVA) 宣布与两家瞄准汽车和视觉边缘人工智能(Edge AI)应用的新合作伙伴结盟,扩大业界领先的N
  • 使用DNN深度神经网络实现图像AIGC的开发-基于米尔瑞萨RZ/G2L开发板的创新应用
    使用DNN深度神经网络实现图像AIGC的开发-基于米尔瑞萨RZ/G2L开发板的创新应用
    AIGC(即ArtificialIntelligence Generated Content),中文译为人工智能生成内容。简单来说,就是经过大量特征训练过的神经网络模型来对新的内容或者需求来生成人们需要的创作内容,类似使用人类用思考和创造力才能完成的工作过程,而现在可以利用人工智能技术来替代我们完成。在狭义上AIGC是指利用AI自动生成内容的生产方式,比如自动写作、自动设计等。在广义上,AIGC是指像人类一样具备生成创造能力的AI技术,它可以基于训练数据和生成算法来完成各类的内容生成创作。
    2068
    2023/10/23
  • 超渲力,"芯"生态---- 逐点半导体视觉处理方案正式发布
    专业的视觉处理方案提供商逐点半导体于今日在深圳举办2023年度视觉处理方案发布会。此次发布会以"超渲力,芯生态"为主题,围绕技术、产品、生态和体验四大模块,分享如何用技术布局产品、用产品连接生态、用生态赋能体验的思考与实践。同时亮相的还有逐点半导体X7 Gen 2视觉处理器,该处理器作为最新游戏视觉处理方案的重要组成部分,基于分布式计算架构打造,并首次引入公司基于高效神经网络算法的AI游戏超分技术,可大幅降低手机GPU的算力负担,显著提升游戏的渲染效率与画面质量,让高负载游戏在移动端轻松实现媲美PC端的高画质效果。
  • 特斯拉FSD V12开发细节曝光:训练8个月输入超1000万个视频,有时比马斯克开得好
    特斯拉FSD V12开发细节曝光:训练8个月输入超1000万个视频,有时比马斯克开得好
    特斯拉FSD V12系统的开发细节曝光了。虽然马斯克预告过FSD V12改变了技术路线,但让人意外的是,特斯拉其实在今年年初才开始训练这个基于神经网络的智能驾驶算法。而就在四个月后,新系统就已经准备好取代旧系统;八个月后,全新的FSD V12在马斯克直播中亮相。这背后则是一条改变的技术路线,从规则驱动,到数据驱动;从分模块设计,到端到端。
  • Transformer流行的背后
    Transformer流行的背后
    许多技术公司都在大肆宣扬自己拥有比其他公司更好的处理transformer算法的解决方案。但其实业界transformer的基准测试尚未推出。Generative AI(GAI)的蓬勃发展已经颠覆了整个AI世界,似乎是这样。大语言模型(LLM),如ChatGPT所示,大多局限于语言建模和文本生成。但transformer(一种支撑LLM和其他GAI应用的总体深度学习架构)提供了一种可用于文本、语音、图像、3D和视频等数据流或任何传感数据的模型。
  • ST机器学习解决方案助力车企探索汽车AI可能性
    ST机器学习解决方案助力车企探索汽车AI可能性
    意法半导体的首款车规机器学习解决方案SL-AIAID012401V1由AEKD-AICAR1 评估套件、AI 人工智能插件和AutoDevKit 车规开发板组成,能够识别驻车、正常路况、崎岖道路、车轮侧滑或突然转向四种汽车状态。这是一个难得的机会,可以通过测试和开发汽车人工智能应用,以确定该技术是否适合这个市场。事实上,许多车企还在探索在行业现阶段,机器学习对他们是否有意义。从头开始创建算法需要投入大量的人力和资金。把评估解决方案导入我们的 AutoDevKit 平台,可以让开发人员更轻松地探索车规人工智能的可行性。
  • 训练卷积神经网络:什么是机器学习?——第二部分
    摘要 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
  • 卷积神经网络简介:什么是机器学习?——第一部分
    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。
  • 驱动ChatGPT的核心技术
    有人说ChatGPT颠覆了人们对聊天机器人的认知,人工智障终于出人工智能的雏形。作为一个伟大的产品,ChatGPT到底有怎样的突破创新呢?
  • 多深度神经网络的调度机制研究
    自动驾驶系统依赖于人工智能深度神经网络(deep neural networks, DNN)算法来执行感知、决策和控制等复杂任务。

正在努力加载...