加入星計劃，您可以享受以下權(quán)益：

  • 創(chuàng)作內(nèi)容快速變現(xiàn)
  • 行業(yè)影響力擴散
  • 作品版權(quán)保護
  • 300W+ 專業(yè)用戶
  • 1.5W+ 優(yōu)質(zhì)創(chuàng)作者
  • 5000+ 長期合作伙伴
立即加入

神經(jīng)網(wǎng)絡(luò)

加入交流群
掃碼加入
獲取工程師必備禮包
參與熱點資訊討論

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡寫為ANNs）也簡稱為神經(jīng)網(wǎng)絡(luò)（NNs）或稱作連接模型（Connection Model），它是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征，進行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系，從而達到處理信息的目的。

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡寫為ANNs）也簡稱為神經(jīng)網(wǎng)絡(luò)（NNs）或稱作連接模型（Connection Model），它是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征，進行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系，從而達到處理信息的目的。收起

查看更多
  • 大話循環(huán)神經(jīng)網(wǎng)絡(luò)RNN、LSTM、GRU
    大話循環(huán)神經(jīng)網(wǎng)絡(luò)RNN、LSTM、GRU
    CNN主要處理圖像信息，主要應(yīng)用于計算機視覺領(lǐng)域。RNN（recurrent neural network）主要就是處理序列數(shù)據(jù)（自然語言處理、語音識別、視頻分類、文本情感分析、翻譯），核心就是它能保持過去的記憶。但RNN有著梯度消失問題，專家之后接著改進為LSTM和GRU結(jié)構(gòu)。下面將用通俗的語言分別詳細介紹。
  • Xilinx Zynq系列FPGA實現(xiàn)神經(jīng)網(wǎng)絡(luò)中相關(guān)資源評估
    Xilinx Zynq系列FPGA實現(xiàn)神經(jīng)網(wǎng)絡(luò)中相關(guān)資源評估
    FPGA并沒有像軟件那樣用已有的cache，F(xiàn)PGA的HLS編譯器會在FPGA中創(chuàng)建一個快速的memory architecture以最好的適應(yīng)算法中的數(shù)據(jù)樣式（data layout）。因此FPGA可以有相互獨立的不同大小的內(nèi)部存儲空間，例如寄存器，移位寄存器，F(xiàn)IFOs和BRAMs。
  • 最簡單用TensorFlow實現(xiàn)神經(jīng)網(wǎng)絡(luò)DNN（iris和mnist數(shù)據(jù)集）
    最簡單用TensorFlow實現(xiàn)神經(jīng)網(wǎng)絡(luò)DNN（iris和mnist數(shù)據(jù)集）
    識別鳶尾花（iris）數(shù)據(jù)集。不用keras：無中間層，最簡單一層實現(xiàn)識別，W個數(shù)為4*3，b個數(shù)為3，batch_size為32。
  • 純手擼一個神經(jīng)網(wǎng)絡(luò)（只用numpy識別mnist數(shù)據(jù)集，全代碼）
    純手擼一個神經(jīng)網(wǎng)絡(luò)（只用numpy識別mnist數(shù)據(jù)集，全代碼）
    純手擼一個識別mnist手寫數(shù)據(jù)集的2層DNN網(wǎng)絡(luò)，所有庫函數(shù)的低層NumPy代碼都已給出，這串代碼直接運行就能跑！不需要其他文件。
  • 說說杰弗里·辛頓
    說說杰弗里·辛頓
    如大家所見，今年諾貝爾物理學(xué)獎的得主，是美國普林斯頓大學(xué)的約翰·霍普菲爾德（John J. Hopfield）和加拿大多倫多大學(xué)的杰弗里·辛頓（Geoffrey E. Hinton）。這兩位，都是AI領(lǐng)域的專家。尤其是辛頓，在AI學(xué)術(shù)界可以說是教父級的存在。
  • 一鏡到底！地平線SuperDrive上海鬧市區(qū)再現(xiàn)全程零接管
    近日，地平線發(fā)布了全場景智能駕駛解決方案Horizon SuperDrive?上海晚高峰的一鏡到底視頻，這是繼7月份成功挑戰(zhàn)北京雨天晚高峰后，SuperDrive強勁產(chǎn)品實力的又一次展現(xiàn)。面對上海更復(fù)雜的交通場景，SuperDrive再次實現(xiàn)全程零接管，其中部分行程進入夜間，SuperDrive的表現(xiàn)同樣好用、穩(wěn)定成熟、順滑擬人。 SuperDrive挑戰(zhàn)上海鬧市區(qū)，全程零接管再現(xiàn)老司機般實力 相
  • Scikit-fingerprints: 在Python中輕松高效地計算分子指紋
    分子是計算化學(xué)處理的基本結(jié)構(gòu)，通常表示為分子圖，需要轉(zhuǎn)換為多維向量以便大多數(shù)處理算法使用，尤其是機器學(xué)習(xí)（ML）應(yīng)用。分子指紋是一種特征提取算法，將分子的結(jié)構(gòu)信息編碼為向量，廣泛用于化學(xué)信息學(xué)中的各種任務(wù)，如化學(xué)空間多樣性測量、可視化、聚類、虛擬篩選和分子性質(zhì)預(yù)測等。這些任務(wù)在新藥設(shè)計中尤為重要。為了正確評估預(yù)測模型的性能，訓(xùn)練-測試數(shù)據(jù)集的劃分至關(guān)重要，分子指紋也可以用于此。指紋模型的性能與最先進的圖神經(jīng)網(wǎng)絡(luò)（GNNs）相比仍然具有競爭力。
  • 國產(chǎn)芯上運行TinyMaxi輕量級的神經(jīng)網(wǎng)絡(luò)推理庫-米爾基于芯馳D9國產(chǎn)商顯板
    國產(chǎn)芯上運行TinyMaxi輕量級的神經(jīng)網(wǎng)絡(luò)推理庫-米爾基于芯馳D9國產(chǎn)商顯板
    本篇測評由與非網(wǎng)的優(yōu)秀測評者“短笛君”提供。本文將介紹基于米爾電子MYD-YD9360商顯板（米爾基于芯馳D9360國產(chǎn)開發(fā)板）的TinyMaxi輕量級的神經(jīng)網(wǎng)絡(luò)推理庫方案測試。
  • 硬件在人工智能基礎(chǔ)教育中的角色: 機遇和挑戰(zhàn)
    硬件在人工智能基礎(chǔ)教育中的角色: 機遇和挑戰(zhàn)
    近日，由中國人工智能學(xué)會主辦的《2024年全球人工智能技術(shù)大會——面向基礎(chǔ)教育課程的AIGC應(yīng)用》在中國杭州舉行。生成式人工智能（AIGC）在基礎(chǔ)教育應(yīng)用中還是初步階段，對于AIGC與開源硬件深度結(jié)合應(yīng)用于基礎(chǔ)教育中的發(fā)展前景，上海智位機器人股份有限公司CEO葉琛博士與線上的專家和43萬聽眾，一起探討和分享了他的看法。 開源硬件在基礎(chǔ)教育的10年 葉琛博士首先從硬件在基礎(chǔ)教育發(fā)展的10年講起，解惑
  • 英特爾首發(fā)大型神經(jīng)擬態(tài)系統(tǒng)Hala Point，推進“綠色AI”發(fā)展
    英特爾首發(fā)大型神經(jīng)擬態(tài)系統(tǒng)Hala Point，推進“綠色AI”發(fā)展
    作為英特爾首個神經(jīng)元數(shù)量達到11.5億的神經(jīng)擬態(tài)系統(tǒng)，Hala Point為更高效、規(guī)模更大的AI開辟了道路。 英特爾發(fā)布了代號為Hala Point的大型神經(jīng)擬態(tài)系統(tǒng)。Hala Point基于英特爾Loihi 2神經(jīng)擬態(tài)處理器打造而成，旨在支持類腦AI領(lǐng)域的前沿研究，解決AI目前在效率和可持續(xù)性等方面的挑戰(zhàn)。在英特爾第一代大規(guī)模研究系統(tǒng)Pohoiki Springs的基礎(chǔ)上，Hala Point
  • 深度學(xué)習(xí)中的3個秘密：集成，知識蒸餾和自蒸餾
    深度學(xué)習(xí)中的3個秘密：集成，知識蒸餾和自蒸餾
    訓(xùn)練好的模型，用自己蒸餾一下，就能提高性能，是不是很神奇，這里面的原理到底是什么呢，這要從模型集成開始說起。在一篇新論文“Towards Understanding Ensemble, Knowledge Distillation, and Self-Distillation in Deep Learning“中，我們專注于研究神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程中純粹由于隨機化產(chǎn)生的差異。我們提出了以下問題：除了測試準確性上的微小偏差外，從不同隨機初始化中訓(xùn)練出來的神經(jīng)網(wǎng)絡(luò)是否學(xué)習(xí)了非常不同的函數(shù)？如果是這樣，差異從何而來？我們?nèi)绾螠p少這種差異，使神經(jīng)網(wǎng)絡(luò)更穩(wěn)定，甚至更好？這些問題并非微不足道，它們與深度學(xué)習(xí)中廣泛使用的三種技術(shù)有關(guān)。
  • 意法半導(dǎo)體幫助松下自行車科技公司將人工智能引入電動自行車，以低廉的成本提升安全性
    意法半導(dǎo)體幫助松下自行車科技公司將人工智能引入電動自行車，以低廉的成本提升安全性
    服務(wù)多重電子應(yīng)用領(lǐng)域、全球排名前列的半導(dǎo)體公司意法半導(dǎo)體(STMicroelectronics，簡稱ST；紐約證券交易所代碼:STM)宣布，松下自行車科技有限公司(Panasonic)宣布采用 STM32F3 微控制器 (MCU) 和邊緣人工智能開發(fā)工具 STM32Cube.AI開發(fā)TiMO A電動自行車。意法半導(dǎo)體的邊緣人工智能解決方案為松下提供一個輪胎壓力監(jiān)測系統(tǒng)(TPMS)，利用先進的人工智
  • 人工智能安全關(guān)鍵型系統(tǒng)中的驗證和確認
    人工智能安全關(guān)鍵型系統(tǒng)中的驗證和確認
    隨著世界各個國家／地區(qū)紛紛制定人工智能相關(guān)法規(guī)，設(shè)計基于人工智能的系統(tǒng)的工程師必須滿足這些新出臺的規(guī)范和標準要求。在 2023 年 10 月 30 日，美國白宮也頒布了一項關(guān)于人工智能法規(guī)的行政命令，強調(diào)穩(wěn)健的驗證和確認（V&V）過程對基于人工智能的系統(tǒng)至關(guān)重要。該指令要求人工智能公司報告和測試特定模型，以確保人工智能系統(tǒng)按預(yù)期運行并滿足指定要求。 人工智能法規(guī)和 V&V 過程將對
  • Ceva 聯(lián)同汽車和邊緣人工智能領(lǐng)域全新合作伙伴， 擴展業(yè)界領(lǐng)先 NPU IP 的人工智能生態(tài)系統(tǒng)
    Ceva 聯(lián)同汽車和邊緣人工智能領(lǐng)域全新合作伙伴， 擴展業(yè)界領(lǐng)先 NPU IP 的人工智能生態(tài)系統(tǒng)
    Visionary.ai公司用于增強相機應(yīng)用的神經(jīng)網(wǎng)絡(luò)軟件 ISP 和 ENOT.ai公司神經(jīng)網(wǎng)絡(luò)優(yōu)化工具及人工智能輔助工具現(xiàn)可用于 Ceva 的 NeuPro-M NPU 幫助智能邊緣設(shè)備更可靠、更高效地連接、感知和推斷數(shù)據(jù)的全球領(lǐng)先硅產(chǎn)品和軟件IP授權(quán)許可廠商Ceva公司(納斯達克股票代碼：CEVA) 宣布與兩家瞄準汽車和視覺邊緣人工智能(Edge AI)應(yīng)用的新合作伙伴結(jié)盟，擴大業(yè)界領(lǐng)先的N
  • 使用DNN深度神經(jīng)網(wǎng)絡(luò)實現(xiàn)圖像AIGC的開發(fā)-基于米爾瑞薩RZ/G2L開發(fā)板的創(chuàng)新應(yīng)用
    使用DNN深度神經(jīng)網(wǎng)絡(luò)實現(xiàn)圖像AIGC的開發(fā)-基于米爾瑞薩RZ/G2L開發(fā)板的創(chuàng)新應(yīng)用
    AIGC（即ArtificialIntelligence Generated Content），中文譯為人工智能生成內(nèi)容。簡單來說，就是經(jīng)過大量特征訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)模型來對新的內(nèi)容或者需求來生成人們需要的創(chuàng)作內(nèi)容，類似使用人類用思考和創(chuàng)造力才能完成的工作過程，而現(xiàn)在可以利用人工智能技術(shù)來替代我們完成。在狹義上AIGC是指利用AI自動生成內(nèi)容的生產(chǎn)方式，比如自動寫作、自動設(shè)計等。在廣義上，AIGC是指像人類一樣具備生成創(chuàng)造能力的AI技術(shù)，它可以基于訓(xùn)練數(shù)據(jù)和生成算法來完成各類的內(nèi)容生成創(chuàng)作。
  • 超渲力，"芯"生態(tài)---- 逐點半導(dǎo)體視覺處理方案正式發(fā)布
    專業(yè)的視覺處理方案提供商逐點半導(dǎo)體于今日在深圳舉辦2023年度視覺處理方案發(fā)布會。此次發(fā)布會以"超渲力，芯生態(tài)"為主題，圍繞技術(shù)、產(chǎn)品、生態(tài)和體驗四大模塊，分享如何用技術(shù)布局產(chǎn)品、用產(chǎn)品連接生態(tài)、用生態(tài)賦能體驗的思考與實踐。同時亮相的還有逐點半導(dǎo)體X7 Gen 2視覺處理器，該處理器作為最新游戲視覺處理方案的重要組成部分，基于分布式計算架構(gòu)打造，并首次引入公司基于高效神經(jīng)網(wǎng)絡(luò)算法的AI游戲超分技術(shù)，可大幅降低手機GPU的算力負擔(dān)，顯著提升游戲的渲染效率與畫面質(zhì)量，讓高負載游戲在移動端輕松實現(xiàn)媲美PC端的高畫質(zhì)效果。
  • 特斯拉FSD V12開發(fā)細節(jié)曝光：訓(xùn)練8個月輸入超1000萬個視頻，有時比馬斯克開得好
    特斯拉FSD V12開發(fā)細節(jié)曝光：訓(xùn)練8個月輸入超1000萬個視頻，有時比馬斯克開得好
    特斯拉FSD V12系統(tǒng)的開發(fā)細節(jié)曝光了。雖然馬斯克預(yù)告過FSD V12改變了技術(shù)路線，但讓人意外的是，特斯拉其實在今年年初才開始訓(xùn)練這個基于神經(jīng)網(wǎng)絡(luò)的智能駕駛算法。而就在四個月后，新系統(tǒng)就已經(jīng)準備好取代舊系統(tǒng)；八個月后，全新的FSD V12在馬斯克直播中亮相。這背后則是一條改變的技術(shù)路線，從規(guī)則驅(qū)動，到數(shù)據(jù)驅(qū)動；從分模塊設(shè)計，到端到端。
  • Transformer流行的背后
    Transformer流行的背后
    許多技術(shù)公司都在大肆宣揚自己擁有比其他公司更好的處理transformer算法的解決方案。但其實業(yè)界transformer的基準測試尚未推出。Generative AI（GAI）的蓬勃發(fā)展已經(jīng)顛覆了整個AI世界，似乎是這樣。大語言模型（LLM），如ChatGPT所示，大多局限于語言建模和文本生成。但transformer（一種支撐LLM和其他GAI應(yīng)用的總體深度學(xué)習(xí)架構(gòu)）提供了一種可用于文本、語音、圖像、3D和視頻等數(shù)據(jù)流或任何傳感數(shù)據(jù)的模型。
  • ST機器學(xué)習(xí)解決方案助力車企探索汽車AI可能性
    ST機器學(xué)習(xí)解決方案助力車企探索汽車AI可能性
    意法半導(dǎo)體的首款車規(guī)機器學(xué)習(xí)解決方案SL-AIAID012401V1由AEKD-AICAR1?評估套件、AI?人工智能插件和AutoDevKit?車規(guī)開發(fā)板組成，能夠識別駐車、正常路況、崎嶇道路、車輪側(cè)滑或突然轉(zhuǎn)向四種汽車狀態(tài)。這是一個難得的機會，可以通過測試和開發(fā)汽車人工智能應(yīng)用，以確定該技術(shù)是否適合這個市場。事實上，許多車企還在探索在行業(yè)現(xiàn)階段，機器學(xué)習(xí)對他們是否有意義。從頭開始創(chuàng)建算法需要投入大量的人力和資金。把評估解決方案導(dǎo)入我們的 AutoDevKit 平臺，可以讓開發(fā)人員更輕松地探索車規(guī)人工智能的可行性。
  • 訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)：什么是機器學(xué)習(xí)？——第二部分
    摘要 本文是系列文章的第二部分，重點介紹卷積神經(jīng)網(wǎng)絡(luò)(CNN)的特性和應(yīng)用。CNN主要用于模式識別和對象分類。在第一部分文章《卷積神經(jīng)網(wǎng)絡(luò)簡介：什么是機器學(xué)習(xí)？——第一部分》中，我們比較了在微控制器中運行經(jīng)典線性規(guī)劃程序與運行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行分類，還可以執(zhí)行簡單的語音識別。本文重點解釋如何訓(xùn)練這些神經(jīng)網(wǎng)絡(luò)

正在努力加載...