今年以來國內消費持續恢復，國內零售市場呈穩步發展態勢，而商務部也將2023年定為“消費提振年”，消費的基礎性作用被進一步強調。面對不斷增長的需求，零售團隊人員數量及具體運營執行是否能及時匹配，正成為零售商們不得不面臨的挑戰。零售團隊人員的短缺將使商店難以正常運營。當商店經理的人數捉襟見肘時，他們可能沒有時間對員工進行新技能培訓，幫助員工提高現有的技能組合，或者弄清楚如何以更佳的方式在商店中利用其技能。商店經理也可能難以對已有員工進行有效的安排。鑒于如今客戶和員工的期望之高前所未有，因此很難追蹤每位團隊成員
關鍵字：
人工智能 機器學習 零售
本文討論機器學習 (ML) 與半導體制造之間的關系，特別是 ML 算法和模型在半導體制造過程中的應用。
關鍵字：
機器學習
本文是系列文章的第二部分，重點介紹卷積神經網絡(CNN)的特性和應用。CNN主要用于模式識別和對象分類。在第一部分文章《卷積神經網絡簡介：什么是機器學習？——第一部分》中，我們比較了在微控制器中運行經典線性規劃程序與運行CNN的區別，并展示了CNN的優勢。我們還探討了CIFAR網絡，該網絡可以對圖像中的貓、房子或自行車等對象進行分類，還可以執行簡單的語音識別。本文重點解釋如何訓練這些神經網絡以解決實際問題。神經網絡的訓練過程本系列文章的第一部分討論的CIFAR網絡由不同層的神經元組成。如圖1所示，32 ×
關鍵字：
ADI 機器學習
隨著人工智能(AI)技術的快速發展，AI可以越來越多地支持以前無法實現或者難以實現的應用。本系列文章基于此解釋了卷積神經網絡(CNN)及其對人工智能和機器學習的意義。CNN是一種能夠從復雜數據中提取特征的強大工具，例如識別音頻信號或圖像信號中的復雜模式就是其應用之一。本文討論了CNN相對于經典線性規劃的優勢，后續文章《訓練卷積神經網絡：什么是機器學習？——第二部分》將討論如何訓練CNN模型，系列文章的第三部分將討論一個特定用例，并使用專門的AI微控制器對模型進行測試。什么是卷積神經網絡？神經網絡是一種由神
關鍵字：
ADI 卷積神經網絡 機器學習
AI（人工智能）可以說是目前的熱點領域，從工廠的機器人，到支付時的人臉識別，生活處處都充斥著AI的影子。人們通常認為，AI可以不知疲倦，無時無刻地工作。 但其有一個致命缺點，當學習了新知識后，會把之前學習的知識忘記，這種現象稱為“災難性遺忘”。近日，美國加州大學圣地亞哥醫學院的研究發現，通過讓一種新型的超級AI模仿人類睡眠，離線一段時間后，AI的“災難性遺忘”會得到緩解。 AI在“睡眠”后，就能像人腦一樣，回憶過去，而不需用舊的數據重新訓練。據了解，人腦中的記憶是由突觸重量的模式表示的
關鍵字：
AI 人工智能 機器學習
摘 要：故障通常特指某個系統或某個運行過程的一系列相關參數喪失了規定性能的狀態，或者在特定場景下
控制指標出現了偏差。故障不可避免，故障影響了電力系統正常安全穩定運行。為此迫切需要快速識別診斷故
障。本文基于數據驅動算法，詳細對比分析了多種基于機器學習主流模型故障診斷的方法，并通過實例驗證了
模型的有效性以及優越性，對模型的選擇具有重要參考意義。關鍵詞：故障識別；機器學習；數據驅動0 引言被控系統處于非正常運行情況時，若能夠采用某種
技術快速實時在線檢測故障并且能基于先進定位技術判
別故障點準確
關鍵字：
202211 故障識別 機器學習 數據驅動
2022 年 11 月 15 日，中國——為了擴大開發工具的功能，加快嵌入式人工智能 (AI) 和機器學習 (ML) 開發項目，意法半導體發布了NanoEdge AI Studio 和 STM32Cube.AI.的升級版本。這兩個開發工具有助于把人工智能和機器學習遷移到應用邊緣設備。遷移到網絡邊緣后，人工智能和機器學習的優勢非常突出，包括原生隱私保護、確定性實時響應、更高可靠性和更低功耗。NanoEdge AI Studio 是一個自動化的機器學習開發工具，適合不需要開發神經網絡的應用項目。該工具需要與S
關鍵字：
意法半導體 嵌入式 AI 機器學習
聯發科長期投入前瞻領域研究，近期再傳突破性成果。聯發科宣布，將機器學習導入芯片設計，運用強化學習（reinforcement learning）讓機器透過自我不斷探索和學習，預測出芯片中最佳電路區塊的位置（location）與形狀（shape），將大幅縮短開發時間并建構更強大性能的芯片，成為改變游戲規則的重大突破。聯發科表示，該技術將于11月于臺灣舉辦的IEEE亞洲固態電路研討會A-SSCC（Asian Solid-State Circuits Conference）發表，同步也將申請國際專利。聯發科指出
關鍵字：
聯發科 芯片設計 機器學習
機器學習神經網絡進步使我們能夠處理越來越大量儲存資料。傳統方法是將數據傳輸到算法設備，但是這種移動巨量數據（高達 1 PB）以供可能只有幾十兆位元算法來進行處理真的有意義嗎？因此，在靠近數據儲存位置處理數據的想法引起了很多關注。本文研究了計算儲存理論和實踐，以及如何使用計算儲存處理器 (CSP) 為許多計算密集型任務提供硬件加速和更高性能，而不會給主機處理器帶來大量負擔。數據集崛起近年來，神經網絡算法在汽車、工業、安全和消費等應用中使用顯著增加。基于邊緣物聯網傳感器通常只處理少量數據，因此所使用算法占用很
關鍵字：
?機器學習 神經網絡 數據集
機器學習是改變世界的最新技術。過去配合云端使用的算法現在已經擴展到邊緣運算。應用包括了監控、先進駕駛輔助系統ADAS、機器人和數據中心。開發人員正在尋找可快速及輕松地部署復雜系統的方法。 對于邊緣網絡上的機器學習，Xilinx提供了延遲、功耗、成本、靈活性、可擴展性和上市時間之間的最佳權衡。其軟件定義的系統單芯片(SDSoC)允許無縫整合硬件和軟件、自動化內存分配、快取管理、DMA和裝置互動。SDx開發環境為項目建立，模擬，執行和除錯提供了通用的基礎架構，讓不同的嵌入式系統可輕松實行。 其結果是更
關鍵字：
機器學習 Xilinx
物聯網裝置和支持ML的裝置日益成為我們日常生活中的一部分。隨著這些裝置進入智能住宅中，就需要更多的專業知識來進行建構和開發。ROS是一個開放原始碼的機器人開發平臺，使機器人技術的開發可以協作。與ROS整合的TurtleBot3在SLAM（同步定位與地圖構建）、導航和操控中具備核心技術，所以適合在家庭服務機器人應用中使用。 與TurtleBot3整合的Ultra96上的ROS具有多項功能，所以適用于物聯網裝置中的應用。除了配備Xilinx MPSOC開發板Ultra96（Cortex A53、R5）之
關鍵字：
物聯網 機器學習
什么是人臉識別？人臉識別是一種軟件層面的算法，用于通過處理視頻幀或數字圖像來驗證或識別一個人的身份，其中該人的臉是可見的。面部識別技術有幾種不同的工作方法，但是他們通常會將圖像中的面部特征與數據庫中的面部特征進行比較。人臉識別處理的4個步驟特定的神經網絡被訓練用來檢測人臉的標簽，并將人臉與圖像中的其他物體區分開來。標簽是人類普遍的五官等面部特征，比如：眼睛、鼻子、嘴巴、眉毛等。人臉識別算法的工作流程任何人臉檢測和識別系統或軟件都繞不開人臉識別算法。業界將這些算法分為兩種：幾何方法側重于區分特征簡而言之就將
關鍵字：
人臉識別 算法 AI 機器學習 神經網絡
各行各業的數字化轉型和日常生活中的新場景已經對邊緣上的人工智能（AI）和機器學習、先進數據處理、音頻、視覺等產生了需求。邊緣機器學習（ML）計算支持廣泛的、智能化的工業和家庭應用，包括用于異常檢測的傳感器數據處理、預測性維護、用于改進玻璃破碎檢測的音頻模式識別、簡單命令詞識別以及視覺應用，如使用低分辨率攝像頭進行在場檢測或人數統計。現在的產品設計人員已看到了人工智能和機器學習的巨大潛力，可以為家庭安全系統、可穿戴醫療監測器、商業設施和工業設備監控傳感器等邊緣應用帶來更多的智能化。所以SiliconLabs
關鍵字：
202204 邊緣AI 機器學習
人工智能（AI）和機器學習仍然是技術決策者、行業人士和投資者關注的重點。標普全球市場財智（S&P Intelligence）2020 7月發布的調查顯示，有58%的公司和組織預計新冠大流行會對他們現有的AI計劃產生負面影響，還有19%的公司和組織表示新冠大流行導致他們停止了AI項目。與此同時，也有75%的公司和組織表示COVID-19促進了他們新的AI計劃。最近發布的2021 AI/ML用例調查顯示情況發生了變化，有86%參與調查的人表示新冠大流行已經或將導致其所在的組織投資于新的AI計劃。由于大
關鍵字：
人工智能 機器學習 深度學習 數據科學
在EE Times美國今年發布的Silicon 100榜單中，有大量席位被AI芯片公司所占據。這兩年來，以SambaNova、Graphcore等為代表的AI芯片公司可謂是投資界的大熱門。截至發稿日，SambaNova已經獲得了11億美元的融資，宣稱市值為50億美元左右。3-4年之后，這片紅海競爭的市場，又將變成怎樣一副模樣？據市場分析機構GlobalData數據顯示，2021年第二季度北美地區的AI風投總額就已經達到95億美元，相比上一季度增長了17.7%。這一季度，AI芯片市場的大熱門除了SambaN
關鍵字：
AI芯片 IPU 英偉達 機器學習
機器學習介紹
您好，目前還沒有人創建詞條機器學習!
歡迎您創建該詞條，闡述對機器學習的理解，并與今后在此搜索機器學習的朋友們分享。
創建詞條
關于我們 -
廣告服務 -
企業會員服務 -
網站地圖 -
聯系我們 -
征稿 -
友情鏈接 -
手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產品世界》雜志社 版權所有 北京東曉國際技術信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網安備11010802012473
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網安備11010802012473