女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

A11神經(jīng)網(wǎng)絡(luò)引擎成蘋(píng)果新發(fā)布手機(jī)最大亮點(diǎn)

dKBf_eetop_1 ? 來(lái)源:互聯(lián)網(wǎng) ? 作者:佚名 ? 2017-09-25 15:27 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群


伴隨著蘋(píng)果全新一代 iPhone 智能手機(jī) iPhone 8、iPhone 8 Plus 和 iPhone X 的發(fā)布,所有最初我們想了解的任何信息現(xiàn)在幾乎都已一清二楚,包括零售價(jià)格、全新命名、機(jī)型數(shù)量,還有諸多最新功能等等,其實(shí)大多數(shù)信息在發(fā)布會(huì)之前就已經(jīng)被爆料出來(lái)了。盡管如此,iPhone X、面部識(shí)別技術(shù),以及 AR 現(xiàn)實(shí)增強(qiáng)技術(shù)這些新特性,依然十分引人注目。不過(guò),有一項(xiàng)可能蘋(píng)果在發(fā)布會(huì)上或宣傳中沒(méi)有著重提及的特征,可能很多人忽視了它的存在,那就是強(qiáng)大的 AI 人工智能特性。蘋(píng)果新發(fā)布的三款機(jī)型均搭載了全新的移動(dòng)芯片 A11 仿生,蘋(píng)果表示 A11 仿生是 iPhone 上有史以來(lái)最強(qiáng)大、最智能的芯片。關(guān)于“最強(qiáng)大”這一點(diǎn),通過(guò)昨天的 Geekbench 4 官方提供的基準(zhǔn)測(cè)試數(shù)據(jù)我們已經(jīng)了解到, A11 定制的 6 核心 CPU 性能在移動(dòng)領(lǐng)域已無(wú)敵手,全面領(lǐng)先市面上一切 Android 旗艦智能手機(jī),與驍龍 835 比單核領(lǐng)先超過(guò) 110%,多核也有 55% 左右的領(lǐng)先。其實(shí) A11 性能領(lǐng)先早已經(jīng)是可以預(yù)料到的事情,不過(guò)“最智能”又在哪里呢?其實(shí)這與 A11 集成的神經(jīng)網(wǎng)絡(luò)引擎有非常大的關(guān)系。雖然蘋(píng)果發(fā)布會(huì)這部分基本一筆帶過(guò),而且宣傳低調(diào),但不可否認(rèn)的是,A11 仿生成為了蘋(píng)果第一枚神經(jīng)網(wǎng)絡(luò)引擎的 SoC 移動(dòng)芯片,其神經(jīng)網(wǎng)絡(luò)引擎就是專(zhuān)門(mén)用于運(yùn)行 AI 人工智能的處理單元,為此蘋(píng)果在 A11 的命名上通過(guò)“仿生”特別突出了 AI 技術(shù)特征。

與 AI 人工智能發(fā)展相沖突的隱私保護(hù)在討論神經(jīng)網(wǎng)絡(luò)引擎之前,我們先來(lái)說(shuō)說(shuō)蘋(píng)果 AI 人工智能的進(jìn)程。眾所周知,蘋(píng)果是一家極其注重隱私的公司,之前很多例子已經(jīng)足夠證明這點(diǎn)。庫(kù)克甚至一直對(duì)外宣稱(chēng),蘋(píng)果的保密性比美國(guó) CIA 還要高。因此大量分析認(rèn)為,正是隱私保護(hù)情節(jié)的阻礙讓蘋(píng)果失去了對(duì) AI 人工智能的主動(dòng)權(quán),最終導(dǎo)致今天在 AI 人工智能競(jìng)賽中的落伍。蘋(píng)果不僅在讓設(shè)備更具人性化這方面落后于其他的科技巨頭,而且在人工智能云計(jì)算方面的地位也很低,長(zhǎng)期處于邊緣化。為何這么說(shuō)呢?深度學(xué)習(xí)是 AI 人工智能的一個(gè)分支學(xué)科,通常需要收集大量數(shù)據(jù),并將這些數(shù)據(jù)聚合在云端,以便于深度了解,獲得洞察力,但這些做法與蘋(píng)果在數(shù)據(jù)保護(hù)上的嚴(yán)格立場(chǎng)不一致。蘋(píng)果在 iOS 系統(tǒng)的 FaceTime 和 iMessage 應(yīng)用中,使用的是端到端加密技術(shù),并沒(méi)有對(duì)用戶(hù)的任何個(gè)人資料或信息進(jìn)行維護(hù)或管理,這也與蘋(píng)果對(duì)消費(fèi)者數(shù)據(jù)保護(hù)的堅(jiān)定觀點(diǎn)保持一致。雖然蘋(píng)果的立場(chǎng)值得稱(chēng)贊,但是卻讓自身的 AI 發(fā)展難以前行,因?yàn)樘O(píng)果自己也收集不到推進(jìn)其 AI 人工智能發(fā)展所需的大數(shù)據(jù),直到現(xiàn)在依然如此。AI 的全新開(kāi)始,并非重新開(kāi)始

在今天移動(dòng)互聯(lián)網(wǎng)時(shí)代數(shù)據(jù)爆炸,大數(shù)據(jù)的出現(xiàn)讓 AI 人工智能變得越來(lái)越好用。雖然很多移動(dòng)設(shè)備的數(shù)據(jù)可以在云計(jì)算中得到更深入的分析,因?yàn)橛欣?Google TPU,NVIDIA Volta 這種強(qiáng)大的 AI 運(yùn)算解決方案。但問(wèn)題是,數(shù)據(jù)需要花費(fèi)一定時(shí)間才能到達(dá)云端,而蘋(píng)果考慮隱私不會(huì)將數(shù)據(jù)傳到云端,因此讓一款移動(dòng)設(shè)備提供略微接近云硬件的計(jì)算性能相當(dāng)用必要。蘋(píng)果在發(fā)布會(huì)上解釋稱(chēng),有一種 AI 人工智能叫作機(jī)器學(xué)習(xí),即讓設(shè)備通過(guò)觀察的方式進(jìn)行學(xué)習(xí)。因此,一枚移動(dòng) SoC 芯片中,應(yīng)該有專(zhuān)門(mén)負(fù)責(zé)虛擬神經(jīng)元和深度學(xué)習(xí)的 AI 處理單元,而神經(jīng)網(wǎng)絡(luò)引擎就是專(zhuān)為機(jī)器學(xué)習(xí)而開(kāi)發(fā)的硬件,它不僅能執(zhí)行神經(jīng)網(wǎng)絡(luò)所需的高速運(yùn)算,而且具有杰出的能效。

簡(jiǎn)而言之,通過(guò)神經(jīng)網(wǎng)絡(luò)引擎能夠擔(dān) CPU 和 GPU 的任務(wù),大幅提升芯片的運(yùn)算效率,以更少的能耗更快的完成更多任務(wù)。在 A11 仿生中,蘋(píng)果自家的神經(jīng)網(wǎng)絡(luò)引擎采用雙核設(shè)計(jì),兩個(gè)核心專(zhuān)為 AI 人工智能特定的機(jī)器學(xué)習(xí)算法而設(shè)計(jì)的,實(shí)時(shí)處理過(guò)程中,每秒運(yùn)算次數(shù)最高可達(dá) 6000 億次。蘋(píng)果表示,神經(jīng)網(wǎng)絡(luò)可以在 CPU 主處理單元或 GPU 圖形處理單元上運(yùn)行,但對(duì)于這種神經(jīng)網(wǎng)絡(luò)類(lèi)型的編程模型,利用針對(duì)這些應(yīng)用的定制芯片,在執(zhí)行相同任務(wù)時(shí),它將比使用圖形引擎更加節(jié)能。神經(jīng)網(wǎng)絡(luò)引擎的神秘之處在于,它能夠處理矩陣乘法和浮點(diǎn)處理的能力,分擔(dān) CPU 和 GPU 之外的特定任務(wù),實(shí)現(xiàn)了硬件性能大幅改善。

其實(shí)蘋(píng)果很早就十分清楚移動(dòng) AI 處理單元的趨勢(shì)。幾天前,蘋(píng)果硬件技術(shù)高級(jí)副總裁斯強(qiáng)尼·斯洛基接受采訪時(shí)表示,3 年前發(fā)布搭載 A8 芯片的 iPhone 6 時(shí),蘋(píng)果就已經(jīng)在開(kāi)發(fā) A11 仿生芯片了,然而三年前移動(dòng)行業(yè)關(guān)于 AI 和機(jī)器學(xué)習(xí)的話(huà)題還不多。斯強(qiáng)尼·斯洛基特別強(qiáng)調(diào),“內(nèi)置神經(jīng)網(wǎng)絡(luò)引擎是蘋(píng)果在 3 年打的一個(gè)賭。”神經(jīng)網(wǎng)絡(luò)引擎服務(wù)于現(xiàn)在和未來(lái)蘋(píng)果稱(chēng),有了“神經(jīng)網(wǎng)絡(luò)引擎服”的 A11 變得十分智能,因?yàn)槟軌虬言贫嘶诖髷?shù)據(jù)深度學(xué)習(xí)訓(xùn)練成型的神經(jīng)網(wǎng)絡(luò)傳輸?shù)绞謾C(jī)中,與本地的神經(jīng)網(wǎng)絡(luò)引擎結(jié)合提供完整的 AI 知識(shí)和能力。而對(duì)于本地的 AI 人工智能處理,目前神經(jīng)網(wǎng)絡(luò)引擎已勝任諸多任務(wù),包括更智能的夠識(shí)別人物、地點(diǎn)和物體,為“面容 ID”和“動(dòng)話(huà)表情”等創(chuàng)新的功能提供強(qiáng)大的性能等等。

其中對(duì)于 iPhone X 的“面容 ID”就運(yùn)用到了智能面部識(shí)別和機(jī)器學(xué)習(xí)這些 AI 人工智能技術(shù)。其原深感攝像頭系統(tǒng),通過(guò)泛光感應(yīng)元件會(huì)借助不可見(jiàn)的紅外光線,來(lái)“照亮”識(shí)別人的臉,然后點(diǎn)陣投影器將 30000 多個(gè)肉眼不可見(jiàn)的光點(diǎn)投影在人臉部,繪制出精確細(xì)致、獨(dú)一無(wú)二的深度面譜,而紅外攝像頭會(huì)探測(cè)點(diǎn)陣反射的細(xì)微變化,讀取點(diǎn)陣圖案,捕捉它的紅外圖像數(shù)據(jù)。關(guān)鍵是,被捕捉到的這些非常精確的紅外圖像和點(diǎn)陣圖案的深度數(shù)據(jù),將會(huì)被發(fā)送至 A11 仿生這枚芯片中的神經(jīng)網(wǎng)絡(luò),創(chuàng)建臉部的數(shù)學(xué)模型,再將這些精準(zhǔn)繪制面譜的數(shù)據(jù)發(fā)送至安全隔區(qū),以確認(rèn)數(shù)據(jù)是否匹配。蘋(píng)果從來(lái)不會(huì)將生物識(shí)別的數(shù)據(jù)傳輸?shù)骄W(wǎng)絡(luò)上,面容 ID 功能的面譜數(shù)據(jù)同樣如此。與此同時(shí),面容 ID 功能在神經(jīng)網(wǎng)絡(luò)引擎的 AI 人工智能技術(shù)下,就算人臉的樣貌隨著時(shí)間而改變,也能隨之進(jìn)行調(diào)整適應(yīng),哪怕是化妝、卸妝、戴上眼鏡、帽子或留起胡須時(shí)也能一眼認(rèn)出。一般使用照片或面具這種欺騙性手段來(lái)破解面容 ID,在 AI 技術(shù)下基本是不可能的事情。AI 技術(shù)除了服務(wù)于面容 ID 之外,新一代 iPhone 的相機(jī)系統(tǒng)也受益于此。例如人像模式自拍現(xiàn)在有了神經(jīng)網(wǎng)絡(luò)引擎的 AI 技術(shù)加持,景深虛化效果更加突出,而且所延伸出的“人像光效”這一特性,也利用到了 AI 復(fù)雜的算法,計(jì)算出容貌特征會(huì)怎樣受到光線影響,利用數(shù)據(jù)創(chuàng)造出色的光效。至于“動(dòng)話(huà)表情”,AI 技術(shù)能夠讓捕捉到的運(yùn)動(dòng)更準(zhǔn)確的分析肌肉運(yùn)動(dòng),以便于重現(xiàn)神態(tài)。當(dāng)然了,A11 的神經(jīng)網(wǎng)絡(luò)引擎是是蘋(píng)果 AR 增強(qiáng)現(xiàn)實(shí)體驗(yàn)和 Siri 私人助理的核心,而且未來(lái)還將運(yùn)用到更多方面,并擴(kuò)展到更多蘋(píng)果生態(tài)的領(lǐng)域當(dāng)中,包括醫(yī)療健康相關(guān)應(yīng)用、無(wú)人駕駛汽車(chē)系統(tǒng)、Apple Watch、Apple TV 和 HomePod 音箱等,讓更多原本生硬的設(shè)備也能采用與人類(lèi)同樣的方式進(jìn)行交互,變得真正會(huì)思考。注重隱私的情況下,蘋(píng)果 AI 將持續(xù)進(jìn)步蘋(píng)果是手機(jī)行業(yè)最早踏入 AI 人工智能領(lǐng)域廠商之一,早在 2011 年就已經(jīng)在 iPhone 當(dāng)中首度集成 Siri 智能助理,為其提供相應(yīng)的語(yǔ)音識(shí)別支持。A11 仿生芯片的亮相是蘋(píng)果在 AI 人工智能領(lǐng)域的又一大動(dòng)作,其神經(jīng)網(wǎng)絡(luò)引擎標(biāo)志著全新的開(kāi)始。盡管蘋(píng)果 AI 人工智能目前仍落后于其他競(jìng)爭(zhēng)對(duì)手,但利用神經(jīng)網(wǎng)絡(luò)引擎這種新的方式,蘋(píng)果可以做到不侵犯用戶(hù)隱私的情況下加速發(fā)展。A11 仿生芯片集成的神經(jīng)網(wǎng)絡(luò)引擎,主要針對(duì)本地大量的數(shù)據(jù)處理,配合芯片本身強(qiáng)勁的處理能力,大幅提升認(rèn)知能力,為用戶(hù)本地提供最直達(dá)的服務(wù),隱私數(shù)據(jù)本地處理的安全性毋庸置疑。而在本地 AI 處理能力強(qiáng)勁的情況下,還能配合發(fā)展多年的云端 AI 數(shù)據(jù)協(xié)同展開(kāi),進(jìn)一步為設(shè)備提供完整的、高效的體驗(yàn)。

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 蘋(píng)果
    +關(guān)注

    關(guān)注

    61

    文章

    24547

    瀏覽量

    204115

原文標(biāo)題:A11神經(jīng)網(wǎng)絡(luò)引擎 成就蘋(píng)果AI的巨大飛躍

文章出處:【微信號(hào):eetop-1,微信公眾號(hào):EETOP】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)在多個(gè)方面存在顯著差異,以下是對(duì)兩者的比較: 一、結(jié)構(gòu)特點(diǎn) BP神經(jīng)網(wǎng)絡(luò) : BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 02-12 15:53 ?686次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)分析

    BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network)作為一種常用的機(jī)器學(xué)習(xí)模型,具有顯著的優(yōu)點(diǎn),同時(shí)也存在一些不容忽視的缺點(diǎn)。以下是對(duì)BP神經(jīng)網(wǎng)絡(luò)優(yōu)缺點(diǎn)的分析: 優(yōu)點(diǎn)
    的頭像 發(fā)表于 02-12 15:36 ?938次閱讀

    什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法

    BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法(Backpropagation Algorithm)是一種用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的有效方法。以下是關(guān)于BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法的介紹: 一、基本概念 反向傳播算法是BP
    的頭像 發(fā)表于 02-12 15:18 ?781次閱讀

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)之間存在著密切的關(guān)系,以下是對(duì)它們之間關(guān)系的介紹: 一、BP神經(jīng)網(wǎng)絡(luò)的基本概念 BP神經(jīng)網(wǎng)絡(luò),即反向傳播神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural N
    的頭像 發(fā)表于 02-12 15:15 ?875次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的基本原理

    BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network)的基本原理涉及前向傳播和反向傳播兩個(gè)核心過(guò)程。以下是關(guān)于BP神經(jīng)網(wǎng)絡(luò)基本原理的介紹: 一、網(wǎng)絡(luò)結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 02-12 15:13 ?878次閱讀

    深度學(xué)習(xí)入門(mén):簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的構(gòu)建與實(shí)現(xiàn)

    深度學(xué)習(xí)中,神經(jīng)網(wǎng)絡(luò)是核心模型。今天我們用 Python 和 NumPy 構(gòu)建一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)由多個(gè)神經(jīng)元組成,神經(jīng)元之間通過(guò)
    的頭像 發(fā)表于 01-23 13:52 ?540次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

    在上一篇文章中,我們介紹了傳統(tǒng)機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)和多種算法。在本文中,我們會(huì)介紹人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法,供各位老師選擇。 01 人工神經(jīng)網(wǎng)絡(luò) ? 人工神經(jīng)網(wǎng)絡(luò)模型之所
    的頭像 發(fā)表于 01-09 10:24 ?1221次閱讀
    人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    在深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識(shí)別、自然語(yǔ)言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常見(jiàn)的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 11-15 14:53 ?1891次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)領(lǐng)域中的一種強(qiáng)大工具,它們能夠模擬人腦處理信息的方式。隨著技術(shù)的發(fā)展,神經(jīng)網(wǎng)絡(luò)的類(lèi)型也在不斷增加,其中循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)(如前饋
    的頭像 發(fā)表于 11-15 09:42 ?1142次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與工作機(jī)制

    LSTM(Long Short-Term Memory,長(zhǎng)短期記憶)神經(jīng)網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),設(shè)計(jì)用于解決長(zhǎng)期依賴(lài)問(wèn)題,特別是在處理時(shí)間序列數(shù)據(jù)時(shí)表現(xiàn)出色。以下是LSTM神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 11-13 10:05 ?1646次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)RNN的區(qū)別

    在深度學(xué)習(xí)領(lǐng)域,循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)因其能夠處理序列數(shù)據(jù)而受到廣泛關(guān)注。然而,傳統(tǒng)RNN在處理長(zhǎng)序列時(shí)存在梯度消失或梯度爆炸的問(wèn)題。為了解決這一問(wèn)題,LSTM(長(zhǎng)短期記憶)神經(jīng)網(wǎng)絡(luò)應(yīng)運(yùn)而生。 循環(huán)
    的頭像 發(fā)表于 11-13 09:58 ?1228次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的基本原理 如何實(shí)現(xiàn)LSTM神經(jīng)網(wǎng)絡(luò)

    LSTM(長(zhǎng)短期記憶)神經(jīng)網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),它能夠?qū)W習(xí)長(zhǎng)期依賴(lài)信息。在處理序列數(shù)據(jù)時(shí),如時(shí)間序列分析、自然語(yǔ)言處理等,LSTM因其能夠有效地捕捉時(shí)間序列中的長(zhǎng)期依賴(lài)關(guān)系而受到
    的頭像 發(fā)表于 11-13 09:53 ?1605次閱讀

    Moku人工神經(jīng)網(wǎng)絡(luò)101

    Moku3.3版更新在Moku:Pro平臺(tái)新增了全新的儀器功能【神經(jīng)網(wǎng)絡(luò)】,使用戶(hù)能夠在Moku設(shè)備上部署實(shí)時(shí)機(jī)器學(xué)習(xí)算法,進(jìn)行快速、靈活的信號(hào)分析、去噪、傳感器調(diào)節(jié)校準(zhǔn)、閉環(huán)反饋等應(yīng)用。如果您
    的頭像 發(fā)表于 11-01 08:06 ?678次閱讀
    Moku人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>101

    關(guān)于卷積神經(jīng)網(wǎng)絡(luò),這些概念你厘清了么~

    隨著人工智能(AI)技術(shù)的快速發(fā)展,AI可以越來(lái)越多地支持以前無(wú)法實(shí)現(xiàn)或者難以實(shí)現(xiàn)的應(yīng)用。本文基于此解釋了 卷積神經(jīng)網(wǎng)絡(luò) (CNN)及其對(duì)人工智能和機(jī)器學(xué)習(xí)的意義。CNN是一種能夠從復(fù)雜數(shù)據(jù)中提
    發(fā)表于 10-24 13:56

    matlab 神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析

    matlab神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析 精通的可以討論下
    發(fā)表于 09-18 15:14