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
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

人工神經(jīng)網(wǎng)絡(luò)識別9萬張圖像,數(shù)小時發(fā)現(xiàn)6883個新隕石坑

DPVg_AI_era ? 來源:未知 ? 作者:李倩 ? 2018-03-20 14:06 ? 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

最近,美國和加拿大的研究人員用人工智能發(fā)現(xiàn)了月球上近7000個此前未被發(fā)現(xiàn)的隕石坑,僅用時幾個小時。未來,人類將有可能在這些隕石坑巨大的陰影下建立月球基地。

人類離開地球后的第一個家園可能很快就會被找到。

最近,美國賓夕法尼亞州立大學(xué)的Ari Silburt和加拿大多倫多大學(xué)的Mohamad Ali-Dib領(lǐng)導(dǎo)的研究小組,利用人工智能發(fā)現(xiàn)了月球上近7000個此前未被發(fā)現(xiàn)的隕石坑,僅用時幾個小時。

專家說,未來,人類可以在隕石坑巨大的陰影下建立月球基地,這樣可以保護殖民者免受太陽輻射的危險。

人工神經(jīng)網(wǎng)絡(luò)識別9萬張圖像,數(shù)小時發(fā)現(xiàn)6883個新隕石坑

過去,人們在計算月球上的隕石坑時,需要手動查看圖像,找到并計算隕石坑的數(shù)量,然后根據(jù)圖像大小計算它們的實際大小。

研究人員也曾嘗試過開發(fā)算法來識別和計算月球隕石坑,但是當它們用于新的、以前看不見的隕石坑時,往往表現(xiàn)不佳。

Ali-Dib和他的同事開發(fā)的算法可以很好地發(fā)現(xiàn)不容易識別的月球,甚至水星等其他星球上的隕石坑。

該算法經(jīng)過訓(xùn)練以識別火山口的邊緣,然后對照先前發(fā)現(xiàn)的火山口的數(shù)據(jù)庫進行檢查,算法使用這些信息來確認新的形狀符合已知的火山口形狀。這使得算法可以區(qū)分隕石坑和其他地質(zhì)形狀,包括山脈和山脊。

為了確定其準確性,研究團隊首先在覆蓋三分之二的月球的大型數(shù)據(jù)集上訓(xùn)練神經(jīng)網(wǎng)絡(luò),然后在余下三分之一的月球上測試他們的訓(xùn)練網(wǎng)絡(luò)。最終的結(jié)果表現(xiàn)非常好,它能夠識別兩倍于傳統(tǒng)手動計數(shù)的隕石坑。而實際上上,它能夠在月球上識別出約7000個以前不明的隕石坑。

專家將90000幅月球表面圖像輸入到人造神經(jīng)網(wǎng)絡(luò),并對圖像進行分類并確定直徑大于5公里的隕石坑。這張圖片顯示了AI在非月亮照片上的識別能力。

當機器進行測試時,它找到了6883個新隕石坑,使這個尺寸的已知隕石坑總數(shù)增加了一倍。該圖像顯示原始圖像(左),AI對火山口位置(中心)的預(yù)測以及這些預(yù)測疊加在原始圖像上(右圖)

然而,人工智能確實不時出現(xiàn)失誤,錯誤地識別出了一些隕石坑,而忽略了其他的隕石坑。大約四分之一正確識別的隕石坑的真實位置沒有顯示(紅色)

Silburt博士說,一旦模型有了更多的改進,AI就可以用來發(fā)現(xiàn)成千上萬、身份不明的5公里以下的隕石坑。

未來,Ali-Dib表示計劃將進一步改進算法,使研究人員能夠找到更多的隕石坑,并在其他太陽系體如火星、谷神星(Ceres)、木星和土星的衛(wèi)星上使用。

通過隕石坑研究太陽系,2030年人類登月找到定居點?

了解隕石坑在月球上的大小和位置非常重要,因為它為我們的太陽系歷史提供了一個研究窗口。 Ali-Dib指出,通過研究各種形狀、大小和年齡的撞擊坑,研究人員可以更好地了解太陽系早期發(fā)生的物質(zhì)分布和物理現(xiàn)象。

由于月球沒有大氣、板塊構(gòu)造和水,所以幾乎沒有受到地表侵蝕,因此一些隕石坑的形成時間可以達到40億年。大隕石坑的年齡也可以通過計算里面有多少個小隕石坑來確定。

LRO拍攝的月球隕石坑

這次研究使用的許多圖像是通過美國國家航空航天局的月球偵察軌道飛行器(Lunar Reconnaissance Orbiter ,LRO)獲取,該飛行器在2009年發(fā)射升空,這是美國“重返月球”計劃的第一步,為美國下一步載人探月以及探索太陽系提供重要數(shù)據(jù)。

LRO返回月球全部數(shù)據(jù),如日間溫度地圖、月球大地測量網(wǎng)格、高分辨率彩色成像和月球的UV反照率(這是衡量太陽輻射被天文物體反射回太空中的比例的測量值)。

月球偵察軌道飛行器LRO(意境圖)

LRO有助于確定月球上潛在資源點,具有極高的科學(xué)價值,資源點能夠為人類提供良好的地形和未來機器人和人類執(zhí)行月球任務(wù)所需的安全環(huán)境。

歐洲航天局推動的“月球村”計劃大使Bernard Foing教授曾表示,到2030年,可能會有六到十個人類先驅(qū)者在月球上找到定居點,到2040年人類在月球上的數(shù)量可能增長到100人。

Bernard Foing

“到了2050年,可能會有一千人,然后......自然你可以設(shè)想讓家人在那里工作。”Bernard Foing說。

Bernard Foing認為,潛在的月球資源包括玄武巖,這是一種火山巖,它可用作打印3D衛(wèi)星的原材料。這些衛(wèi)星可以從月球上發(fā)射,因為其重力只有地球的一小部分。

未來人類月球定居點(意境圖)

此外,月球還擁有氦3,這是我們這個星球上罕見的同位素,它理論上可以用來為地球產(chǎn)生更清潔,更安全的核能。

月球上的水被凝結(jié)在月亮兩極的冰上,而水可以分離成氫氣和氧氣,兩種氣體在混合時會爆炸——這能提供火箭燃料。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。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)問題,請聯(lián)系本站處理。 舉報投訴

原文標題:【月球殖民靠AI】神經(jīng)網(wǎng)絡(luò)發(fā)現(xiàn)7000個新隕石坑,人類2030年或找到月球定居點

文章出處:【微信號:AI_era,微信公眾號:新智元】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

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

    評論

    相關(guān)推薦
    熱點推薦

    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)在多個方面存在顯著差異,以下是對兩者的比較: 一、結(jié)構(gòu)特點 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 ?662次閱讀

    BP神經(jīng)網(wǎng)絡(luò)圖像識別中的應(yīng)用

    BP神經(jīng)網(wǎng)絡(luò)圖像識別中發(fā)揮著重要作用,其多層結(jié)構(gòu)使得網(wǎng)絡(luò)能夠?qū)W習(xí)到復(fù)雜的特征表達,適用于處理非線性問題。以下是對BP神經(jīng)網(wǎng)絡(luò)圖像識別中應(yīng)
    的頭像 發(fā)表于 02-12 15:12 ?673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)機器學(xué)習(xí)的基礎(chǔ)知識和多種算法。在本文中,我們會介紹人工神經(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
    的頭像 發(fā)表于 01-09 10:24 ?1184次閱讀
    <b class='flag-5'>人工</b><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)在自然語言處理中的應(yīng)用

    自然語言處理是人工智能領(lǐng)域的一重要分支,它致力于使計算機能夠理解、解釋和生成人類語言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)作為一種強大的模型,在圖像識別和語音處理等領(lǐng)域取
    的頭像 發(fā)表于 11-15 14:58 ?803次閱讀

    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),如圖像識別、自然語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)是兩種常見的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)
    的頭像 發(fā)表于 11-15 14:53 ?1866次閱讀

    深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)模型

    深度學(xué)習(xí)近年來在多個領(lǐng)域取得了顯著的進展,尤其是在圖像識別、語音識別和自然語言處理等方面。卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)的一分支,因其在圖像處理
    的頭像 發(fā)表于 11-15 14:52 ?844次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的基本原理與算法

    ),是深度學(xué)習(xí)的代表算法之一。 一、基本原理 卷積運算 卷積運算是卷積神經(jīng)網(wǎng)絡(luò)的核心,用于提取圖像中的局部特征。 定義卷積核:卷積核是一小的矩陣,用于在輸入圖像上滑動,提取局部特征。
    的頭像 發(fā)表于 11-15 14:47 ?1773次閱讀

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

    傳統(tǒng)神經(jīng)網(wǎng)絡(luò)(前饋神經(jīng)網(wǎng)絡(luò)) 2.1 結(jié)構(gòu) 傳統(tǒng)神經(jīng)網(wǎng)絡(luò),通常指的是前饋神經(jīng)網(wǎng)絡(luò)(Feedforward Neural Networks, FNN),是一種最簡單的
    的頭像 發(fā)表于 11-15 09:42 ?1125次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)圖像處理中的應(yīng)用

    長短期記憶(LSTM)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)長期依賴關(guān)系。雖然LSTM最初是為處理序列數(shù)據(jù)設(shè)計的,但近年來,它在圖像處理領(lǐng)域也展現(xiàn)出了巨大的潛力。 LSTM基本原理
    的頭像 發(fā)表于 11-13 10:12 ?1615次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)在語音識別中的應(yīng)用實例

    語音識別技術(shù)是人工智能領(lǐng)域的一重要分支,它使計算機能夠理解和處理人類語言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,特別是長短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)的引入,語音
    的頭像 發(fā)表于 11-13 10:03 ?1849次閱讀

    Moku人工神經(jīng)網(wǎng)絡(luò)101

    不熟悉神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識,或者想了解神經(jīng)網(wǎng)絡(luò)如何優(yōu)化加速實驗研究,請繼續(xù)閱讀,探索基于深度學(xué)習(xí)的現(xiàn)代智能化實驗的廣闊應(yīng)用前景。什么是神經(jīng)網(wǎng)絡(luò)?“人工
    的頭像 發(fā)表于 11-01 08:06 ?662次閱讀
    Moku<b class='flag-5'>人工</b><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~

    必須通過決策閾值做出決定。 另一區(qū)別是AI并不依賴固定的規(guī)則,而是要經(jīng)過訓(xùn)練。訓(xùn)練過程需要將大量貓的圖像展示給神經(jīng)網(wǎng)絡(luò)以供其學(xué)習(xí)。最終,神經(jīng)網(wǎng)絡(luò)將能夠獨立
    發(fā)表于 10-24 13:56

    【飛凌嵌入式OK3576-C開發(fā)板體驗】RKNN神經(jīng)網(wǎng)絡(luò)-車牌識別

    LPRNet基于深層神經(jīng)網(wǎng)絡(luò)設(shè)計,通過輕量級的卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)車牌識別。它采用端到端的訓(xùn)練方式,不依賴字符分割,能夠直接處理整車牌圖像,并
    發(fā)表于 10-10 16:40

    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。 算力測試TinyMaix
    發(fā)表于 08-09 18:26

    FPGA在深度神經(jīng)網(wǎng)絡(luò)中的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network, DNN)作為其核心算法之一,在圖像識別、語音識別、自然語言處理等領(lǐng)域取得了顯著成果。然而,傳統(tǒng)的深度
    的頭像 發(fā)表于 07-24 10:42 ?1200次閱讀