如何通過人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)產(chǎn)生詩歌
戴維·杰夫·約翰斯頓（David Jhave Johnston）表示：“這令人難以理解，它是一堵大墻，就像一道懸崖，然后開始迅速變化?！薄肮鈽?biāo)在寂靜的早上6點(diǎn)像鑿子一樣工作?！?/p>
數(shù)字詩人出版了12本人工智能詩集。作為他的實(shí)踐的一部分，這位數(shù)字詩人在一年的時(shí)間里每天花兩個(gè)小時(shí)來進(jìn)行雕刻，這是他創(chuàng)造的一個(gè)名詞，用來描述他剪掉計(jì)算機(jī)生成的文本中不需要的部分的方式。
10月24日，約翰斯頓在《 Anteism Books》上展示了他如何通過人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)產(chǎn)生詩歌。
在昏暗的空間中，約翰斯頓切開了數(shù)行數(shù)字化的文本塊。他邀請(qǐng)聽眾成員和詩人與他一起雕刻文字。人們一下子大喊大叫，使藝術(shù)混亂。
詩人西蒙·布朗（Simon Brown），塔妮·戴維斯（Tanya Davis）和維多利亞·斯坦頓（Victoria Stanton）從投影屏幕上翻滾的摘錄中朗讀，試圖追上單詞的沉淀，并在此過程中用聲音雕刻出來。
約翰斯頓在詩歌朗誦之前說：“以下算法表達(dá)的觀點(diǎn)和觀點(diǎn)是人類語料庫和統(tǒng)計(jì)分析的結(jié)合而自發(fā)產(chǎn)生的，并不一定反映工具或藝術(shù)家的觀點(diǎn)，即我或其他人的觀點(diǎn)。誰在讀它們?！?/p>
布朗在表演期間淡入和淡出亞歷山大·圣昂格產(chǎn)生的電子聲音之間的交流。
單詞，句子和聲音沒有連貫性地組合在一起。
至于戴維斯，她毫不猶豫地閱讀。她的聲音在AI產(chǎn)生的洪流中爆發(fā)，隨著單詞在屏幕上迅速掉落，她隨隨便便地聽了。
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(diǎn)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(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4838瀏覽量
107834 -
算法
+關(guān)注
關(guān)注
23文章
4784瀏覽量
98088 -
人工智能
+關(guān)注
關(guān)注
1817文章
50102瀏覽量
265523
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)
日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí)，而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu)，特別是大腦中神經(jīng)
NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹
NMSIS NN 軟件庫是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核，旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。
該庫分為多個(gè)功能，每個(gè)功能涵蓋特定類別
發(fā)表于 10-29 06:08
在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)
本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開發(fā)IDE，以TensorFlow2為訓(xùn)練框架，目標(biāo)是訓(xùn)練一個(gè)手寫數(shù)字識(shí)別的神經(jīng)網(wǎng)絡(luò)
發(fā)表于 10-22 07:03
CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作
在完成神經(jīng)網(wǎng)絡(luò)量化后，需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。
在仿真環(huán)境下，可將其存于一個(gè)文件，并在 Verilog 代碼中通過 readmemh 函數(shù)
發(fā)表于 10-20 08:00
人工智能工程師高頻面試題匯總：循環(huán)神經(jīng)網(wǎng)絡(luò)篇(題目+答案)
后臺(tái)私信雯雯老師，備注：循環(huán)神經(jīng)網(wǎng)絡(luò)，領(lǐng)取更多相關(guān)面試題隨著人工智能技術(shù)的突飛猛進(jìn)，AI工程師成為了眾多求職者夢寐以求的職業(yè)。想要拿下這份工作，面試的時(shí)候得展示出你不僅技術(shù)過硬，還得能解決問題。所以
液態(tài)神經(jīng)網(wǎng)絡(luò)（LNN）：時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)
神經(jīng)元，但卻能產(chǎn)生復(fù)雜的行為。受此啟發(fā)，與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比，LNN旨在通過模擬大腦中神經(jīng)元之間的動(dòng)態(tài)連接來處理信息，這種
神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)
隨著人工智能技術(shù)的飛速發(fā)展，神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而，神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加，這使得傳統(tǒng)的串行計(jì)算方式面臨著巨大的挑戰(zhàn)，如計(jì)算速度慢、訓(xùn)練時(shí)間長等
基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真模型解決方案
在基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真（DPD）模型中，使用不同的激活函數(shù)對(duì)整個(gè)系統(tǒng)性能和能效有何影響？
無刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測方法的研究
摘要:論文通過對(duì)無刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)轉(zhuǎn)角預(yù)測,并采用改進(jìn)遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
發(fā)表于 06-25 13:06
神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用
摘要:針對(duì)傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合
發(fā)表于 06-16 22:09
神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究
眾多方法中，由于其結(jié)構(gòu)簡單，穩(wěn)定性好廣泛受到人們的重視，且已被用于產(chǎn)品開發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，使估計(jì)更為簡單、快速
發(fā)表于 06-16 21:54
基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析
本文的目的是在一個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出，然后通過python程序?qū)xt文件轉(zhuǎn)化為coe
MAX78000采用超低功耗卷積神經(jīng)網(wǎng)絡(luò)加速度計(jì)的人工智能微控制器技術(shù)手冊(cè)
人工智能(AI)需要超強(qiáng)的計(jì)算能力，而Maxim則大大降低了AI計(jì)算所需的功耗。MAX78000是一款新型的AI微控制器，使神經(jīng)網(wǎng)絡(luò)能夠在互聯(lián)網(wǎng)邊緣端以超低功耗運(yùn)行，將高能效的AI處理與經(jīng)過驗(yàn)證
MAX78002帶有低功耗卷積神經(jīng)網(wǎng)絡(luò)加速器的人工智能微控制器技術(shù)手冊(cè)
人工智能(AI)需要超強(qiáng)的計(jì)算能力，而Maxim則大大降低了AI計(jì)算所需的功耗。MAX78002是一款新型的AI微控制器，使神經(jīng)網(wǎng)絡(luò)能夠在互聯(lián)網(wǎng)邊緣端以超低功耗運(yùn)行，將高能效的AI處理與經(jīng)過驗(yàn)證
NVIDIA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能
近日，NVIDIA 宣布了 NVIDIA RTX 神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能。NVIDIA 與微軟合作，將在 4 月的 Microsoft DirectX 預(yù)覽版中增加神經(jīng)網(wǎng)絡(luò)著色技術(shù)，讓開
工商網(wǎng)監(jiān)
評(píng)論