空中客車使用MATLAB設(shè)計(jì)基于FPGA的機(jī)載深度學(xué)習(xí)處理器

現(xiàn)代空間飛行器必須持續(xù)監(jiān)控遙測(cè)數(shù)據(jù)，并檢測(cè)或預(yù)測(cè)傳感器數(shù)據(jù)中的任何異常行為。

2024-03-28 標(biāo)簽：處理器FPGAmatlab 1.5k 0

深入解析PCIe及其在芯片行業(yè)的重要性

PCIE的結(jié)構(gòu)是一種分層的設(shè)計(jì)，旨在確保模塊化和靈活性，同時(shí)提供強(qiáng)大的性能。

2024-03-21 標(biāo)簽：pci總線服務(wù)器PCIe 4.8k 0

BP神經(jīng)網(wǎng)絡(luò)算法的基本流程

訓(xùn)練經(jīng)過約50次左右迭代，在訓(xùn)練集上已經(jīng)能達(dá)到99%的正確率，在測(cè)試集上的正確率為90.03%，單純的BP神經(jīng)網(wǎng)絡(luò)能夠提升的空間不大了，但kaggle上...

2024-03-20 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò) 4.3k 0

深度學(xué)習(xí)檢測(cè)小目標(biāo)常用方法

深度學(xué)習(xí)的效果在某種意義上是靠大量數(shù)據(jù)喂出來的，小目標(biāo)檢測(cè)的性能同樣也可以通過增加訓(xùn)練集中小目標(biāo)樣本的種類和數(shù)量來提升。

2024-03-18 標(biāo)簽：分辨率分類器機(jī)器學(xué)習(xí) 1.3k 0

人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)之間有何關(guān)系？

說到近些年的火熱名詞，“人工智能”必須榜上有名。隨著去年ChatGPT爆火出圈，“AI（Artificial Intelligence，人工智能）”屢次...

2024-03-14 標(biāo)簽：機(jī)器人人工智能機(jī)器學(xué)習(xí) 1.6k 0

為何GPU在AI訓(xùn)練中不可或缺？

人工智能在早期誕生了一個(gè)“不甚成功”的流派，叫做“人工神經(jīng)網(wǎng)絡(luò)”。這個(gè)技術(shù)的思路是，人腦的智慧無與倫比，要實(shí)現(xiàn)高級(jí)的人工智能，模仿人腦就是不二法門。

2024-03-12 標(biāo)簽：gpuAI人工智能 1.3k 0

AI芯片的技術(shù)原理與架構(gòu)

人工神經(jīng)網(wǎng)絡(luò)模型 AI芯片的核心原理基于人工神經(jīng)網(wǎng)絡(luò)，其中芯片內(nèi)部的處理單元模擬了生物神經(jīng)元的工作機(jī)制。每一個(gè)處理單元能夠獨(dú)立進(jìn)行復(fù)雜的數(shù)學(xué)運(yùn)算，例如權(quán)...

2024-03-12 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)神經(jīng)元機(jī)器學(xué)習(xí) 7.8k 0

深度學(xué)習(xí)在偏振圖像融合領(lǐng)域的研究進(jìn)展與現(xiàn)狀

基于多尺度變換（MST）的偏振圖像融合方法研究開始較早且應(yīng)用廣泛。2016年，中北大學(xué)提出一種紅外偏振與強(qiáng)度圖像融合算法，融合結(jié)果能夠保留紅外強(qiáng)度圖像的...

2024-03-11 標(biāo)簽：圖像融合光譜圖像深度學(xué)習(xí) 2.6k 0

AI芯片架構(gòu)誰將問鼎江湖？

Al算力對(duì)高效電源提出新需求，背面供電技術(shù)蓄勢(shì)待發(fā)：越來越高度化的集成會(huì)造成針對(duì)加速芯片的電源解決方案越來越復(fù)雜，方案需要不同電壓、不同路的多路輸入，這...

2024-03-05 標(biāo)簽：gpu深度學(xué)習(xí)AI芯片 855 0

AI驅(qū)動(dòng)的雷達(dá)目標(biāo)檢測(cè)：前沿技術(shù)與實(shí)現(xiàn)策略

傳統(tǒng)的雷達(dá)目標(biāo)檢測(cè)方法，主要圍繞雷達(dá)回波信號(hào)的統(tǒng)計(jì)特性進(jìn)行建模，進(jìn)而在噪聲和雜波的背景下對(duì)目標(biāo)存在與否進(jìn)行判決，常用的典型算法如似然比檢測(cè)（LRT）、檢...

2024-03-01 標(biāo)簽：AI計(jì)算機(jī)視覺光學(xué)圖像 5.1k 0

什么是RNN （循環(huán)神經(jīng)網(wǎng)絡(luò)）？

循環(huán)神經(jīng)網(wǎng)絡(luò) (RNN) 是一種深度學(xué)習(xí)結(jié)構(gòu)，它使用過去的信息來提高網(wǎng)絡(luò)處理當(dāng)前和將來輸入的性能。RNN 的獨(dú)特之處在于該網(wǎng)絡(luò)包含隱藏狀態(tài)和循環(huán)。

2024-02-29 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)rnn 5.6k 0

利用CXL技術(shù)重構(gòu)基于RDMA的內(nèi)存解耦合

本文提出了一種基于RDMA和CXL的新型低延遲、高可擴(kuò)展性的內(nèi)存解耦合系統(tǒng)Rcmp。其顯著特點(diǎn)是通過CXL提高了基于RDMA系統(tǒng)的性能，并利用RDMA克...

2024-02-29 標(biāo)簽：數(shù)據(jù)中心PCIe通信機(jī)制 7.8k 0

什么是自動(dòng)語音識(shí)別（ASR）？如何使用深度學(xué)習(xí)和GPU加速ASR

ASR 是自然語言中一項(xiàng)頗具挑戰(zhàn)性的任務(wù)，它由語音分割、聲學(xué)建模和語言建模等一系列子任務(wù)組成，根據(jù)噪聲和未分割的輸入數(shù)據(jù)形成預(yù)測(cè)（標(biāo)簽序列）。

2024-02-28 標(biāo)簽：NVIDIAgpuAI 9.8k 0

嘈雜環(huán)境下評(píng)估機(jī)械臂動(dòng)作識(shí)別性能的策略與方法

本文探討了在嘈雜環(huán)境中利用機(jī)器學(xué)習(xí)技術(shù)進(jìn)行機(jī)械臂動(dòng)作識(shí)別的問題。通過使用視覺系統(tǒng)和深度學(xué)習(xí)模型，作者提出的方法在3x3網(wǎng)格環(huán)境中的井字棋游戲案例中得到驗(yàn)證。

2024-02-27 標(biāo)簽：機(jī)器人攝像機(jī)視覺系統(tǒng) 807 0

端到端自動(dòng)駕駛的基石在哪里？

深度學(xué)習(xí)（DL）與自動(dòng)駕駛（AD）的融合標(biāo)志著該領(lǐng)域的重大飛躍，吸引了學(xué)術(shù)界和工業(yè)界的關(guān)注。配備了攝像頭和激光雷達(dá)的AD系統(tǒng)模擬了類似人類的決策過程。

2024-02-26 標(biāo)簽：攝像頭激光雷達(dá)自動(dòng)駕駛 974 0

人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)之間有什么關(guān)系呢？

人工智能是由約翰·麥卡錫（John McCarthy）于1956年提出來的，當(dāng)時(shí)的定義是“制造智能機(jī)器的科學(xué)與工程”。 現(xiàn)在的人工智能是指“研究、開發(fā)用...

2024-02-26 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)人工智能機(jī)器學(xué)習(xí) 785 0

NVIDIA首席科學(xué)家Bill Dally：深度學(xué)習(xí)硬件趨勢(shì)

Bill Dally于2009年1月加入NVIDIA擔(dān)任首席科學(xué)家，此前在斯坦福大學(xué)任職12年，擔(dān)任計(jì)算機(jī)科學(xué)系主任。Dally及其斯坦福團(tuán)隊(duì)開發(fā)了系統(tǒng)...

2024-02-25 標(biāo)簽：DRAM寄存器深度學(xué)習(xí) 2.4k 0

基于深度學(xué)習(xí)的芯片缺陷檢測(cè)梳理分析

雖然表面缺陷檢測(cè)技術(shù)已經(jīng)不斷從學(xué)術(shù)研究走向成熟的工業(yè)應(yīng)用，但是依然有一些需要解決的問題?；谝陨戏治隹梢园l(fā)現(xiàn)，由于芯片表面缺陷的獨(dú)特性質(zhì)，通用目標(biāo)檢測(cè)算...

2024-02-25 標(biāo)簽：機(jī)器視覺芯片制造芯片缺陷 3.1k 0