- 导读异常检测的一些入门问题。问问题是学习的最好方法之一。但有时你不知道从哪里开始，或者该问什么 —— 尤其是在你还比较熟悉的异常检测之类的话题上。在这种情况下，最好倾听别人的问题，让他们的思路来指导你的学习。以下是我们在“[Ask Me Anything: Anomaly Detection](https://www.tibco.com/events/ask-me- anything-webinar-anomaly-detecing-machine -learning)”网络研讨会上收到的
- 关键字：机器学习异常检测
- 美国麻省理工学院媒体实验室研究项目显示，人工智能识别浅色皮肤男性的平均错误率不超过1%，识别深色皮肤女性的平均错误率达35%…… 人脸识别所导致的偏见问题一直受到广泛关注。近期，一篇关于图像超分辨率的论文引发了对于产生偏见原因的新争论。 网友利用论文中的开源代码进行了模型推理，在使用时发现，非白人面孔的高糊照片被还原成了一张白人面孔。对此，2018年图灵奖得主、AI领军人物杨立昆（Yann LeCun）在推特上指出，当数据有偏见时，机器学习系统就变得有偏见。而这一观
- 关键字：人脸识别AI机器学习
- 重点：IC Compiler II和Fusion Compiler的机器学习技术助力三星将频率提高高达5%，功耗降低5%机器学习预测性技术可加快周转时间(TAT)，使三星能够跟上具挑战性的设计时间表三星在即将推出的新一代移动芯片流片中部署了机器学习技术新思科技（Synopsys, Inc.，纳斯达克股票代码：SNPS）今天宣布，三星(Samsung)为其新一代5纳米移动芯片生产设计，采用了IC Compiler™ II布局布线解决方案（新思科技Fusion Design Platform™的一
- 关键字：三星新思科技IC Compiler II机器学习5纳米SoC
- 机器学习从只适用于研发人员的工具变成了被广泛采纳使用的方法，多亏了开源机器学习和深度学习框架的爆炸性发展。现如今，机器学习领域比以往任何时候都更容易上手。同时，这也助力了我们目前所经历的科技的疯狂发展。弄清算法是如何真正工作的，可以帮助你在设计、开发和调试机器学习系统方面获得巨大优势。很多人提到数学就打哆嗦，机器学习恰巧涉及很多数学知识，这项任务可能会令很多人怯步。然而，数学并不该成为人们在机器学习领域的“绊脚石”。相反，学好数学对于掌握机器学习非常有必要。从高层次上讲，机器学习中涉及四大数学支柱：线性代
- 关键字：机器学习
- 在20／22nm引入FinFET以后，先进工艺变得越来越复杂。在接下来的发展中，实现“每两年将晶体管数量增加一倍，性能也提升一倍”变得越来越困难。摩尔定律的发展遇到了瓶颈，先进制程前进的脚步开始放缓。但是由于当今先进电子设备仍需求先进工艺的支持，因此，还有一些晶圆厂还在致力于推动先进制程的继续发展。这些晶圆厂与EDA企业之间的合作，推动了先进制程的进步。从整体上看，当先进制程进入到14nm/7nm时代后，EDA工具的引入可以缩短研发周期，尤其是针对后端设计制造工具的更新，EDA起到了至关重要的作用。EDA
- 关键字：机器学习EDACalibre
- 人工智能（AI）的例子无处不在。我们对于AI的使用可能超出想象，并且在许多方面将这种使用视为理所当然。智能手机助手就是一个很好的例子，尽管我们可能并不认为这与AI有关。许多场景中，我们已经习惯于与Siri或Google Assistant的互动。面部识别也已成为新一代智能手机的标准解锁功能。机器学习属于AI的一个子集，原理是通过训练基于计算机的神经网络模型来识别给定的模型或声音。在神经网络完成训练后，就可以推理出结果。例如，如果我们用数百张狗和猫的图像训练神经网络，那么它应该能够正确地识别图片中是狗还是猫
- 关键字：机器学习人工智能AI
- 据外媒报道，苹果已收购机器学习创业公司Inductiv，该公司开发的人工智能技术可用于识别和纠正数据集中的错误。Inductiv的工程团队近几周已加入苹果，参与包括Siri、机器学习和数据科学在内的多个项目。对于这笔收购，苹果给出了惯用的声明，即苹果“不时收购规模较小的科技公司，我们通常不讨论目的或计划”。Inductiv是由斯坦福大学、滑铁卢大学和威斯康星大学的几名教授创立的。Inductiv的技术利用人工智能自动识别和纠正数据集中的错误。“干净的”数据集对于机器学习非常重要。机器学习是一类热门的人工智
- 关键字：苹果机器学习InductivSiri
- 高焕堂 （台湾铭传大学、长庚大学 教授）0 引言在人与AI之间，最典型的协同合作模式是：由人们去观察而萃取特征，然后AI依据该特征进行分类，这称为：人工提取特征。此外还有进一步的合作模式：让AI自己来学习萃取特征，并且进行分类。这称为：自动提取特征。本文将借由很简单的范例来展示“自动提取特征”，以便充分发挥各种AI模型的特色，来促进特征提取的效率。 1 人工提取特征 1.1 机器学习 由于人人对于周遭的现象(或事)都具有观察、分类和萃取特征的天赋，所以人人都可以把这项智能和能力传授给AI。其中，
- 关键字：202006AI人工智能机器学习
- 过去十年内，随着我们在人工智能领域取得长足进步，我们能够为嵌入式系统增加一些先进功能，例如人脸识别。虽然人脸识别能够带来诸多好处，但人们有时仍然认为它的使用存在问题，甚至充满了争议。事实究竟如何？在本文中，我们将澄清一些对人脸识别的误解。 1) 人脸识别的成本非常昂贵 人们会觉得要让计算机能够识别人脸，解决方案必须采用高端硬件。毕竟，自21世纪前十年中期以来，深度学习算法在图像分类方面的突破都利用了图形处理单元(GPU)的强大处理能力，这些单元通常在紧耦合集群中使用。但对于嵌入式系统（
- 关键字：人脸识别机器学习
- 机器学习的知识产权问题假设一家公司主要生产对于客户的业务运营至关重要的设备。为了避免发生故障而对这些客户产生重大影响，这家公司使用机器学习模型来做出预防性维护决策。为了构建这种模型，公司花费了大量时间、金钱和精力。但是，客户可以复制这个知识产权来自行进行维护，这样就不必继续支付维护合同的费用。同时，竞争对手也可能会直接复制模型来获取利益，而不是投资构建自己的模型。本白皮书探讨了机器学习模型的哪些方面将受到知识产权法律的保护。要构建用于维护的机器学习（ML）模型，必须收集并标记正确的训练集，选择正确的架构和
- 关键字：机器学习知识产权
- 汽车工业的最新发展引起了科研人员对疲劳驾驶监测的研究兴趣，意图开发一种有效的驾驶员监测系统，能及时发现心理物理状态异常，减少疲劳驾驶引起的交通事故。现在许多文献特别专注于生理信号的研究，通过测量心率变异性（HRV）来得到有关心脏运动的信息。事实上，HRV还是一个有效的评估生理压力的指标，因为它可以提供与自主神经系统支配的心血管系统活动相关的信息。本文旨在通过提取人脸特征点，分析由血压引起的皮肤细微运动，再以一个稳健的方式重构光电容积图（PPG）信号。所得结论是，传感器检测到的PPG信号与使用人脸特征点重构
- 关键字：机器学习LSTM驾驶员疲劳驾驶
- 让机器人抓取物体时对物体产生感觉对提高效率非常重要。苏黎世联邦理工学院的研究人员宣布，他们已利用机器学习技术开发了一种低成本的触觉传感器。该传感器能高分辨率、高精度地测量力的分布。这些特征使机器人手臂能够更灵活地抓住敏感、脆弱的物体。
- 关键字：研究人员机器人机器学习
- 无论计算机未来在社会中扮演什么角色，杰夫·迪恩(Jeff Dean)都将在结果中发挥强大的作用。作为谷歌人工智能技术研究小组的负责人，他领导的工作覆盖面十分广泛，对从研发自动驾驶汽车到制造机器人，再到谷歌强大的在线广告业务等方方面面都做出了贡献。
- 关键字：AI谷歌机器学习
- 如今，根据在地球上观测到的太阳和火星的运行轨迹，一种受大脑启发的机器学习算法计算出了太阳位于太阳系的中心。而天文学家花了几个世纪才弄明白这个道理。
- 关键字：人工智能机器学习神经网络
- 在过去的几年中，信息安全一直都是基于防病毒方案、隔离技术和加密技术的组合。政府机构和信息安全公司愿意采用跟踪互联网流量的方法，并根据其签名查找可疑材料。这些技术重点是在出现问题后去检测恶意软件，并去实现良好数据与恶意软件之间的隔离。但是，如果恶意软件未被检测到，它可能会在系统后台中潜伏数月甚至数年，并在以后变得活跃。
- 关键字：信息安全机器学习
机器学习介绍
您好，目前还没有人创建词条机器学习!
欢迎您创建该词条，阐述对机器学习的理解，并与今后在此搜索机器学习的朋友们分享。
创建词条
关于我们-
广告服务-
企业会员服务-
网站地图-
联系我们-
征稿-
友情链接-
手机EEPW
Copyright ©2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《电子产品世界》杂志社 版权所有 北京东晓国际技术信息咨询有限公司
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473
