工業(yè)機器人已經(jīng)滲透到各行各業(yè),幫助人們完成焊接、搬運、噴涂、沖壓等各項任務(wù),那么你有思考過機器人是怎么做到這一些的嗎?它的內(nèi)部結(jié)構(gòu)又是怎樣的呢?
摘要:電力負荷預(yù)測是智能電網(wǎng)建設(shè)的基礎(chǔ),對我國未來碳計量工作具有重要作用?;谥悄芩惴ǖ碾娏ω摵深A(yù)測需要大量的歷史數(shù)據(jù)作為模型訓(xùn)練樣本,而新建城區(qū)或電力計量基礎(chǔ)較為落后地區(qū),難以收集大量準確的歷史數(shù)據(jù)用于訓(xùn)練模型,導(dǎo)致難以準確進行電力負荷預(yù)測?,F(xiàn)通過深度學(xué)習(xí)網(wǎng)絡(luò)構(gòu)建電力負荷預(yù)測模型,并基于遷移學(xué)習(xí)算法構(gòu)建既有建筑電力數(shù)據(jù)和新建建筑電力負荷間的聯(lián)系,通過既有建筑負荷歷史數(shù)據(jù)訓(xùn)練所得模型來預(yù)測新建建筑電力負荷,以南京市某辦公建筑為例驗證所構(gòu)建的負荷預(yù)測模型,預(yù)測誤差可保持在7.8%以內(nèi),所提出的電力負荷預(yù)測方法可為實際電力負荷預(yù)測計量提供參考。
以下內(nèi)容中,小編將對人工智能的相關(guān)內(nèi)容進行著重介紹和闡述,希望本文能幫您增進對人工智能的了解,和小編一起來看看吧。
新方法支持邊緣設(shè)備的高級圖像識別處理
摘 要 :針對傳統(tǒng)神經(jīng)網(wǎng)絡(luò)需要人工對參數(shù)進行提取的問題,提出基于 Leap Motion 結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的手勢識別方法。首先利用 Leap Motion 獲取高精度手勢圖像,然后對圖像進行灰度處理,采用卷積神經(jīng)網(wǎng)絡(luò)算法自動對原始圖像進行特征提取及分類,最后設(shè)計 6 層卷積神經(jīng)網(wǎng)絡(luò)用于手勢識別。實驗結(jié)果表明,卷積神經(jīng)網(wǎng)絡(luò)算法在6 種手勢測試集上的準確率可達 96.5%,且識別時間短,模型具有較好的魯棒性。
AI(人工智能)起源于達特茅斯學(xué)院于1956年舉辦的夏季研討會。在該會議上,“人工智能”一詞首次被正式提出。計算能力的技術(shù)突破推動了人工智能一輪又一輪的發(fā)展。近年來,隨著大數(shù)據(jù)的可用性提高,第三輪人工智能發(fā)展浪潮已經(jīng)來臨。2015年,基于深度學(xué)習(xí)的人工智能算法在ImageNet競賽的圖像識別精度方面首次超過人類,人工智能在發(fā)展道路上高歌猛進。隨著計算機視覺技術(shù)研究取得突破,深度學(xué)習(xí)已經(jīng)在語音識別、自然語言處理等不同研究領(lǐng)域都獲得了巨大的成功?,F(xiàn)在,人工智能已經(jīng)在生活中的方方面面顯示出巨大潛力。
摘 要 :視頻運動目標跟蹤是計算機視覺領(lǐng)域的研究熱點,具有廣闊的應(yīng)用前景。近年來,深度學(xué)習(xí)等技術(shù)的引入使得目標跟蹤算法的準確性得到極大提升,但是當目標發(fā)生形變、尺度變化、被遮擋等情況時,容易導(dǎo)致跟蹤失敗。為了進一步改進運動目標跟蹤算法,文中系統(tǒng)地梳理了現(xiàn)有的運動目標跟蹤算法,將其劃分為經(jīng)典的跟蹤算法、基于相關(guān)濾波的跟蹤算法和基于深度學(xué)習(xí)的算法,分別從算法的基本原理、算法性能等方面進行詳細的闡述,并對未來的發(fā)展趨勢進行了展望。
摘 要 :現(xiàn)代人臉識別以深度學(xué)習(xí)技術(shù)為核心,以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),通過輸入圖像提取到人臉的特征值計算分析人臉的表情。通過分析當前學(xué)生的專注度(表情變化),建立數(shù)據(jù)采集樣本集,通過訓(xùn)練計算完成課堂專注度分析,形成課堂學(xué)生專注度分布結(jié)果。結(jié)果表明,進行教師的課堂學(xué)情分析,有利于進行課程的教育教學(xué)改革, 提高辦學(xué)水平,也有利于教育行業(yè)的技術(shù)進步,提高行業(yè)的信息技術(shù)教育水平。
摘 要 :為了解決現(xiàn)階段各領(lǐng)域中稱重過程繁瑣的問題,提出一種基于深度學(xué)習(xí)的自動稱重機,該稱重機通過利用深度學(xué)習(xí)技術(shù)與單片機等主要技術(shù),實現(xiàn)對所稱物品的自動稱重功能,從而減少稱重人員的工作量,提高稱重效率。
摘 要 :手勢識別是人工智能范疇的一項生物識別技術(shù),其方便、快捷、可靠和穩(wěn)定等一系列特性使其在多個領(lǐng)域具有廣泛應(yīng)用。如拍照和視頻中使用手勢增加貼紙和實時特效,將復(fù)雜的手語轉(zhuǎn)化為自然語言,智能家居的輔助控制,輔助駕駛系統(tǒng)等。神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于圖像識別領(lǐng)域,具有較好的口碑。文章基于深度學(xué)習(xí)理論設(shè)計一種識別精度高,能夠?qū)崿F(xiàn)實時手勢識別的算法。
摘 要:文中對傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)Lenet-5的結(jié)構(gòu)進行了改進,并利用拍攝的實景交通標志圖對其進行訓(xùn)練。訓(xùn)練集含有10萬張圖片,訓(xùn)練大約消耗了一天時間,盡管如此,當網(wǎng)絡(luò)訓(xùn)練好之后,識別一張交通標志圖可以在1毫秒內(nèi)完成。非訓(xùn)練集的2萬張圖片被用作測試集來驗證已訓(xùn)練好的網(wǎng)絡(luò),最終識別率可達80%以上。
本文中,小編將對人工智能予以介紹,如果你想對人工智能的原理、人工智能的應(yīng)用的詳細情況有所認識,或者想要增進對人工智能的了解程度,不妨請看以下內(nèi)容哦。
2019年11月24日,IEEE CASS-SH Artificial Intelligence For Industry Forum在阿里巴巴上海研究中心召開。本次會議是IEEE電路與系統(tǒng)協(xié)會(CASS)首次在亞洲舉辦的學(xué)術(shù)產(chǎn)業(yè)論壇,由阿里巴巴達摩院、平頭哥半導(dǎo)體有限公司、以及上海交通大學(xué)聯(lián)合承辦。吸引來自海內(nèi)外頂尖高校師生及產(chǎn)業(yè)界專家共計150余人到場,就AI未來技術(shù)趨勢展開深入的交流。
在這篇文章中,小編將為大家?guī)砣斯ぶ悄軕?yīng)用的相關(guān)報道。
發(fā)布全新 AI 和深度學(xué)習(xí)解決方案
發(fā)布全新 AI 和深度學(xué)習(xí)解決方案
R-Car V3H為尖端計算機視覺提供卓越TOPS/Watt性能,并提供向NCAP 2025的遷移路徑。
2017年我以深度學(xué)習(xí)研究員的身份加入Hulu,研究領(lǐng)域包括了圖神經(jīng)網(wǎng)絡(luò)及NLP中的知識圖譜推理。
包括擴展Simulink訪問、全新產(chǎn)品、主要更新和數(shù)百個新特性
人工智能正以前所未有的態(tài)勢洶涌而來,一方面是風(fēng)投和創(chuàng)業(yè)創(chuàng)新,都把人工智能當做了下一個尚未被開墾的寶地;另一方面是應(yīng)用,比起概念盛行的階段,現(xiàn)在的無人車、AlphaGo等已經(jīng)把人工智能技術(shù)帶到