算法 (algorithm)
卷积神经网络cnn: convolution neural network
以非内存半导体现场可编程门阵列 (fpga)形式提供集成的自动驾驶解决方案。fpga弥补了通用处理器的性能限制和结合专用集成电路的特性,而成为最近关注的焦点。通过fpga,我们会为客户提供价格竞争力强和配备先进技术的快速处理速度。fpga要实现机器学习需要大量数据而不造成系统混乱和瓶颈现象,又能高速处理,所以我们提供采用准确性高的人工智能系统解决方案。
循环神经网络rnn: recurrent neural network
rnn是一种专门处理重复和序列数据学习的深度学习方式。rnn的内部循环结构,能处理含序列信息的数据。rnn可用于识别常规数据的流动及提取抽象信息,并以此分析如视频、语音和语言等连续输入的数据,其优点是即使在学习中也能反映连续数据流而不会丢失之前学习的信息。由于最近各行业领域的动态数据增加,rnn也被用于更多领域,而我们正积极利用rnn来识别车辆内外的图像和语音。
强化学习rl: reinforcement learning
rl强化学习是根据机器自己与环境之间的关系,改善自己行为的学习方法。强化学习的意思是通过适应性加强学习,就像做更多得到赞扬的行为及减少做出受到惩罚的行为,此方法常用于机器人和人工智能的领域中。通过学习过程,做得好的话会获得奖励,相反,做得不好则得到惩罚,且并不像cnn或rnn需要出现正确的输入、输出对,因此,强化学习是学习如何通过一连的过程取得最多奖励的方法。
生成(式)对抗网络 gan: generative adversarial network
gan是带领未来深度学习的方式而受到关注的学习方法。生成(式)对抗网络是非指导学习方法,不像cnn和rnn那样需要大量数据来学习。亦与学习配对数据和标记的学习方式不同,可从无标记数据中获取知识,自己主动掌握事物特征。通过这方式就可以摆脱识别和区分,使自己有创造力,在建立图像、编辑、转换和复原等方面展示多种效用。
华为发布鸿蒙OS Beta版
科尔摩根:运动控制领域的专家
香港城市大学:首创出能够负载活细胞的微针——冷冻微针
做电子维修员身边的“小帮手”,鹿仙子五金决不罢“修”
说一说对模拟电路这门课的理解
深度解读知远ADAS算法
数据处理和数据工程的4个设计原则
新能源领域有哪些最新成果?这些专家告诉你
因地制宜地深耕本土市场 才是自动驾驶商业化落地的最佳姿势
VR全景投资,你应该知道这些投资方向
液晶电视系统解决方案
一文关于AVR CSTACK和RSTACK的总结
雷达指标:接收机噪声系数
如何使用滤波器从PWM输出信号构建模拟DC电压
印度尼西亚第一座风力发电厂揭幕
微型技术团队的细分领域探索
基于STM32单片机的ADC与DMA配置的介绍与使用
模块化分布的电源系统的安全性及可靠性的研究
对于嵌入式没有嵌入式软件架构师的详细解析
早有迹象,赵伟国有望成为紫光集团实际控制人