瑞薩與RT-Thread推出基于RT-Thread&OpenMV的RA8人機(jī)交互方案

瑞薩與戰(zhàn)略合作伙伴RT-Thread攜手于2024年2月底正式發(fā)布了全新的硬件產(chǎn)品——基于RT-Thread&OpenMV的RA8人機(jī)交互解決方...

2024-04-01 標(biāo)簽：人機(jī)交互瑞薩機(jī)器學(xué)習(xí) 1467 0

光伏功率預(yù)測系統(tǒng)軟件架構(gòu)及構(gòu)成原理

光功率預(yù)測系統(tǒng)一般包括了數(shù)據(jù)監(jiān)測、功率預(yù)測、軟件平臺展示三個(gè)部分。監(jiān)測是預(yù)測的基礎(chǔ)，數(shù)據(jù)監(jiān)測包括對氣象信息的監(jiān)測和對光伏電站運(yùn)行狀況的監(jiān)測。

2024-03-27 標(biāo)簽：光伏發(fā)電人工智能光伏電站 5850 0

機(jī)器學(xué)習(xí)模型偏差與方差詳解

數(shù)據(jù)集的任何變化都將提供一個(gè)不同的估計(jì)值，若使用統(tǒng)計(jì)方法過度匹配訓(xùn)練數(shù)據(jù)集時(shí)，這些估計(jì)值非常準(zhǔn)確。一個(gè)一般規(guī)則是，當(dāng)統(tǒng)計(jì)方法試圖更緊密地匹配數(shù)據(jù)點(diǎn)，或者...

2024-03-26 標(biāo)簽：機(jī)器學(xué)習(xí)數(shù)據(jù)集 1353 0

超算網(wǎng)絡(luò)中的主流拓?fù)浼軜?gòu)

傳統(tǒng)的樹形網(wǎng)絡(luò)拓?fù)渲?，帶寬是逐層收斂的，樹根處的網(wǎng)絡(luò)帶寬要遠(yuǎn)小于各個(gè)葉子處所有帶寬的總和。而Fat-Tree則更像是真實(shí)的樹，越到樹根，枝干越粗，即：從...

2024-03-26 標(biāo)簽：gpu服務(wù)器交換機(jī) 6811 0

機(jī)器學(xué)習(xí)8大調(diào)參技巧

今天給大家一篇關(guān)于機(jī)器學(xué)習(xí)調(diào)參技巧的文章。超參數(shù)調(diào)優(yōu)是機(jī)器學(xué)習(xí)例程中的基本步驟之一。該方法也稱為超參數(shù)優(yōu)化，需要搜索超參數(shù)的最佳配置以實(shí)現(xiàn)最佳性能。機(jī)器...

2024-03-23 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)AI機(jī)器學(xué)習(xí) 1001 0

GPU如何成為人工智能與計(jì)算的核心動(dòng)力

在計(jì)算機(jī)科學(xué)中，浮點(diǎn)數(shù)（floating points，簡稱浮點(diǎn)）是表示非整數(shù)值的數(shù)據(jù)類型，例如6.2815或0.0044。

2024-03-25 標(biāo)簽：gpu超級計(jì)算機(jī)人工智能 773 0

基于計(jì)算機(jī)視覺與機(jī)器學(xué)習(xí)技術(shù)的跌倒風(fēng)險(xiǎn)預(yù)測

使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）、支持向量機(jī)（SVM）、K近鄰（KNN）和長短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)等四種不同的分類方法對三種步態(tài)模式進(jìn)行自動(dòng)分類。

2024-03-22 標(biāo)簽：向量機(jī)人工智能計(jì)算機(jī)視覺 739 0

傅里葉變換基本原理及在機(jī)器學(xué)習(xí)應(yīng)用

連續(xù)傅里葉變換（CFT）和離散傅里葉變換（DFT）是兩個(gè)常見的變體。CFT用于連續(xù)信號，而DFT應(yīng)用于離散信號，使其與數(shù)字?jǐn)?shù)據(jù)和機(jī)器學(xué)習(xí)任務(wù)更加相關(guān)。

2024-03-20 標(biāo)簽：算法信號處理機(jī)器學(xué)習(xí) 1331 0

光量子行走的高效機(jī)器學(xué)習(xí)技術(shù)研究

基于神經(jīng)網(wǎng)絡(luò)技術(shù)，僅利用相對于傳統(tǒng)態(tài)層析方法50%的測量基數(shù)目，即可實(shí)現(xiàn)平均保真度高達(dá)97.5%的開放光量子行走的完整混合量子態(tài)表征。

2024-03-19 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)量子計(jì)算 358 0

對比ASPICE 3.1，ASPICE 4.0都有哪些變化呢？

在汽車行業(yè)的波瀾壯闊中，ASPICE（Automotive Software Process Improvement and Capability dE...

2024-03-19 標(biāo)簽：電動(dòng)汽車人工智能智能駕駛 5755 0

什么是隨機(jī)森林？隨機(jī)森林的工作原理

隨機(jī)森林使用名為“bagging”的技術(shù)，通過數(shù)據(jù)集和特征的隨機(jī)自助抽樣樣本并行構(gòu)建完整的決策樹。雖然決策樹基于一組固定的特征，而且經(jīng)常過擬合，但隨機(jī)性...

2024-03-18 標(biāo)簽：cpugpuAI 4934 0

深入探討線性回歸與柏松回歸

或許我們所有人都會(huì)學(xué)習(xí)的第一個(gè)機(jī)器學(xué)習(xí)算法就是線性回歸算法，它無疑是最基本且被廣泛使用的技術(shù)之一——尤其是在預(yù)測分析方面。

2024-03-18 標(biāo)簽：機(jī)器學(xué)習(xí)python線性回歸 947 0

分享四款使用瑞薩RA8M1 MCU或RA8D1 MCU的成功產(chǎn)品組合解決方案

RA8M1 MCU是業(yè)界首款基于Arm? Cortex?-M85 (CM85) 內(nèi)核的32位通用微控制器（MCU）。這里介紹2個(gè)基于RA8M1的解決方案...

2024-03-18 標(biāo)簽：微控制器mcu瑞薩 3596 0

機(jī)器學(xué)習(xí)多分類任務(wù)深度解析

一對其余其實(shí)更加好理解，每次將一個(gè)類別作為正類，其余類別作為負(fù)類。此時(shí)共有（N個(gè)分類器）。在測試的時(shí)候若僅有一個(gè)分類器預(yù)測為正類，則對應(yīng)的類別標(biāo)記為最終...

2024-03-18 標(biāo)簽：分類器機(jī)器學(xué)習(xí) 2502 0

深度學(xué)習(xí)檢測小目標(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) 984 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) 1053 0

大模型微調(diào)開源項(xiàng)目全流程

對于所有“基座”（Base）模型，–template 參數(shù)可以是 default, alpaca, vicuna 等任意值。但“對話”（Chat）模型請...

2024-03-13 標(biāo)簽：機(jī)器學(xué)習(xí)大模型 1381 0