完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>
標(biāo)簽 > 機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)(Machine Learning, ML)是一門多領(lǐng)域交叉學(xué)科,涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。
文章:7715個(gè) 瀏覽:134140次 帖子:302個(gè)
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) 1460 0
機(jī)器學(xué)習(xí)如何助力芯片設(shè)計(jì)
1959年,計(jì)算機(jī)游戲和人工智能的先驅(qū)亞瑟·塞繆爾(Arthur Samuel)將ML定義為“使計(jì)算機(jī)能夠在沒(méi)有明確編程的情況下學(xué)習(xí)的研究領(lǐng)域”。
2024-03-29 標(biāo)簽:芯片設(shè)計(jì)eda機(jī)器學(xué)習(xí) 693 0
光伏功率預(yù)測(cè)系統(tǒng)軟件架構(gòu)及構(gòu)成原理
光功率預(yù)測(cè)系統(tǒng)一般包括了數(shù)據(jù)監(jiān)測(cè)、功率預(yù)測(cè)、軟件平臺(tái)展示三個(gè)部分。監(jiān)測(cè)是預(yù)測(cè)的基礎(chǔ),數(shù)據(jù)監(jiān)測(cè)包括對(duì)氣象信息的監(jiān)測(cè)和對(duì)光伏電站運(yùn)行狀況的監(jiān)測(cè)。
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(guò)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)渲校瑤捠侵饘邮諗康模瑯涓幍木W(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...
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) 1000 0
在計(jì)算機(jī)科學(xué)中,浮點(diǎn)數(shù)(floating points,簡(jiǎn)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(jí)計(jì)算機(jī)人工智能 769 0
基于計(jì)算機(jī)視覺(jué)與機(jī)器學(xué)習(xí)技術(shù)的跌倒風(fēng)險(xiǎn)預(yù)測(cè)
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(zhǎng)短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)等四種不同的分類方法對(duì)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(jué) 734 0
AI芯片是專門為人工智能應(yīng)用設(shè)計(jì)的處理器,它們能夠高效地執(zhí)行AI算法,特別是機(jī)器學(xué)習(xí)和深度學(xué)習(xí)任務(wù)。
2024-03-21 標(biāo)簽:處理器人工智能機(jī)器學(xué)習(xí) 8850 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(hào),而DFT應(yīng)用于離散信號(hào),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(hào)處理機(jī)器學(xué)習(xí) 1325 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(duì)于傳統(tǒng)態(tài)層析方法50%的測(cè)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 357 0
對(duì)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 5750 0
隨機(jī)森林使用名為“bagging”的技術(shù),通過(guò)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(guò)擬合,但隨機(jī)性...
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(wú)疑是最基本且被廣泛使用的技術(shù)之一——尤其是在預(yù)測(cè)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...
機(jī)器學(xué)習(xí)多分類任務(wù)深度解析
一對(duì)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(cè)試的時(shí)候若僅有一個(gè)分類器預(yù)測(cè)為正類,則對(duì)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) 2496 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(lái)的,小目標(biāo)檢測(cè)的性能同樣也可以通過(guò)增加訓(xùn)練集中小目標(biāo)樣本的種類和數(shù)量來(lái)提升。
2024-03-18 標(biāo)簽:分辨率分類器機(jī)器學(xué)習(xí) 983 0
用于電池供電設(shè)計(jì)中AI/ML推理的MCU方法
人工智能(AI)作為討論的關(guān)鍵話題的出現(xiàn)可能是由于OpenAI等大規(guī)模AI引擎及其生成式預(yù)訓(xùn)練轉(zhuǎn)換器(GPT)語(yǔ)言模型架構(gòu)的能力不斷增強(qiáng)。
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(shuō)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) 1050 0
對(duì)于所有“基座”(Base)模型,–template 參數(shù)可以是 default, alpaca, vicuna 等任意值。但“對(duì)話”(Chat)模型請(qǐng)...
2024-03-13 標(biāo)簽:機(jī)器學(xué)習(xí)大模型 1378 0
編輯推薦廠商產(chǎn)品技術(shù)軟件/工具OS/語(yǔ)言教程專題
電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
無(wú)刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺(jué) | 無(wú)人機(jī) | 三菱電機(jī) | ST |
伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國(guó)民技術(shù) | Microchip |
Arduino | BeagleBone | 樹莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
DuerOS | Brillo | Windows11 | HarmonyOS |