一个打工者的安居年（新春探民生·住有所居）
微芯片几乎为所有现代设备提供动力——手机、笔记本电脑甚至冰箱。但在幕后，制作它们是一个复杂的过程。但研究人员表示，他们已经找到了一种方法来利用量子计算的力量，使其变得更简单。澳大利亚的科学家开发了一种量子机器学习技术——人工智能 （AI） 和量子计算原理的结合——可能会改变微芯片的制造方式。他们在 6 月 23 日发表在《先进科学》杂志上的一项新研究中概述了他们的发现。在其中，研究人员首次展示了量子机器学习算法如何显着改善芯片内部电阻建模的挑战性过程——这是影响其性能效率的关键因素。量子机器学习是一种将经
关键字：
量子 机器学习 半导体 芯片制造
教会机器人新技能过去需要编码专业知识。但新一代的机器人可能只需要任何人就能学习。工程师们正在设计能够“通过示范学习”的机器人助手。这种更自然的训练策略使人们能够引导机器人完成一项任务，通常有三种方式：通过遥控，例如操作操纵杆远程控制机器人；通过物理移动机器人来完成动作；或者自己执行任务，同时机器人观看并模仿。通过实践学习的机器人通常只采用这三种演示方法中的一种进行训练。但麻省理工学院（MIT）的工程师们现在开发了一种三合一训练界面，允许机器人通过这三种训练方法中的任何一种来学习任务。该界面是一种手持的、配
关键字：
机器人 机器学习 机械臂
机器学习正在为设计工程师提供更智能的供应链和无摩擦的组件采购。电子分销行业正在经历一场悄无声息的革命，这场革命正在从根本上改变工程师采购组件的方式以及分销商预测需求的方式。DigiKey 处于这一转型的最前沿，人工智能不仅仅是一个流行词，它正在成为为全球工程师提供服务的运营支柱。总部位于 Thief River Falls 的经销商总裁 Dave Doherty 负责监督这家从明尼苏达州相对偏远的地点向全球发货的公司，该公司负责监督这种人工智能驱动的发展。DigiKey 已部署或开发 70 多个不同的 A
关键字：
算法 工程助手 AI 零件采购 机器学习
两台协作机器人使用从微调的大型行为模型（LBMs）中获得的自主评估部署来执行长时程行为，例如安装自行车转盘。| 来源：丰田研究院丰田研究院（TRI）本周发布了其关于大型行为模型（LBMs）的研究结果，这些模型可用于训练通用机器人。该研究显示，单个 LBM 可以学习数百个任务，并利用先验知识以 80%更少的训练数据获取新技能。LBMs 在大型、多样化的操作数据集上进行预训练。尽管它们越来越受欢迎，但机器人社区对 LBMs 实际上能提供什么仍然知之甚少。TRI 的工作旨在通过这项研究揭示算法和数据集设计方面的
关键字：
机器人 大模型 机器学习
文章 概述本文中，DigiKey 总结了Edge AI 和机器学习领域中常用的 硬件类型 及其相应的 开发套件 。文章详细列举了四大主要的硬件类型：微控制器、单板计算机、专用 AI加速器，以及FPGA，并详细介绍了涵盖硬件平台、软件工具和预训练模型的多种开发套件。文章着重强调了合理选择硬件平台与开发套件对于Edge AI和机器学习发展的关键推动作用，为相关领域的开发者和研究者提供宝贵的参考依据。Edge AI和机器学习的计算主
关键字：
Digikey AI 机器学习
随着机器学习 (ML) 的热潮和企业纷纷抢先采用机器学习进行转型，不难发现并非所有机器学习项目都能取得成功。往往是因为存在“先有解决方案再有问题”的思维定式，导致机器学习应用的需求和目标定义不清。若未能明确机器学习为何被采用以及其对业务指标的影响，可能导致概念验证 (POC) 工作耗费大量时间却无法产生实际成果。本文探讨了企业在将机器学习融入产品与流程时，如何通过明确总体目标并将其与相关业务指标联系起来，进而规避常见陷阱。随着POC工作的进展，应用这些指标为评估机器学习性能奠定了基础。根据POC的任务或用
关键字：
机器学习 贸泽
提供超丰富半导体和电子元器件?的业界知名新品引入 (NPI) 代理商贸泽电子(Mouser Electronics)近日宣布将于5月28-20日举办2025贸泽电子技术创新论坛首场活动。本期论坛将深度聚焦“边缘AI与机器学习”，云集Analog Devices, Amphenol, NXP, Silicon Labs, VICOR等业界知名厂商及产学研专家阵容，共同解构AI浪潮下企业数字化转型的创新路径和可持续发展战略，携手创造智能化未来。贸泽电子亚太区市场及商务拓展副总裁田吉平表示：“边缘AI与机器学习
关键字：
贸泽 机器学习
推荐算法已并非新生事物，但围绕它的争议却从未间断。这些争议包括推荐算法带来标题党、低质量、甚至虚假内容以及信息茧房的问题。很多人对推荐算法技术存在误解，认为算法是给内容打上对应标签，再给用户打上对应的属性，最后通过数据运算，把对应标签的内容推荐给有对应属性的用户。实际上，随着机器学习技术的发展，抖音的推荐系统已几乎不依赖对内容或者用户打标签，而是通过复杂的神经网络计算，直接预测每个用户对每条内容可能产生的互动行为概率。机器学习对推荐算法的主要贡献在于建立评分系统，在海量算力和海量供给的环境里，把用户行为抽
关键字：
抖音 算法 机器学习 神经网络 标签
在越来越严格的安全准则和传感器工程进步的推动下，高级驾驶辅助系统在汽车中的广泛采用将大大增加 ADAS 传感器市场，这些进步使 ADAS 成为事实上的标准设备。传感器在 ADAS 中发挥着不可或缺的作用，可实现碰撞威慑、车道偏离警报、自适应巡航控制功能、盲点检测和不同程度的自作等功能。电动机在车辆中的普及和汽车自主性的提高，再加上政府机构要求加强道路保护，正在扩大该行业的扩张。与此同时，新型传感技术的较高成本正在激励其封装到车辆中，以从规模经济中受益。总体而言，多个技术和监管领域的快速变化正在推动 ADA
关键字：
ADAS 传感器 机器学习 实时数据分析
生成式人工智能(Generative AI)的使用正迅速扩展到我们的日常生活和商业领域，并将显著影响未来社会。本系列将主要通过村田关注的具体应用事例，聊聊生成式人工智能应用的相关话题，特别关注对电子行业可能产生的影响。01 什么是生成式人工智能(Generative AI)?生成式人工智能是一种拥有能够自动生成并输出文本/图像/音乐等多种形式的数据的能力，并且能支援迄今为止由人类承担的创造性作业的人工智能。生成式人工智能利用一种”机器学习“——深度学习——从人类准备的文本和图像等数据中提取特征，并能基于这
关键字：
生成式人工智能 机器学习
人工智能（AI）和机器学习（ML）技术不仅正在快速发展，还逐渐被创新性地应用于低功耗的微控制器（MCU）中，从而实现边缘AI/ML解决方案。这些MCU是许多嵌入式系统不可或缺的一部分，凭借其成本效益、高能效以及可靠的性能，现在能够支持AI/ML应用。这种集成化在可穿戴电子产品、智能家居设备和工业自动化等应用领域中，从AI/ML功能中获得的效益尤为显著。具备AI优化功能的MCU和TinyML的兴起（专注于在小型、低功耗设备上运行ML模型），体现了这一领域的进步。TinyML对于直接在设备上实现智能决策、促进
关键字：
低功耗MCU上 机器学习 芯科科技
机器学习定义机器学习（Machine Learning）本质上就是让计算机自己在数据中学习规律，并根据所得到的规律对未来数据进行预测。机器学习包括如聚类、分类、决策树、贝叶斯、神经网络、深度学习（Deep Learning）等算法。机器学习的基本思路是模仿人类学习行为的过程，如我们在现实中的新问题一般是通过经验归纳，总结规律，从而预测未来的过程。机器学习的基本过程如下：机器学习基本过程机器学习发展简史从机器学习发展的过程上来说，其发展的时间轴如下所示：机器学习发展历程从上世纪50年代的图灵测试提出、塞缪尔
关键字：
机器学习 深度学习 神经网络
ST最新推出的生物传感器ST1VAFE3BX将生物电位输入与意法半导体的加速度计以及机器学习核心相结合并实现同步，从而为下一代需要控制能耗的可穿戴医疗设备开辟了道路。此外，其小巧的封装(2mm x 2mm x 0.74mm)有助于降低制造成本和 PCB电路板尺寸。整体设计对电能的需求也更低，系统架构需求的复杂程度也随之降低。不过，ST1VAFE3BX保留了先前推出的ST1VAFE6AX的有限状态机和机器学习核心，确保了能够在边缘端提供人工智能。此前在慕尼黑电子展上展示了这款生物传感器的实际应用，例如，我们
关键字：
生物传感器 机器学习 可穿戴
如何探测暗物质——一种可能占宇宙中所有物质六分之五的不可见、几乎无形的物质？暗物质应该就在我们身边，对正常物质产生微小的影响，但到目前为止，搜索都是空的。但一项新的研究表明， 采用机器学习的策略可以帮助量子传感器最终追捕它。这种超灵敏传感器还可能具有其他应用，例如无 GPS 导航、探测地下掩体以及发现 大爆炸后时刻的时空引力纹波。我们知道暗物质的存在是因为它对星系运动的引力影响。但我们不知道它是由什么组成的，也不知道它如何与构成你或我的日常颗粒相互作用。尽管科学家们已经为暗物质的潜在组
关键字：
暗物质探测器 机器学习 量子传感器 暗物质 灵敏度
文章 概述本文介绍了人工智能（AI）、 机器学习（ ML）、深度学习（DL）和边缘人工智能（Edge AI ）的 概念、特性及应用领域 ，详细阐述了ML的各种 训练模式 ，包括监督式、非监督式、半监督式、强化学习和自监督学习，并介绍了它们在各个领域的应用。最后，文章总结了AI、ML和Edge AI对各行各业的影响和未来 发展前景 ，强调它们将不断推动创新，为全球经济和社会带来更加智能、便捷的生活方式。人工智
关键字：
Digikey 人工智能 机器学习 深度学习
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
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473