5月10号是什么日子
财联社12月3日电，2日发表在《自然·光子学》杂志上的论文称，美国麻省理工学院科学家开发出一种全集成光芯片。它能以光学方式执行深度神经网络所需的所有关键计算，为制造能实时学习的高速处理器打开了大门。这种新型光芯片能够在不到半纳秒的时间内，完成机器学习分类任务的关键计算，性能与传统硬件相当。该芯片由相互连接的模块组成，形成一个光学神经网络，并采用商业代工工艺制造，这有助于技术的扩展和与电子产品集成。
关键字：
新型光芯片 深度神经网络 关键计算
人的大脑能够同时学习和记忆大量信息而又不需要太多能量的能力，很多研究机构都希望制造出类似于大脑甚至超越大脑的计算机。在人脑中，学习是由神经元之间的连接（突触）的增强和减弱而发生的。深度神经网络一直采用这种策略，实现模拟机器学习。美国麻省理工学院近日开发出一种由无机材料制成的电阻器，它将人工模拟突触的运行速度大大提高，比以前的版本快100万倍，也比人脑中的突触快约100万倍。这些可编程电阻器不仅提高了神经网络训练的速度，同时也降低了执行训练所需的成本和能量，这可以帮助科学家更快地开发深度学习模型。这一技术的
关键字：
美国 材料 深度神经网络
编译|蒋宝尚 关于AI是什么，学界和业界已经给出了非常多的定义，但是对于AI理解，探讨尚不足。换句话说，计算机科学家解释深度神经网络（DNNs）的能力大大落后于我们利用其取得有用结果的能力。 当前理解深度神经网络的常见做法是在单个神经元特性上“折腾”。例如，激活识别猫图像的神经元，而关闭其他神经元的“控制变量法”。这种方法的学术术语叫做“类选择性”。 由于直观和易理解，“类选择性”在学界广泛应用。诚然，在训练过程中，这类可解释的神经元确实会“选择性地”出现在各种不同任务网络中。例如，预测产品评论
关键字：
DNN 深度神经网络 深度学习
来源：nature 编译：张大笔茹、小七 假设一辆自动驾驶汽车看到停车标志时并没有减速，而是加速驶入了繁忙的十字路口，从而导致了交通事故。事故报告显示，停车标志的表面粘了四个小的矩形标志。这说明一些微小扰动就能愚弄车载人工智能（AI），使其将“停止”一词误读为“限速45”。 目前，此类事件还未发生，但是人为扰动可能影响AI是非常现实的。研究人员已经展示了如何通过粘贴纸来欺骗AI系统误读停车标志，或者通过在眼镜或帽子上粘贴印刷图案来欺骗人脸识别系统，又或者通过在音频中插入白噪声使语音识别系统产生错
关键字：
DNN 深度神经网络 深度学习
导读深度神经网络(DNN)通过端到端的深度学习策略在许多具有挑战性的任务上达到了人类水平的性能。深度学习产生了具有多层抽象层次的数据表示;然而，它没有明确地提供任何关于DNNs内部运作的解释，换句话说它的内部运作是一个黑盒子。深度神经网络的成功吸引了神经科学家，他们不仅将DNN应用到生物神经系统模型中，而且还采用了认知神经科学的概念和方法来理解DNN的内部表示。尽管可以使用诸如PyTorch和TensorFlow之类的通用深度学习框架来进行此类跨学科研究，但是使用这些框架通常需要高级编程专家和全面的数学知
关键字：
DNN 深度神经网络 深度学习 脑机接口
先说DNN，从结构上来说他和传统意义上的NN（神经网络）没什么区别，但是神经网络发展时遇到了一些瓶颈问题。一开始的神经元不能表示异或运算，科学家通过增加网络层数，增加隐藏层可以表达。并发现神经网络的层数直接决定了它对现实的表达能力。但是随着层数的增加会出现局部函数越来越容易出现局部最优解的现象，用数据训练深层网络有时候还不如浅层网络，并会出现梯度消失的问题。我们经常使用sigmoid函数作为神经元的输入输出函数，在BP反向传播梯度时，信号量为1的传到下一层就变成0.25了，到最后面几层基本无法达到调节参数
关键字：
DNN 深度神经网络 深度学习 CNN RNN
深度神经网络（Deep Neural Networks，以下简称DNN）是深度学习的基础，而要理解DNN，首先我们要理解DNN模型，下面我们就对DNN的模型与前向传播算法做一个总结。 1.从感知机到神经网络 在感知机原理小结中，我们介绍过感知机的模型，它是一个有若干输入和一个输出的模型，如下图: 输出和输入之间学习到一个线性关系，得到中间输出结果： z=∑i=1mwixi+bz=∑i=1mwixi+b 接着是一个神经元激活函数: sign(z)={?11z<0z≥0sign(z)={
关键字：
DNN 深度神经网络 深度学习
为了让AI加速器在最短延迟内达到最佳精准度，特别是在自动驾驶车中，TFLOP已经成为许多所谓大脑芯片的关键指针，然而，有专家认为这种野蛮处理方式并不可持续…… 为了让人工智能(AI)加速器在最短延迟内达到最佳精准度，特别是在自动驾驶车(AV)中，TFLOP(兆次浮点运算)已经成为许多所谓大脑芯片的关键指针。这场竞赛的选手包括Nvidia的Xavier、Mobileye的EyeQ5、特斯拉(Tesla)的全自动驾驶(FSD)计算机芯片，以及NXP-Kalray芯片。然而，有专家认为这种野蛮处理方式
关键字：
DNN 深度神经网络 深度学习
深度神经网络(Deep Neural Networks，简称DNN)是深度学习的基础，想要学好深度学习，首先我们要理解DNN模型。DNN的基本结构神经网络是基于感知机的扩展，而DNN可以理解为有很多隐藏层的神经网络。多层神经网络和深度神经网络DNN其实也基本一样，DNN也叫做多层感知机(MLP)。DNN按不同层的位置划分，神经网络层可以分为三类，输入层，隐藏层和输出层，如下图示例，一般来说第一层是输入层，最后一层是输出层，而中间的层数都是隐藏层。网络结构层与层之间是全连接的，也就是说，第i层的任意一个神经
关键字：
DNN 深度神经网络 深度学习
据外媒报道，特斯拉收购计算机视觉初创公司DeepScale的交易开始收获回报，通过收购完整团队开始为这家电动汽车制造商提供新的专利。
关键字：
特斯拉 “深度神经网络” 自动驾驶
在12月初举办的NeurIPS会议上，IBM展示了一款新型人工智能芯片。 IBM的研究人员声称，他们已开发出一个更加高效的模型用于处理神经网络，该模型只需使用8位浮点精度进行训练，推理(inferencing)时更是仅需4位浮点精度。该研究的成果已于2018年12月初在国际电子元件会议(International
Electron Devices Meeting，IEDM)和神经信息处理系统大会(Conference on NeuralInformation
Processing Syste
关键字：
IBM 深度神经网络
深度神经网络在很多任务上都已取得了媲美乃至超越人类的表现，但其泛化能力仍远不及人类。德国蒂宾根大学等多所机构近期的一篇论文对人类和 DNN 的目标识别稳健性进行了行为比较，并得到了一些有趣的见解。机器之心对该论文进行了编译介绍。 摘要 我们通过 12 种不同类型的图像劣化(image degradation)方法，比较了人类与当前的卷积式深度神经网络(DNN)在目标识别上的稳健性。首先，对比三种著名的 DNN(ResNet-152、VGG-19、GoogLeNet)，我们发现不管对图像进行怎样的操
关键字：
DNN 深度神经网络
随着深度神经网络在大规模语音识别任务上获得显著效果提升，大数据的不断完善和涟漪效应的提出，在近十年，中国的人工智能也得到了快速发展。作为国内智能语音与人工智能产业领导者的科大讯飞率先将递归神经网络和卷积神经网络应用到真实在线系统中，并提出了全新的深度神经网络结构FSMN——讯飞构型。
关键字：
深度神经网络 递归神经网络 卷积神经网络 讯飞构型 201604
深度神经网络介绍
您好，目前还没有人创建词条深度神经网络!
欢迎您创建该词条，阐述对深度神经网络的理解，并与今后在此搜索深度神经网络的朋友们分享。
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