• LF 能源和索尼计算机科学实验室的名为 Hyphae 的项目,对未来能源的探索

    LF 能源和索尼计算机科学实验室几个月前宣布了一个名为 Hyphae 的项目,这是一个微电网计划,旨在实现可再生能源的点对点分配自动化。这样做的目标是让微电网更高效,使整个电网更加碳中和,只是为了留在页面上,在关于能源的同一页面上。但这是你的项目之一。你能告诉我你在规划的其他项目是什么吗?未来我们最有可能看到开源微电网部署在哪里?

  • 能源在开源方面的未来,电力系统网络未来的模型

    我们现在讨论能源,特别是能源在开源方面的未来。为了减缓和阻止气候变化,我们必须将排放量减少到零。为此,我们需要彻底改变我们的能源系统,只生产可持续和可再生能源。我们还需要可持续且更可靠的电网,能够以最佳方式结合不同的可再生能源。

  • 英特尔、英伟达、高通等公司人工智能下一步发展趋势

    毫无疑问,智能手机和智能家居仍将是边缘人工智能的两个最大市场。与此同时,自动驾驶汽车的潜力为边缘人工智能公司带来了极高的期望和市场估值。然而,自动驾驶汽车的缓慢推出,以及智能手机市场的标准化,导致许多厂商在他刚才提到的市场之外寻求新的增长机会。

  • 电力电子功率器件和氢能源发展讨论

    当我们展望未来 100 年的经济和工业发展方向时,电力电子将成为未来的关键部分。如果你看看过去 100 年左右,我们的工业化是基于化石燃料,无论是我们的家庭、工业、工作场所还是流动性,它们都基于碳基燃料:石油、天然气煤……在过去 100 年中显着的碳排放。

  • 自动驾驶汽车:BT 和 UWB 可以保护易受伤害的道路使用者

    在 AV 系统中使用蓝牙和 UWB 等地面无线电技术有助于保护易受伤害的道路使用者。 虽然媒体上有很多关于我们街道上全自动驾驶汽车 (AV) 的曙光的讨论,但我们离这个现实还有很长的路要走。这包括缺乏保护弱势道路使用者 (VRU) 的技术。

  • 远程医疗或远程医疗使医疗保健提供者能够通过技术提供医疗服务,重新构想远程患者监护

    远程医疗或远程医疗使医疗保健提供者能够通过技术提供医疗服务,在许多情况下,实际上是通过可在智能手机、平板电脑或台式机上访问的远程医疗软件应用程序。但是,现在的健康追踪器远不止这些,它可以集成到患者的医疗记录和远程患者监测 (RPM) 中,使医疗保健提供者能够以电子方式监测和审查健康数据。

  • 品牌审批没过?小米“造车”再陷风波

    前段时间,某自媒体博主发文称“小米造车遇到坎,品牌审批未通过”引发了网友们的热议。该博主发文称,尽管小米一直想要尽快推出自己的汽车产品,但目前他们仍然未能获得品牌的审批通过,其造车之举也渐渐变了味道,成了类似于“资本无序扩张”的模式。

  • 什么是图神经网络?未来如何发展?

    图是一种数据结构,它对一组对象(节点)及其关系(边)进行建模。近年来,由于图结构的强大表现力,用机器学习方法分析图的研究越来越受到重视。图神经网络(GNN)是一类基于深度学习的处理图域信息的方法。由于其较好的性能和可解释性,GNN最近已成为一种广泛应用的图分析方法。

  • 自动驾驶效果一般,小米汽车研发进度一般

    小米旗下电动车小米汽车的开发专案传出进度不如预期,最终可能导致产品竞争力下降。

  • 小米裁员6000人,那小米的车还能出来吗?

    据多位小米员工在职场社交平台脉脉爆料称,小米近期将进行大规模裁员,裁员人数或高达6000人,补偿方案为N+2。一名小米员工透露,此次裁员规模较大。据他了解,手机部、互联网部、中国部等多部门均有涉及,但部门之间裁员力度不尽相同。其中,中国区个别部门裁员比例高达75%,互联网部也有团队裁员40%。本轮裁员整体力度暂未明确,据估算或达15%。

  • 循环神经网络 RNN发展史概述

    循环神经网络(Recurrent Neural Network, RNN)是一类以序列(sequence)数据为输入,在序列的演进方向进行递归(recursion)且所有节点(循环单元)按链式连接的递归神经网络(recursive neural network)。对循环神经网络的研究始于二十世纪80-90年代,并在二十一世纪初发展为深度学习(deep learning)算法之一,其中双向循环神经网络(Bidirectional RNN, Bi-RNN)和长短期记忆网络(Long Short-Term Memory networks,LSTM)是常见的循环神经网络。

  • 什么是自编码器?对机器学习有什么影响?

    AutoEncoder的基本思想是利用神经网络来做无监督学习,就是把样本的输入同时作为神经网络的输入和输出。本质上是希望学习到输入样本的表示(encoding)。早期AutoEncoder的研究主要是数据过于稀疏、数据高维导致计算复杂度高。比较早用神经网络做AutoEncoder的可以追溯到80年代的BPNN和MLP以及当时Hinton推崇的RBM。后来到了2000年以后还坚持在做的只剩下Hinton的RBM了。从2000年以后,随着神经网络的快速兴起,AutoEncoder也得到快速发展,基本上有几条线:稀疏AutoEncoder、噪音容忍AutoEncoder、卷积AutoEncoder、变分AutoEncoder。最新的进展是结合对抗思想的对抗AutoEncoder。

  • 简述卷积神经网络发展进程

    卷积神经网络的发展,最早可以追溯到1962年,Hubel和Wiesel对猫大脑中的视觉系统的研究。1980年,一个日本科学家福岛邦彦(Kunihiko Fukushima)提出了一个包含卷积层、池化层的神经网络结构。在这个基础上,Yann Lecun将BP算法应用到这个神经网络结构的训练上,就形成了当代卷积神经网络的雏形。

  • 售价26万,小米一次性研发了两台汽车?

    近期,关于小米汽车各种传闻不断,不仅疑似测试车谍照被曝光,昨晚又有媒体曝光了小米两款车型的细节和定价区间。从曝光的疑似小米测试车谍照来看,这是一款四门轿车,车头造型比较扁平,拥有宽体的身姿和双五辐式的轮圈,以及黄色的多活塞制动卡钳。据谍照拍摄者表示,测试车的车尾左侧还配有一个固态补盲激光雷达。预计小米汽车未来将提供较为高阶的自动驾驶技术。

  • 什么是深度学习

    深度学习是近10年机器学习领域发展最快的一个分支,由于其重要性,三位教授(Geoffrey Hinton、Yann Lecun、Yoshua Bengio)因此同获图灵奖。深度学习模型的发展可以追溯到1958年的感知机(Perceptron)。1943年神经网络就已经出现雏形(源自NeuroScience),1958年研究认知的心理学家Frank发明了感知机,当时掀起一股热潮。后来Marvin Minsky(人工智能大师)和Seymour Papert发现感知机的缺陷:不能处理异或回路等非线性问题,以及当时存在计算能力不足以处理大型神经网络的问题。于是整个神经网络的研究进入停滞期。

首页  上一页  1 2 3 4 5 6 7 8 9 10 下一页 尾页
发布文章