神經(jīng)網(wǎng)絡(luò)正席卷著計(jì)算世界。在它們的幫助下，研究人員得以推進(jìn)機(jī)器學(xué)習(xí)的進(jìn)程。面部識(shí)別、對(duì)象識(shí)別、自然語(yǔ)言處理、機(jī)器翻譯……這些原本都是人類才有的技能，現(xiàn)在逐漸成為了機(jī)器的常規(guī)配置。
2016-11-21 14:24:18
1195 近年來(lái)，結(jié)合注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)成為研究的熱點(diǎn)，被廣泛應(yīng)用于機(jī)器翻譯、圖像分類等領(lǐng)域，在公交行程時(shí)間預(yù)測(cè)問(wèn)題上的研究相對(duì)較少。
2022-10-10 09:42:531984 下一個(gè)單詞或者下一句話的概率，從而建立起一個(gè)能夠捕捉序列數(shù)據(jù)中語(yǔ)言模式的模型，從而用于自然語(yǔ)言生成、機(jī)器翻譯、文本分類等任務(wù)。 序列標(biāo)注任務(wù)：神經(jīng)網(wǎng)絡(luò)模型可以將文本序列中的各個(gè)位置與相應(yīng)的標(biāo)簽關(guān)聯(lián)起來(lái)，從而
2023-08-03 16:37:097687 近日，阿里云人工智能平臺(tái) PAI 與華南理工大學(xué)朱金輝教授團(tuán)隊(duì)、達(dá)摩院自然語(yǔ)言處理團(tuán)隊(duì)合作在自然語(yǔ)言處理頂級(jí)會(huì)議 EMNLP2023 上發(fā)表基于機(jī)器翻譯增加的跨語(yǔ)言機(jī)器閱讀理解算法 X-STA。通過(guò)
2023-12-12 10:28:401195 
神經(jīng)網(wǎng)絡(luò)的發(fā)展可以追溯到二戰(zhàn)時(shí)期，那時(shí)候先輩們正想著如何用人類的方式去存儲(chǔ)和處理信息，于是他們開始構(gòu)建計(jì)算系統(tǒng)。由于當(dāng)時(shí)計(jì)算機(jī)機(jī)器和技術(shù)的發(fā)展限制，這一技術(shù)并沒(méi)有得到廣泛的關(guān)注和應(yīng)用。幾十年來(lái)
2018-06-05 10:11:50
吳恩達(dá)機(jī)器學(xué)習(xí)筆記之神經(jīng)網(wǎng)絡(luò)參數(shù)的反向傳播算法
2019-05-22 15:11:21
人們?nèi)ソ鉀Q溝通問(wèn)題，于是機(jī)器翻譯應(yīng)運(yùn)而生。機(jī)器翻譯其實(shí)是利用計(jì)算機(jī)把一種自然語(yǔ)言翻譯成另一種自然語(yǔ)言的過(guò)程，基本流程大概分為三塊：預(yù)處理、核心翻譯、后處理。預(yù)處理是對(duì)語(yǔ)言文字進(jìn)行規(guī)整，把過(guò)長(zhǎng)的句子通過(guò)
2018-07-06 10:30:22
了額外的機(jī)制——注意力機(jī)制，來(lái)幫助我們進(jìn)行調(diào)序。下面我們用一張示意圖來(lái)看一下，基于RNN的神經(jīng)機(jī)器翻譯的流程：首先我們通過(guò)分詞得到輸入源語(yǔ)言詞序列，接下來(lái)每個(gè)詞都用一個(gè)詞向量進(jìn)行表示，得到相應(yīng)的詞向量序列
2018-07-06 10:46:12
目前，神經(jīng)機(jī)器翻譯（NMT）已經(jīng)成為在學(xué)術(shù)界和工業(yè)界最先進(jìn)的機(jī)器翻譯方法。最初的這種基于編碼器-解碼器架構(gòu)的機(jī)器翻譯系統(tǒng)都針對(duì)單個(gè)語(yǔ)言對(duì)進(jìn)行翻譯。近期的工作開始探索去擴(kuò)展這種辦法以支持多語(yǔ)言
2020-11-23 12:14:06
第1章 概述 1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展 1.2 生物神經(jīng)元 1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成 第2章人工神經(jīng)網(wǎng)絡(luò)基本模型 2.1 MP模型 2.2 感知器模型 2.3 自適應(yīng)線性
2012-03-20 11:32:43
神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
2012-08-05 21:01:08
近年來(lái)，深度學(xué)習(xí)的繁榮，尤其是神經(jīng)網(wǎng)絡(luò)的發(fā)展，顛覆了傳統(tǒng)機(jī)器學(xué)習(xí)特征工程的時(shí)代，將人工智能的浪潮推到了歷史最高點(diǎn)。然而，盡管各種神經(jīng)網(wǎng)絡(luò)模型層出不窮，但往往模型性能越高，對(duì)超參數(shù)的要求也越來(lái)越嚴(yán)格
2019-09-11 11:52:14
的越來(lái)越大的挑戰(zhàn)。結(jié)論機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)將沿著一條挑戰(zhàn)高效處理性能的發(fā)展道路繼續(xù)闊步前進(jìn)。先進(jìn)的神經(jīng)網(wǎng)絡(luò)架構(gòu)已經(jīng)顯現(xiàn)出優(yōu)于人類的識(shí)別精確性。用于生成網(wǎng)絡(luò)的最新框架，如 CDNN2，正在推動(dòng)輕型、低功耗嵌入式神經(jīng)網(wǎng)絡(luò)的發(fā)展。這種神經(jīng)網(wǎng)絡(luò)將使目前的高級(jí)輔助駕駛系統(tǒng)具有較高的精確性及實(shí)時(shí)處理能力。`
2017-12-21 17:11:34
NMSIS NN 軟件庫(kù)是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核，旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。
該庫(kù)分為多個(gè)功能，每個(gè)功能涵蓋特定類別
2025-10-29 06:08:21
請(qǐng)問(wèn)：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷，在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包（MLT），但是里面沒(méi)有關(guān)于這部分VI的幫助文檔，對(duì)于”BP神經(jīng)網(wǎng)絡(luò)分類“這個(gè)范例有很多不懂的地方，比如
2017-02-22 16:08:08
`本篇主要介紹：人工神經(jīng)網(wǎng)絡(luò)的起源、簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)模型、更多神經(jīng)網(wǎng)絡(luò)模型、機(jī)器學(xué)習(xí)的步驟：訓(xùn)練與預(yù)測(cè)、訓(xùn)練的兩階段：正向推演與反向傳播、以TensorFlow + Excel表達(dá)訓(xùn)練流程以及AI普及化教育之路。`
2020-11-05 17:48:39
神經(jīng)網(wǎng)絡(luò)首先來(lái)看一下維基百科對(duì)神經(jīng)網(wǎng)絡(luò)的定義：人工神經(jīng)網(wǎng)絡(luò)（英語(yǔ)：Artificial Neural Network，ANN），簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)（Neural Network，NN）或類神經(jīng)網(wǎng)絡(luò)，在機(jī)器
2019-03-03 22:10:19
AI芯片不僅包括深度學(xué)細(xì)AI加速器，還有另外一個(gè)主要列別：類腦芯片。類腦芯片是模擬人腦神經(jīng)網(wǎng)絡(luò)架構(gòu)的芯片。它結(jié)合微電子技術(shù)和新型神經(jīng)形態(tài)器件，模仿人腦神經(jīng)系統(tǒng)機(jī)選原理進(jìn)行設(shè)計(jì)，實(shí)現(xiàn)類似人腦的超低
2025-09-17 16:43:19
的拓?fù)浣Y(jié)構(gòu)，即將高位空間中相似的樣本點(diǎn)映射到網(wǎng)絡(luò)輸出層中的鄰近神經(jīng)元。SOM神經(jīng)網(wǎng)絡(luò)中的輸出層神經(jīng)元以矩陣方式排列在二維空間中，每個(gè)神經(jīng)元都擁有一個(gè)權(quán)向量，網(wǎng)絡(luò)在接收輸入向量后，將會(huì)確定輸出層獲勝神經(jīng)
2019-07-21 04:30:00
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實(shí)際問(wèn)題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？
2019-08-01 08:06:21
，如何用一個(gè)神經(jīng)網(wǎng)絡(luò)，寫出一套機(jī)器學(xué)習(xí)算法，來(lái)自動(dòng)識(shí)別未知的圖像。一個(gè) 4 層的神經(jīng)網(wǎng)絡(luò)輸入層經(jīng)過(guò)幾層算法得到輸出層 實(shí)現(xiàn)機(jī)器學(xué)習(xí)的方法有很多，近年被人們討論得多的方法就是深度學(xué)習(xí)。 深度學(xué)習(xí)是一種實(shí)現(xiàn)
2018-05-11 11:43:14
簡(jiǎn)單理解LSTM神經(jīng)網(wǎng)絡(luò)
2021-01-28 07:16:57
全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別
2019-06-06 14:21:42
卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？
2022-09-08 10:23:10
卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會(huì)在意它呢? 對(duì)于這些非常中肯的問(wèn)題，我們似乎可以給出相對(duì)簡(jiǎn)明的答案。
2019-07-17 07:21:50
卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用轉(zhuǎn)載****地址：http://fcst.ceaj.org/CN/abstract/abstract2521.shtml深度學(xué)習(xí)是機(jī)器學(xué)習(xí)和人工智能研究的最新趨勢(shì)，作為一個(gè)
2022-08-02 10:39:39
卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)的常用框架
2020-12-29 06:16:44
抽象人工智能 （AI） 的世界正在迅速發(fā)展，人工智能越來(lái)越多地支持以前無(wú)法實(shí)現(xiàn)或非常難以實(shí)現(xiàn)的應(yīng)用程序。本系列文章解釋了卷積神經(jīng)網(wǎng)絡(luò) （CNN） 及其在 AI 系統(tǒng)中機(jī)器學(xué)習(xí)中的重要性。CNN 是從
2023-02-23 20:11:10
什么是卷積神經(jīng)網(wǎng)絡(luò)？ImageNet-2010網(wǎng)絡(luò)結(jié)構(gòu)是如何構(gòu)成的？有哪些基本參數(shù)？
2021-06-17 11:48:22
最近在學(xué)習(xí)電機(jī)的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達(dá)能力，可以通過(guò)對(duì)系統(tǒng)性能的學(xué)習(xí)來(lái)實(shí)現(xiàn)具有最佳組合的PID控制。利用BP
2021-09-07 07:43:47
FPGA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問(wèn)題分析基于FPGA的ANN實(shí)現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評(píng)估及局限性
2021-04-30 06:58:13
基于光學(xué)芯片的神經(jīng)網(wǎng)絡(luò)訓(xùn)練解析，不看肯定后悔
2021-06-21 06:33:55
，看一下 FPGA 是否適用于解決大規(guī)模機(jī)器學(xué)習(xí)問(wèn)題。卷積神經(jīng)網(wǎng)絡(luò)是一種深度神經(jīng)網(wǎng)絡(luò) (DNN)，工程師最近開始將該技術(shù)用于各種識(shí)別任務(wù)。圖像識(shí)別、語(yǔ)音識(shí)別和自然語(yǔ)言處理是 CNN 比較常見(jiàn)的幾大應(yīng)用。
2019-06-19 07:24:41
如何用stm32cube.ai簡(jiǎn)化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？
2021-10-11 08:05:42
原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測(cè)的計(jì)算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測(cè)能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測(cè)
2021-07-12 08:02:11
人工智能下面有哪些機(jī)器學(xué)習(xí)分支？如何用卷積神經(jīng)網(wǎng)絡(luò)（CNN）方法去解決機(jī)器學(xué)習(xí)監(jiān)督學(xué)習(xí)下面的分類問(wèn)題？
2021-06-16 08:09:03
處理的運(yùn)算量和數(shù)據(jù)吞吐量。圖像壓縮是信息傳輸和存儲(chǔ)系統(tǒng)的關(guān)鍵技術(shù)，然而我們?cè)撊绾芜M(jìn)行FPGA設(shè)計(jì)，以實(shí)現(xiàn)給定的功能已經(jīng)成為神經(jīng)網(wǎng)絡(luò)應(yīng)用的關(guān)鍵呢？
2019-08-08 06:11:30
本文提出了一個(gè)基于FPGA 的信息處理的實(shí)例：一個(gè)簡(jiǎn)單的人工神經(jīng)網(wǎng)絡(luò)應(yīng)用Verilog 語(yǔ)言描述，該數(shù)據(jù)流采用模塊化的程序設(shè)計(jì)，并考慮了模塊間數(shù)據(jù)傳輸信號(hào)同 步的問(wèn)題，有效地解決了人工神經(jīng)網(wǎng)絡(luò)并行數(shù)據(jù)處理的問(wèn)題。
2021-05-06 07:22:07
小女子做基于labview的蒸發(fā)過(guò)程中液位的控制，想使用神經(jīng)網(wǎng)絡(luò)pid控制，請(qǐng)問(wèn)這個(gè)控制方法可以嗎？有誰(shuí)會(huì)神經(jīng)網(wǎng)絡(luò)pid控制么。。。叩謝
2016-09-23 13:43:16
1、加速神經(jīng)網(wǎng)絡(luò)的必備開源項(xiàng)目 到底純FPGA適不適合這種大型神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)？這個(gè)問(wèn)題其實(shí)我們不適合回答，但是FPGA廠商是的實(shí)際操作是很有權(quán)威性的，現(xiàn)在不論是Intel還是Xilinx都沒(méi)有在
2022-10-24 16:10:50
視覺(jué)任務(wù)中，并取得了巨大成功。然而，由于存儲(chǔ)空間和功耗的限制，神經(jīng)網(wǎng)絡(luò)模型在嵌入式設(shè)備上的存儲(chǔ)與計(jì)算仍然是一個(gè)巨大的挑戰(zhàn)。前面幾篇介紹了如何在嵌入式AI芯片上部署神經(jīng)網(wǎng)絡(luò)：【嵌入式AI開發(fā)】篇五|實(shí)戰(zhàn)篇一：STM32cubeIDE上部署神經(jīng)網(wǎng)絡(luò)之pytorch搭建指紋識(shí)別模型.onnx...
2021-12-14 07:35:25
神經(jīng)網(wǎng)絡(luò)正在以席卷之勢(shì)占領(lǐng)計(jì)算世界。研究人員使用它們來(lái)創(chuàng)建機(jī)器，讓機(jī)器學(xué)習(xí)大量的此前是人類特有的技能：對(duì)象識(shí)別，面部識(shí)別，自然語(yǔ)言處理，機(jī)器翻譯等。所有這些技能，以及更多更多的技能，現(xiàn)在正成為機(jī)器的“標(biāo)配”。
2016-11-22 11:49:261639 
使用新的解釋技術(shù)，來(lái)分析神經(jīng)網(wǎng)絡(luò)做機(jī)器翻譯和語(yǔ)音識(shí)別的訓(xùn)練過(guò)程,神經(jīng)網(wǎng)絡(luò)語(yǔ)言處理工作原理有待破解。
2017-12-12 14:31:081832 機(jī)器翻譯之所以重要的原因是在于語(yǔ)言對(duì)人類的重要性，《圣經(jīng)·創(chuàng)世記》有個(gè)故事，當(dāng)時(shí)人類聯(lián)合起來(lái)興建希望塔頂通天能傳揚(yáng)己名的巴別塔。為了阻止人類的計(jì)劃，上帝讓人類說(shuō)不同的語(yǔ)言，使人類相互之間不能溝通，計(jì)劃因此失敗，人類自此各散東西。
2018-03-29 16:24:009824 實(shí)現(xiàn)高質(zhì)量機(jī)器翻譯的夢(mèng)想已經(jīng)存在了很多年，很多科學(xué)家都為這一夢(mèng)想貢獻(xiàn)了自己的時(shí)間和心力。從早期的基于規(guī)則的機(jī)器翻譯到如今廣泛應(yīng)用的神經(jīng)機(jī)器翻譯，機(jī)器翻譯的水平不斷提升，已經(jīng)能滿足很多場(chǎng)景的基本應(yīng)
2018-06-01 14:47:001440 
在循環(huán)神經(jīng)網(wǎng)絡(luò)可以用于文本生成、機(jī)器翻譯還有看圖描述等，在這些場(chǎng)景中很多都出現(xiàn)了RNN的身影。
2018-05-11 14:58:4114674 
的序列。在景智AI網(wǎng)這篇譯文中，您將會(huì)獲得，在神經(jīng)機(jī)器翻譯和其他自然語(yǔ)言處理任務(wù)中，如何最好地配置編碼-解碼循環(huán)神經(jīng)網(wǎng)絡(luò)的各種細(xì)節(jié)。閱讀完景智AI網(wǎng)譯文后，你將知道：谷歌的研究調(diào)查了各個(gè)模型針對(duì)編碼-解碼
2018-07-09 22:53:08614 摘要： ?本文將與大家分享機(jī)器翻譯相關(guān)背景知識(shí)，再深入介紹機(jī)器翻譯在阿里生態(tài)中的具體應(yīng)用實(shí)踐，介紹基于機(jī)器翻譯技術(shù)搭建的一套完善的電商多語(yǔ)言解決方案，最后將會(huì)從技術(shù)角度介紹阿里機(jī)器翻譯在解決實(shí)際業(yè)務(wù)
2018-07-31 17:22:30758 
更強(qiáng)、更方便使用的離線 AI 翻譯可不是微軟的專利，谷歌今天也宣布為旗下的翻譯應(yīng)用加入相關(guān)功能，讓使用者的 Android 或 iOS 設(shè)備即使在沒(méi)有網(wǎng)絡(luò)連接的情況下，也可以通過(guò)離線的神經(jīng)機(jī)器翻譯來(lái)
2018-08-13 15:56:006325 深度學(xué)習(xí)機(jī)器翻譯 實(shí)現(xiàn)高質(zhì)量機(jī)器翻譯的夢(mèng)想已經(jīng)存在了很多年，很多科學(xué)家都為這一夢(mèng)想貢獻(xiàn)了自己的時(shí)間和心力。從早期的基于規(guī)則的機(jī)器翻譯到如今廣泛應(yīng)用的神經(jīng)機(jī)器翻譯，機(jī)器翻譯的水平不斷提升，已經(jīng)能滿足
2018-09-17 09:23:01677 機(jī)交互式機(jī)器翻譯技術(shù)，融合神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯、統(tǒng)計(jì)機(jī)器翻譯、輸入法、語(yǔ)義理解、數(shù)據(jù)挖掘等多項(xiàng)前沿技術(shù)，配合億級(jí)雙語(yǔ)平行數(shù)據(jù)，為用戶提供實(shí)時(shí)智能翻譯輔助，幫助用戶更好更快地完成翻譯任務(wù)。產(chǎn)品旨在致敬人工翻譯，輔助人工翻譯更快、更好地完成任務(wù)，探索人工智能賦能翻譯行業(yè)新思路。
2018-11-16 17:04:225034 Lab官方介紹，“騰訊輔助翻譯”采用自研的人機(jī)交互式機(jī)器翻譯技術(shù)，融合神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯、統(tǒng)計(jì)機(jī)器翻譯、輸入法、語(yǔ)義理解、數(shù)據(jù) ... 騰訊AI Lab昨日正式發(fā)布了AI輔助翻譯產(chǎn)品 “騰訊輔助翻譯
2018-11-26 20:55:01840 同時(shí)期國(guó)內(nèi)科技企業(yè)在機(jī)器翻譯上的進(jìn)展也非常迅速，以語(yǔ)音和語(yǔ)義理解見(jiàn)長(zhǎng)的科大訊飛在2014年國(guó)際口語(yǔ)翻譯大賽IWSLT上獲得中英和英中兩個(gè)翻譯方向的全球第一名，在2015年又在由美國(guó)國(guó)家標(biāo)準(zhǔn)技術(shù)研究院組織的機(jī)器翻譯大賽中取得全球第一的成績(jī)。
2019-04-24 13:55:093950 
本文將討論：循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Networks ，以下簡(jiǎn)稱RNN)，它廣泛的用于自然語(yǔ)言處理中的語(yǔ)音識(shí)別，手寫書別以及機(jī)器翻譯等領(lǐng)域。
2019-05-10 08:48:323592 
近年來(lái)，神經(jīng)網(wǎng)絡(luò)在圖像分割、自然語(yǔ)言處理、時(shí)間序列預(yù)測(cè)等方面的應(yīng)用有了很大的發(fā)展。深度學(xué)習(xí)的一個(gè)顯著成功應(yīng)用是嵌入，這是一種將離散變量表示為連續(xù)向量的方法。這項(xiàng)技術(shù)已經(jīng)有了實(shí)際的應(yīng)用，其中有在機(jī)器翻譯中使用詞嵌入和類別變量中使用實(shí)體嵌。
2019-06-08 14:47:005059 未來(lái)需要新的算法和語(yǔ)義層面的綜合性突破，促進(jìn)機(jī)器翻譯產(chǎn)品的迭代和產(chǎn)業(yè)全面升級(jí)。
2019-07-14 10:02:321263 注釋數(shù)據(jù)庫(kù)和讓機(jī)器從中學(xué)習(xí)的技術(shù)讓語(yǔ)言學(xué)習(xí)發(fā)生了革命性變化，這使得機(jī)器翻譯變得越來(lái)越普遍。
2019-07-17 10:56:59840 隨著許多嵌入式系開始變得智能且自主，以人工智能（AI）神經(jīng)網(wǎng)絡(luò)為導(dǎo)向的嵌入式系統(tǒng)市場(chǎng)即將起飛，神經(jīng)網(wǎng)絡(luò)加速器大戰(zhàn)一觸發(fā)。
2019-11-14 14:16:01978 據(jù)外媒報(bào)道，近日美國(guó)加州大學(xué)舊金山分校的Joseph Makin及同事在《自然-神經(jīng)科學(xué)》上發(fā)表的一篇論文報(bào)告了一種能夠以較高的準(zhǔn)確率，解碼神經(jīng)活動(dòng)并將其翻譯為句子的機(jī)器翻譯算法。
2020-03-31 14:01:282686 據(jù)市場(chǎng)研究機(jī)構(gòu)Marketsand Markets發(fā)布的最新展望報(bào)告指出，由消費(fèi)者需求所促成的龐大、復(fù)雜數(shù)據(jù)集，與不斷增加的商業(yè)應(yīng)用程序，還有廣泛被采用的深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)，推動(dòng)AI芯片市場(chǎng)以約40%的年成長(zhǎng)率持續(xù)擴(kuò)張。
2020-10-07 11:24:002401 谷歌發(fā)明的用于神經(jīng)網(wǎng)絡(luò)任務(wù)的AI芯片，通過(guò)引入標(biāo)準(zhǔn)人工智能運(yùn)算管芯，使得AI芯片可以應(yīng)對(duì)多種復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，從而降低了芯片設(shè)計(jì)時(shí)長(zhǎng)以及減少了設(shè)計(jì)的工作量。
2020-11-18 09:54:332981 包括以了解信息或以交流信息為目的的機(jī)器翻譯。 多語(yǔ)言翻譯是機(jī)器翻譯需要面臨的一大技術(shù)現(xiàn)實(shí)。其中，一個(gè)理想的模型是一個(gè)統(tǒng)一的具備多種語(yǔ)言能力的模型，在遇到新的語(yǔ)言時(shí)，臨時(shí)少量學(xué)習(xí)即可達(dá)到很流利的語(yǔ)言水平。 EMN
2020-12-01 14:03:353975 
這篇文章為大家介紹了一下面向低功耗AI芯片上的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)，隨著這幾年神經(jīng)網(wǎng)絡(luò)和硬件（CPU,GPU,FPGA,ASIC）的迅猛發(fā)展，深度學(xué)習(xí)在包...
2020-12-14 23:40:081510 所謂機(jī)器翻譯，就是利用計(jì)算機(jī)將一種自然語(yǔ)言（源語(yǔ)言）轉(zhuǎn)換為另一種自然語(yǔ)言（目標(biāo)語(yǔ)言）的過(guò)程。它是計(jì)算語(yǔ)言學(xué)的一個(gè)分支，是人工智能的終極目標(biāo)之一，具有重要的科學(xué)研究?jī)r(jià)值。而且機(jī)器翻譯又具有重要
2020-12-29 10:12:375538 思想就是打造“機(jī)器翻譯界的BERT”，通過(guò)預(yù)訓(xùn)練技術(shù)再在具體語(yǔ)種上微調(diào)即可達(dá)到領(lǐng)先的翻譯效果，其在32個(gè)語(yǔ)種上預(yù)訓(xùn)練出的統(tǒng)一模型在47個(gè)翻譯測(cè)試集上取得了全面顯著的提升。 目錄 機(jī)器翻譯預(yù)訓(xùn)練的挑戰(zhàn)
2021-03-31 17:24:043775 
，對(duì)詞級(jí)粒度、詞干級(jí)粒度、最大詞干級(jí)粒度、詞干詞綴級(jí)粒度、詞干-詞尾級(jí)粒度的漢維平行語(yǔ)料庫(kù)進(jìn)行對(duì)比實(shí)驗(yàn)，研究不同粒度的維吾爾語(yǔ)對(duì)漢維機(jī)器翻譯中的詞語(yǔ)對(duì)齊質(zhì)量和語(yǔ)言模型質(zhì)量的影響。實(shí)驗(yàn)結(jié)果表明，在上述5種粒度的維
2021-05-11 15:34:11
9 基于模板驅(qū)動(dòng)的神經(jīng)機(jī)器翻譯模型綜述
2021-06-24 15:31:3516 基于DNN與規(guī)則學(xué)習(xí)的機(jī)器翻譯算法綜述
2021-06-29 15:44:0633 基于句子級(jí)上下文的神經(jīng)機(jī)器翻譯綜述
2021-06-29 16:26:4364 得益于神經(jīng)機(jī)器翻譯 (NMT) 的進(jìn)步，譯文更加自然流暢，但與此同時(shí)，這些譯文也反映出訓(xùn)練數(shù)據(jù)存在社會(huì)偏見(jiàn)和刻板印象。因此，Google 持續(xù)致力于遵循 AI 原則，開發(fā)創(chuàng)新技術(shù)，減少機(jī)器翻譯中
2021-08-24 10:14:423567 國(guó)際市場(chǎng)上Facebook、亞馬遜等企業(yè)早幾年就已經(jīng)實(shí)現(xiàn)了內(nèi)容的自動(dòng)翻譯化。神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的進(jìn)步，大大提高了機(jī)器翻譯的速度和準(zhǔn)確性，全球化進(jìn)程的推進(jìn)也使機(jī)器翻譯的市場(chǎng)需求每年呈線性增長(zhǎng)趨勢(shì)
2022-05-31 10:54:303218 機(jī)器翻譯 根據(jù)用戶領(lǐng)域需求，通過(guò)人工智能技術(shù)，定制專業(yè)機(jī)器翻譯。 采用神經(jīng)網(wǎng)絡(luò)翻譯技術(shù)（NMT），支持訓(xùn)練和部署細(xì)分領(lǐng)域的垂直機(jī)器翻譯引擎，可根據(jù)客戶需求定制化訓(xùn)練和維護(hù)專屬機(jī)器翻譯引擎，滿足海量
2022-09-21 14:45:041541 在過(guò)去的幾年中，神經(jīng)網(wǎng)絡(luò)的興起與應(yīng)用成功推動(dòng)了模式識(shí)別和數(shù)據(jù)挖掘的研究。許多曾經(jīng)嚴(yán)重依賴于手工提取特征的機(jī)器學(xué)習(xí)任務(wù)（如目標(biāo)檢測(cè)、機(jī)器翻譯和語(yǔ)音識(shí)別），如今都已被各種端到端的深度學(xué)習(xí)范式（例如卷積
2022-09-22 10:16:342834 
然而之前的基于機(jī)器翻譯的CCR工作大多忽略了這個(gè)問(wèn)題，它們通常使用大規(guī)模的預(yù)訓(xùn)練模型在通過(guò)機(jī)器翻譯得到的大規(guī)模多語(yǔ)言視覺(jué)-語(yǔ)言語(yǔ)料庫(kù)上進(jìn)行大規(guī)模預(yù)訓(xùn)練，并且只關(guān)注于視覺(jué)-目標(biāo)語(yǔ)言數(shù)據(jù)對(duì)之間的對(duì)齊。
2022-10-14 14:59:041488 隨著人工智能(AI)技術(shù)的快速發(fā)展，AI可以越來(lái)越多地支持以前無(wú)法實(shí)現(xiàn)或者難以實(shí)現(xiàn)的應(yīng)用。本文基于此解釋了卷積神經(jīng)網(wǎng)絡(luò)(CNN)及其對(duì)人工智能和機(jī)器學(xué)習(xí)的意義。CNN是一種能夠從復(fù)雜數(shù)據(jù)中提取特征
2023-03-11 23:10:041664 以ChatGPT為代表的大語(yǔ)言模型（Large Language Models, LLM）在機(jī)器翻譯（Machine Translation, MT）任務(wù)上展現(xiàn)出了驚人的潛力。
2023-05-17 09:56:263798 
成為主流，如神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯。神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯是機(jī)器從大量數(shù)據(jù)中自動(dòng)學(xué)習(xí)翻譯知識(shí)，而不依靠人類專家撰寫規(guī)則，可以顯著提升翻譯質(zhì)量，但在處理語(yǔ)序差異大的語(yǔ)言翻譯時(shí)仍然面臨一些挑戰(zhàn)。
2023-07-06 11:19:591847 
Learning）的應(yīng)用，通過(guò)運(yùn)用多層卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，可以自動(dòng)地進(jìn)行特征提取和學(xué)習(xí)，進(jìn)而實(shí)現(xiàn)圖像分類、物體識(shí)別、目標(biāo)檢測(cè)、語(yǔ)音識(shí)別和自然語(yǔ)言翻譯等任務(wù)。 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)包括：輸入層、卷積層、激活函數(shù)、池化層和全連接層。 在CNN中，輸入層通常是代表圖像的矩陣或向量，而卷積層是卷積神
2023-08-17 16:30:351925 卷積神經(jīng)網(wǎng)絡(luò)算法是機(jī)器算法嗎? 卷積神經(jīng)網(wǎng)絡(luò)算法是機(jī)器算法的一種，它通常被用于圖像、語(yǔ)音、文本等數(shù)據(jù)的處理和分類。隨著深度學(xué)習(xí)的興起，卷積神經(jīng)網(wǎng)絡(luò)逐漸成為了圖像、語(yǔ)音等領(lǐng)域中最熱門的算法之一。 卷積
2023-08-21 16:49:481427 深度神經(jīng)網(wǎng)絡(luò)是一種基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法，其主要特點(diǎn)是由多層神經(jīng)元構(gòu)成，可以根據(jù)數(shù)據(jù)自動(dòng)調(diào)整神經(jīng)元之間的權(quán)重，從而實(shí)現(xiàn)對(duì)大規(guī)模數(shù)據(jù)進(jìn)行預(yù)測(cè)和分類。卷積神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)的一種，主要應(yīng)用于圖像和視頻處理領(lǐng)域。
2023-08-21 17:07:365026 人工神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別? 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）是一種模仿人腦神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)和功能的計(jì)算模型，也被稱為神經(jīng)網(wǎng)絡(luò)（Neural
2023-08-22 16:45:186053 神經(jīng)網(wǎng)絡(luò)架構(gòu)是機(jī)器學(xué)習(xí)領(lǐng)域中的核心組成部分，它們模仿了生物神經(jīng)網(wǎng)絡(luò)的運(yùn)作方式，通過(guò)復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)信息的處理、存儲(chǔ)和傳遞。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展，各種神經(jīng)網(wǎng)絡(luò)架構(gòu)被提出并廣泛應(yīng)用于圖像識(shí)別
2024-07-01 14:16:422334 反向傳播神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network，簡(jiǎn)稱BP神經(jīng)網(wǎng)絡(luò)）是一種多層前饋神經(jīng)網(wǎng)絡(luò)，它通過(guò)反向傳播算法來(lái)調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置，以達(dá)到最小化誤差的目的。BP
2024-07-03 11:00:201737 神經(jīng)網(wǎng)絡(luò)芯片和普通芯片的區(qū)別是一個(gè)復(fù)雜而深入的話題，涉及到計(jì)算機(jī)科學(xué)、電子工程、人工智能等多個(gè)領(lǐng)域。 定義 神經(jīng)網(wǎng)絡(luò)芯片（Neural Network Processor，簡(jiǎn)稱NNP）是一種專門用于
2024-07-04 09:30:033059 引言 隨著人工智能技術(shù)的快速發(fā)展，深度學(xué)習(xí)算法在圖像識(shí)別、自然語(yǔ)言處理、語(yǔ)音識(shí)別等領(lǐng)域取得了顯著的成果。然而，深度學(xué)習(xí)算法對(duì)計(jì)算資源的需求非常高，傳統(tǒng)的計(jì)算芯片已經(jīng)無(wú)法滿足其需求。因此，神經(jīng)網(wǎng)絡(luò)芯片
2024-07-04 09:31:322343 人工智能神經(jīng)網(wǎng)絡(luò)芯片是一類專門為深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)的處理器。它們具有高性能、低功耗、可擴(kuò)展等特點(diǎn)，廣泛應(yīng)用于圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域。以下是關(guān)于人工智能神經(jīng)網(wǎng)絡(luò)芯片的介紹
2024-07-04 09:33:372004 遞歸神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，簡(jiǎn)稱RNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，簡(jiǎn)稱RNN）實(shí)際上是同一個(gè)概念，只是不同的翻譯方式
2024-07-04 14:54:592070 領(lǐng)域： 語(yǔ)言模型和文本生成 RNN在自然語(yǔ)言處理（NLP）領(lǐng)域有著廣泛的應(yīng)用，特別是在語(yǔ)言模型和文本生成方面。RNN可以捕捉到文本中的長(zhǎng)距離依賴關(guān)系，從而生成更加自然、連貫的文本。例如，RNN可以用于生成新聞文章、小說(shuō)、詩(shī)歌等。 機(jī)器翻譯 RNN在機(jī)器翻譯領(lǐng)域也取得了顯著的
2024-07-04 15:04:152058 基于神經(jīng)網(wǎng)絡(luò)的語(yǔ)言模型（Neural Language Models, NLMs）是現(xiàn)代自然語(yǔ)言處理（NLP）領(lǐng)域的一個(gè)重要組成部分，它們通過(guò)神經(jīng)網(wǎng)絡(luò)來(lái)捕捉語(yǔ)言的統(tǒng)計(jì)特性和語(yǔ)義信息，從而生成自然語(yǔ)言
2024-07-10 11:15:532105 隨著人工智能技術(shù)的飛速發(fā)展，語(yǔ)言特征信號(hào)分類作為語(yǔ)音識(shí)別、語(yǔ)種識(shí)別及語(yǔ)音情感分析等領(lǐng)域的重要基礎(chǔ)，正逐漸受到研究者的廣泛關(guān)注。BP神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural
2024-07-10 15:44:141199 、機(jī)器翻譯、語(yǔ)音合成和大模型四項(xiàng)能力構(gòu)建高效同聲傳譯鏈路，實(shí)現(xiàn)70+種語(yǔ)言全覆蓋的強(qiáng)大能力，為跨境商貿(mào)、文化交流、戶外出行等場(chǎng)景提供高效精準(zhǔn)的翻譯解決方案，推動(dòng)AI翻
2025-12-03 10:50:20871 
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論