aktueller Standort:Heim > Technische Artikel > Technologie-Peripheriegeräte > KI
- Richtung:
- alle web3.0 Backend-Entwicklung Web-Frontend Datenbank Betrieb und Instandhaltung Entwicklungswerkzeuge PHP-Framework tägliche Programmierung WeChat-Applet häufiges Problem andere Technik CMS-Tutorial Java System-Tutorial Computer-Tutorials Hardware-Tutorial Mobiles Tutorial Software-Tutorial Tutorial für Handyspiele
- Klassifizieren:
-
- KI sagt extremes Wetter 5.000-mal schneller voraus! Microsoft bringt Aurora auf den Markt, um globale Stürme mit den Augen der KI vorherzusagen
- Seit Beginn der Menschheitsgeschichte waren die Menschen davon besessen, das Wetter vorherzusagen und die „Sprache des Himmels“ auf verschiedene Weise zu entschlüsseln. Langsam entdeckten wir, dass Vegetation und Wolken nicht nur mit dem Wetter zusammenhängen Bedürfnisse des Menschen für die Produktion, sondern auch wegen des Bedürfnisses des Menschen, dem starken Wind zu singen und im Mondlicht Gedichte zu rezitieren. Der Sturmsänger in „Das Lied von Eis und Feuer“ sagt durch Gesang und Gesänge das Wetter und Stürme voraus, und die Menschen träumen auch davon, die Superkraft zu besitzen, „das Wetter zu verändern“. Kürzlich haben Wetterexperten und Wettervorhersagen deutlich gemacht, dass wir der verkörperten Erfahrung und der physischen Welt immer noch nicht entkommen können, aber jetzt ändert die KI das. Feinabstimmung von Inhalten: Microsoft hat Aurora veröffentlicht, das erste groß angelegte atmosphärische Basismodell, das aus Daten lernen und Vorhersagen treffen kann und dabei eine erstaunliche Genauigkeit und Effizienz aufweist
- KI 883 2024-06-11 09:07:29
-
- Robin Li spricht über KI in Europa: Ich interessiere mich mehr für Superanwendungen als für GPT-5
- Der größte Unterschied zwischen Zhonggu AI und dem Westen ist die Anwendung. In China gibt es Hunderte von Grundmodellen, aber die Menschen diskutieren zunehmend darüber, was die Superanwendungen im KI-Zeitalter sind. Anwendungen treiben die rasante Entwicklung der KI voran. Fortschritte im Anwendungsbereich können Innovationen bei Basismodellen fördern und dazu beitragen, den Übergang vom Internetzeitalter zum Zeitalter der künstlichen Intelligenz zu beschleunigen. Beim Hauptforum der „European AI Spring Festival Gala“ hatte Robin Li seinen jüngsten Auftritt. Als einziger zur Konferenz eingeladener chinesischer Unternehmer „sprach“ er erneut für Chinas KI. Der vollständige Name dieser Konferenz, die in Paris, Frankreich, stattfindet, lautet „European Science and Technology Innovation Exhibition“ (Viva Technology), eine der größten Technologieveranstaltungen in Europa. Zu den diesjährigen Rednern zählen neben Robin Li auch Musk und Turing-Award-Gewinner Yoshua Be
- KI 606 2024-06-10 22:55:23
-
- Multifunktionale RNA-Analyse, das auf Transformer basierende RNA-Sprachmodell des Baidu-Teams wird in der Unterzeitschrift „Nature' veröffentlicht
- Herausgeber | Die vorab trainierten Radish-Kern-Sprachmodelle haben sich bei der Analyse von Nukleotidsequenzen als vielversprechend erwiesen, aber es gibt immer noch Herausforderungen bei der Verwendung eines einzigen vorab trainierten Gewichtssatzes, um multifunktionale Modelle zu erhalten, die bei verschiedenen Aufgaben gut funktionieren. Die Teams des Baidu Big Data Lab (BDL) und der Shanghai Jiao Tong University entwickelten RNAErnie, ein RNA-zentriertes Pre-Training-Modell, das auf der Transformer-Architektur basiert. Die Forscher bewerteten das Modell anhand von sieben Datensätzen und fünf Aufgaben und demonstrierten die Überlegenheit von RNAErnie sowohl beim überwachten als auch beim unbeaufsichtigten Lernen. RNAErnie übertraf die Basislinie und verbesserte die Klassifizierungsgenauigkeit um 1,8 %, die Genauigkeit der Interaktionsvorhersage um 2,2 % und den F1-Score der Strukturvorhersage um 3,3 %.
- KI 678 2024-06-10 22:21:12
-
- Transparent! So wählen Sie den richtigen Algorithmus für maschinelles Lernen aus
- Überlegungen zur Algorithmusauswahl Die Auswahl des richtigen Algorithmus für maschinelles Lernen für die Aufgabe umfasst mehrere Faktoren, von denen jeder einen erheblichen Einfluss auf die endgültige Entscheidung haben kann. Hier sind einige Aspekte, die Sie bei der Entscheidungsfindung berücksichtigen sollten: 1. Größe und Qualität des Datensatzes: Algorithmen für maschinelles Lernen unterscheiden sich in ihren Anforderungen an Eingabedaten. Einige Algorithmen funktionieren gut mit kleinen Datensätzen, während andere Algorithmen gut mit großen Datensätzen funktionieren. Darüber hinaus sind auch die Genauigkeit, Vollständigkeit und Repräsentativität der Daten 1. Eigenschaften des Datensatzes Die Eigenschaften des Datensatzes sind entscheidend für die Auswahl des Algorithmus. Faktoren wie die Größe des Datensatzes, die Art der darin enthaltenen Datenelemente und ob die Daten strukturiert oder unstrukturiert sind, sind allesamt Schlüsselfaktoren. Stellen Sie sich vor, Algorithmen für strukturierte Daten auf unstrukturierte Datenprobleme anzuwenden. Sie werden wahrscheinlich nicht weit kommen! Große Datensätze erfordern
- KI 893 2024-06-10 22:18:30
-
- Verwenden Sie NVIDIA Riva, um schnell chinesische Sprach-KI-Dienste auf Unternehmensebene bereitzustellen und diese zu optimieren und zu beschleunigen
- 1. Überblick über Riva 1. ÜberblickRiva ist ein von NVIDIA eingeführtes SDK für Echtzeit-SpeechAI-Dienste. Es ist ein hochgradig anpassbares Tool und nutzt GPU-Beschleunigung. Viele vorab trainierte Modelle werden auf NGC bereitgestellt. Diese Modelle sind sofort einsatzbereit und können direkt mit den von Riva bereitgestellten ASR- und TTS-Lösungen bereitgestellt werden. Um den Anforderungen bestimmter Bereiche gerecht zu werden oder benutzerdefinierte Funktionen zu entwickeln, können Benutzer diese Modelle auch mit NeMo neu trainieren oder verfeinern. Dadurch wird die Leistung des Modells weiter verbessert und es besser an die Benutzerbedürfnisse anpassbar. Riva+Skills ist ein hochgradig anpassbares Tool, das GPU-beschleunigte Echtzeit-Streaming-Spracherkennung nutzt
- KI 1167 2024-06-10 21:57:48
-
- Super stark! Die zehn wichtigsten Algorithmen für maschinelles Lernen, die Sie kennen müssen
- 1. Lineare Regression Die lineare Regression ist einer der einfachsten und am weitesten verbreiteten Algorithmen für maschinelles Lernen für die Vorhersagemodellierung. Dabei handelt es sich um einen überwachten Lernalgorithmus, mit dem der Wert einer abhängigen Variablen auf der Grundlage einer oder mehrerer unabhängiger Variablen vorhergesagt wird. Der Kern der Definition der linearen Regression besteht darin, ein lineares Modell an die beobachteten Daten anzupassen. Ein lineares Modell wird durch die folgende Gleichung dargestellt: Wo ist die abhängige Variable (die Variable, die wir vorhersagen möchten) ist die unabhängige Variable (die Variable, die wir zur Vorhersage verwenden) ist die Steigung der Linie ist der y-Achsenabschnitt (der Schnittpunkt der Linie und der y-Achse) Lineare Regression Der Algorithmus beinhaltet das Finden der am besten passenden Linie durch die Datenpunkte. Dies geschieht normalerweise durch Minimierung der quadrierten Differenz zwischen den beobachteten und den vorhergesagten Werten. Bewertungsmetrischer mittlerer quadratischer Fehler (MSE): der Durchschnitt der Quadrate der Messfehler. Je niedriger der Wert, desto besser. R-Quadrat: bedeutet, dass die Wurzel
- KI 1011 2024-06-10 21:53:52
-
- KI im Einsatz |. Verwenden Sie Kimi, um „verrückte' Texte zu schreiben, mit über 100.000 Artikeln
- Herausgeber des Berichts über die Macht von Maschinen: Wenhua Die Welle der künstlichen Intelligenz, repräsentiert durch große Modelle und AIGC, hat still und heimlich die Art und Weise verändert, wie wir leben und arbeiten, aber die meisten Menschen wissen immer noch nicht, wie sie sie nutzen sollen. Aus diesem Grund haben wir die Kolumne „KI im Einsatz“ ins Leben gerufen, um detailliert vorzustellen, wie KI durch intuitive, interessante und prägnante Anwendungsfälle für künstliche Intelligenz eingesetzt werden kann, und um das Denken aller anzuregen. Wir heißen Leser auch willkommen, innovative, praktische Anwendungsfälle einzureichen. Heutzutage macht sich jeder bis zur Glatze Sorgen, um den Verkehr zu erobern. Erfahren Sie heute, wie Amway Traffic generiert: Verwenden Sie KI, um „verrückte“ Werbetexte für öffentliche Konten zu schreiben, und erzielen Sie mehr als 100.000 pro Artikel. Diese Art von Copywriting für öffentliche Accounts muss einer Routine folgen: 1. Ein interessanter Titel 2. Ein Copywriting, das eine schwere Krankheit zu haben scheint 3. Ein paar Bilder, die heilsam oder lustig sein könnten. Dies verwendet A
- KI 1159 2024-06-10 21:22:30
-
- Zusätzlich zu RAG gibt es fünf Möglichkeiten, die Illusion großer Modelle zu beseitigen
- Produziert von 51CTO Technology Stack (WeChat-ID: blog51cto) Es ist bekannt, dass LLM Halluzinationen hervorrufen kann – also falsche, irreführende oder bedeutungslose Informationen generieren kann. Interessanterweise betrachten einige Leute, wie etwa OpenAI-CEO Sam Altman, KI-Vorstellungskraft als Kreativität, während andere glauben, dass Vorstellungskraft dabei helfen könnte, neue wissenschaftliche Entdeckungen zu machen. In den meisten Fällen ist es jedoch entscheidend, die richtige Antwort zu geben, und Halluzinationen sind kein Merkmal, sondern ein Fehler. Wie kann man also die Illusion von LLM reduzieren? Langer Kontext? LAPPEN? Feinabstimmung? Tatsächlich sind Langkontext-LLMs nicht narrensicher, Vektorsuch-RAGs sind nicht zufriedenstellend und die Feinabstimmung bringt ihre eigenen Herausforderungen und Einschränkungen mit sich. Hier sind einige, die verwendet werden können
- KI 1539 2024-06-10 20:25:51
-
- ICML2024-Highscore! Modifizieren Sie die Aufmerksamkeit auf magische Weise, sodass kleine Modelle doppelt so stark gegen große Modelle kämpfen können
- Verbessern Sie den Kernmechanismus von Transformer zur Fokussierung, sodass mit kleinen Modellen doppelt so große Modelle erstellt werden können! In der ICML+2024-Studie mit der höchsten Punktzahl baute das Team von Caiyun Technology das DCFormer-Framework auf, das das Transformer-Kernkomponenten-Aufmerksamkeitsmodul (MHA) ersetzte, und schlug eine dynamisch kombinierbare Multi-Head-Aufmerksamkeit (DCMHA) vor. DCMHA entfernt die feste Bindung der Such-, Auswahlschleife und Transformationsschleife des MHA-Aufmerksamkeitskopfes und ermöglicht so eine dynamische Kombination basierend auf der Eingabe, was die Ausdrucksfähigkeit des Modells grundlegend verbessert. Die ursprüngliche Bedeutung besteht darin, dass jede Schicht einen festen H-Aufmerksamkeitskopf hat. Jetzt ist es fast so, dass jede Schicht einen festen H-Aufmerksamkeitskopf hat. Jetzt kann sie mit fast der gleichen Menge an Parametern und Rechenleistung dynamisch kombiniert werden
- KI 905 2024-06-10 20:18:19
-
- Wie TigerGraph CoPilot grafikgestützte KI implementiert
- Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x-Community https://www.51cto.com/aigc/ Durch den Vergleich der Mängel anderer kommerzieller LLMs stellt dieser Artikel im Detail die Hauptfunktionen, Vorteile und zwei Schlüsselpunkte vor TigerGraphCoPilot-Beispiel. Daten als Produktionsfaktor konnten uns in den letzten Jahren branchenübergreifend transformative Geschäftseinblicke liefern. Allerdings stellt uns die sinnvolle Nutzung der verfügbaren Big Data oft vor große Herausforderungen. Einerseits gibt es eine Überlastung der Daten, andererseits gibt es eine Vielzahl nicht ausgelasteter Dateninseln. Viele professionelle Datenwissenschaftler und -analysten müssen dringend ihr Fachwissen nutzen, um ihren Organisationen ein opferfreies Arbeiten zu ermöglichen
- KI 926 2024-06-10 18:38:14
-
- ICML 2024 |. Durch die Abkehr von der LoRA-Architektur werden die Trainingsparameter stark reduziert und eine neue Art der Fourier-Feinabstimmung kommt
- Die AIxiv-Kolumne ist eine Kolumne, in der diese Website akademische und technische Inhalte veröffentlicht. In den letzten Jahren sind in der AIxiv-Kolumne dieser Website mehr als 2.000 Berichte eingegangen, die Spitzenlabore großer Universitäten und Unternehmen auf der ganzen Welt abdecken und so den akademischen Austausch und die Verbreitung wirksam fördern. Wenn Sie hervorragende Arbeiten haben, die Sie teilen möchten, können Sie gerne einen Beitrag leisten oder uns für die Berichterstattung kontaktieren. Einreichungs-E-Mail: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com Dieser Artikel stellt einen Artikel „Parameter-EfficientFine-TuningwithDis“ der Hong Kong University of Science and Technology (Guangzhou) über die effiziente Feinabstimmung großer Modelle vor (LLMPEFTFine-Tuning)
- KI 1270 2024-06-10 17:58:01
-
- So nutzen Sie künstliche Intelligenz, um die Cloud-Sicherheit für APIs und Microservices zu verbessern
- Übersetzer |. Bewertet von Li Rui |. Übersicht API ist eine Reihe von Richtlinien und Protokollen, die zur Erleichterung der Kommunikation zwischen Softwareanwendungen verwendet werden. Es beschreibt die Methoden, mit denen Softwarekomponenten interagieren, und vereinfacht so den Prozess der Entwicklung und Integration von Systemen. Die Microservices-Architektur stellt einen Ansatz zur Softwareentwicklung dar, der große Anwendungen in mehrere Dienste unterteilt. Jeder Service konzentriert sich auf eine Geschäftsfunktion. Sie können autonom entwickelt, bereitgestellt und skaliert werden. Cloud-Sicherheit ist für APIs und Microservices aus folgenden Gründen sehr wichtig: Datenschutz: APIs und Microservices verarbeiten häufig Informationen. Die Aufrechterhaltung der Sicherheit ist entscheidend, um diese Daten vor Zugriff, Verlust oder Zerstörung zu schützen. Benutzerauthentifizierung und -autorisierung: Die Implementierung von Sicherheitsprotokollen in einer Cloud-Computing-Umgebung hilft, die Identität von Benutzern und Diensten zu überprüfen, die mit APIs und Microservices interagieren. Das ist wahr
- KI 1163 2024-06-10 17:09:20
-
- Einfach und universell: Dreifache verlustfreie Trainingsbeschleunigung des Visual Basic Network, Tsinghua EfficientTrain++ für TPAMI 2024 ausgewählt
- Der Autor dieses Diskussionspapiers, Wang Yulin, ist 2019 Direktdoktorand in der Abteilung für Automatisierung der Tsinghua-Universität. Er studierte bei Akademiker Wu Cheng und außerordentlichem Professor Huang Gao. Seine Forschungsschwerpunkte sind effizientes Deep Learning, Computer Vision usw . Er hat als Erstautor Diskussionspapiere in Fachzeitschriften und Konferenzen wie TPAMI, NeurIPS, ICLR, ICCV, CVPR, ECCV usw. veröffentlicht. Er erhielt das Baidu-Stipendium, den Microsoft Scholar, den CCF-CV Academic Emerging Award, das ByteDance-Stipendium und andere Auszeichnungen . Persönliche Homepage: wyl.cool. In diesem Artikel wird hauptsächlich ein Artikel vorgestellt, der gerade von IEEETransactionsonPatternAnalysisandMachineIntelligence (TPAMI) akzeptiert wurde: Effici
- KI 1108 2024-06-10 14:54:28
-
- Ein effizientes und verallgemeinerbares Gaußsches Rekonstruktions-Framework, das mit nur 3 Ansichten schnell argumentieren und die Optimierung in 45 Sekunden abschließen kann.
- Die AIxiv-Kolumne ist eine Kolumne, in der diese Website akademische und technische Inhalte veröffentlicht. In den letzten Jahren sind in der AIxiv-Kolumne dieser Website mehr als 2.000 Berichte eingegangen, die Spitzenlabore großer Universitäten und Unternehmen auf der ganzen Welt abdecken und so den akademischen Austausch und die Verbreitung wirksam fördern. Wenn Sie hervorragende Arbeiten haben, die Sie teilen möchten, können Sie gerne einen Beitrag leisten oder uns für die Berichterstattung kontaktieren. Einreichungs-E-Mail: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 3D-Rekonstruktion und neue Ansichtssynthesetechnologie werden in den Bereichen virtuelle Realität und erweiterte Realität häufig eingesetzt. NeRF hat bemerkenswerte Erfolge bei der Ansichtssynthese erzielt, indem Szenen implizit als Strahlenszenen kodiert wurden. Da NeRF jedoch auf zeitaufwändige Punkt-für-Punkt-Abfragen angewiesen ist, ist dies sehr intensiv
- KI 990 2024-06-10 14:24:57
-
- Neuer Fortschritt in Li Feifeis „Spatial Intelligence'-Reihe: Die neue „BVS'-Suite des Teams von Wu Jiajun evaluiert Computer-Vision-Modelle
- In seiner jüngsten TED-Rede 2024 erläuterte Li Feifei das Konzept der räumlichen Intelligenz (Spatial Intelligence) ausführlich. Sie ist erfreut und äußerst begeistert von der rasanten Entwicklung des Bereichs Computer Vision in den letzten Jahren und gründet zu diesem Zweck ein Start-up-Unternehmen. In dieser Rede erwähnte sie ein Forschungsergebnis des Stanford-Teams, BEHAVIOR. was sie „erstellten“ Ein Verhaltens- und Bewegungsdatensatz, mit dem Computer und Roboter trainiert werden, sich in einer dreidimensionalen Welt zu verhalten. VERHALTEN ist ein riesiger Datensatz, der menschliche Verhaltensweisen und Handlungen in verschiedenen Szenarien enthält. Der Zweck dieses Datensatzes besteht darin, Computern und Robotern zu ermöglichen, menschliches Verhalten besser zu verstehen und nachzuahmen. Durch die Analyse des VERHALTENS
- KI 1224 2024-06-10 14:04:57