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:
-
- Fünf Schulen des maschinellen Lernens, die Sie nicht kennen
- Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist
- KI 768 2024-06-05 20:51:22
-
- Das große Bytedance Beanbao-Modell wurde veröffentlicht. Der Full-Stack-KI-Dienst Volcano Engine unterstützt Unternehmen bei der intelligenten Transformation
- Tan Dai, Präsident von Volcano Engine, sagte, dass Unternehmen, die große Modelle gut implementieren wollen, vor drei zentralen Herausforderungen stehen: Modelleffekt, Inferenzkosten und Implementierungsschwierigkeiten: Sie müssen über eine gute Basisunterstützung für große Modelle verfügen, um komplexe Probleme zu lösen, und das müssen sie auch Dank der kostengünstigen Inferenzdienste können große Modelle weit verbreitet verwendet werden, und es werden mehr Tools, Plattformen und Anwendungen benötigt, um Unternehmen bei der Implementierung von Szenarien zu unterstützen. ——Tan Dai, Präsident von Huoshan Engine 01. Das große Sitzsackmodell feiert sein Debüt und wird häufig genutzt. Das Polieren des Modelleffekts ist die größte Herausforderung für die Implementierung von KI. Tan Dai wies darauf hin, dass ein gutes Modell nur durch ausgiebigen Gebrauch poliert werden kann. Derzeit verarbeitet das Doubao-Modell täglich 120 Milliarden Text-Tokens und generiert 30 Millionen Bilder. Um Unternehmen bei der Umsetzung groß angelegter Modellszenarien zu unterstützen, wird das von ByteDance unabhängig entwickelte Beanbao-Großmodell durch den Vulkan gestartet
- KI 881 2024-06-05 19:59:21
-
- NVIDIAs neue Forschung: Die Kontextlänge ist ernsthaft falsch und nicht viele 32K-Leistungen sind qualifiziert
- Das falsche Standardphänomen großer Modelle mit „langem Kontext“ wird rücksichtslos aufgedeckt – die neue Untersuchung von NVIDIA ergab, dass 10 große Modelle, darunter GPT-4, Kontextlängen von 128 KB oder sogar 1 MB erzeugen. Aber nach einigen Tests ist der neue Indikator „effektiver Kontext“ stark geschrumpft, und nicht viele können 32 KB erreichen. Der neue Benchmark heißt RULER und umfasst insgesamt 13 Aufgaben in vier Kategorien: Retrieval, Multi-Hop-Tracking, Aggregation sowie Frage und Antwort. RULER definiert die „effektive Kontextlänge“, also die maximale Länge, bei der das Modell die gleiche Leistung wie die Llama-7B-Basislinie bei 4K-Länge aufrechterhalten kann. Die Forschung wurde von Wissenschaftlern als „sehr aufschlussreich“ bewertet. Nachdem sie diese neue Forschung gesehen hatten, wollten viele Internetnutzer auch die kontextlangen King-Spieler Claude und Gemini sehen.
- KI 1009 2024-06-05 16:22:47
-
- Der gesamte Prozess der Bereitstellung von Yolov auf dem iPhone oder Terminal wird geübt
- Der lang erwartete Erkennungsklassiker hat eine weitere Angriffswelle – YOLOv5. Unter diesen verfügt YOLOv5 nicht über vollständige Dateien. Das Wichtigste ist nun, YOLOv4 herauszufinden, was im Bereich der Zielerkennung große Vorteile bringt und in bestimmten Szenarien erheblich verbessert werden kann. Heute werden wir YOLOv4 für Sie analysieren. In der nächsten Ausgabe werden wir die Bereitstellung von YOLOv5 auf Apple-Handys üben oder es in Echtzeit über die Kamera am Terminal erkennen! 1. Technologieüberblick Es gibt eine große Anzahl von Funktionen, die die Genauigkeit von Faltungs-Neuronalen Netzen (CNN) verbessern sollen. Kombinationen dieser Merkmale müssen an großen Datensätzen praktisch getestet und die Ergebnisse theoretisch validiert werden. Einige Funktionen funktionieren nur bei bestimmten Modellen, einige Fragen funktionieren nur bei bestimmten Modellen oder es handelt sich nur um kleinere Probleme.
- KI 492 2024-06-05 16:17:14
-
- TeleAI und Shanghai AI Lab schlagen eine neue Kette dreidimensionaler Wahrnehmung verkörperter Intelligenz vor und schlagen ein multiperspektivisches verkörpertes Fusionsmodell „SAM-E' vor.
- 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. Einsende-E-Mail: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com Wenn wir eine mechanische Uhr in die Hand nehmen, sehen wir das Zifferblatt und die Zeiger von vorne, die Krone und das Armband von der Seite und wenn wir die Rückseite der Uhr öffnen , wir werden die komplexen Zahnräder und Bewegungen sehen. Jede Perspektive liefert unterschiedliche Informationen, die kombiniert werden können, um das gesamte Operationsobjekt zu verstehen.
- KI 511 2024-06-05 16:09:27
-
- Das National Data Standardization Technical Committee hat die Einrichtung offiziell genehmigt
- Am Nachmittag des 24. Mai 2024 fand in Fuzhou das Hauptforum des 7. Digital China Construction Summit statt. Liu Liehong, Sekretär der Parteiführungsgruppe und Direktor der National Data Administration, Tian Shihong, Mitglied der Parteiführungsgruppe und stellvertretender Direktor der staatlichen Verwaltung für Marktregulierung, Direktor der National Standards Administration und andere nahmen an dem Treffen teil. Bei dem Treffen fanden ausführliche Diskussionen über die Bedeutung und strategische Planung des digitalen China-Aufbaus statt. Die Teilnehmer erkannten, dass die digitale Transformation zu einem zentralen Treiber der nationalen Entwicklung geworden ist. Gleichzeitig betonten sie die breite Anwendung digitaler Technologie in Wirtschaft, Gesellschaft und Regierungsführung. Bei dem Treffen verlas Tian Shihong die „Mitteilung zur Vorbereitung der Einrichtung des Nationalen Technischen Komitees für Datenstandardisierung“. Das Nationale Technische Komitee für Datenstandardisierung wird für Datenressourcen, Datentechnologie, Datenzirkulation, intelligente Städte, digitale Transformation usw. verantwortlich sein.
- KI 465 2024-06-05 13:51:45
-
- Merkmalsauswahl durch verstärkende Lernstrategien
- Die Funktionsauswahl ist ein entscheidender Schritt im Prozess der Erstellung eines Modells für maschinelles Lernen. Die Auswahl guter Funktionen für das Modell und die Aufgabe, die wir ausführen möchten, kann die Leistung verbessern. Wenn es sich um hochdimensionale Datensätze handelt, ist die Auswahl der Merkmale besonders wichtig. Dadurch kann das Modell schneller und besser lernen. Die Idee besteht darin, die optimale Anzahl an Funktionen und die aussagekräftigsten Funktionen zu finden. In diesem Artikel werden wir eine neue Funktionsauswahl über eine Strategie des verstärkenden Lernens vorstellen und implementieren. Wir beginnen mit der Diskussion des verstärkenden Lernens, insbesondere der Markov-Entscheidungsprozesse. Es handelt sich um eine sehr neue Methode im Bereich der Datenwissenschaft, die sich besonders für die Merkmalsauswahl eignet. Anschließend werden die Implementierung und die Installation und Verwendung der Python-Bibliothek (FSRLearning) vorgestellt. Abschließend soll dies anhand eines einfachen Beispiels demonstriert werden
- KI 435 2024-06-05 13:00:43
-
- Eine zukunftsweisende Perspektive von HPE Aruba Networking: Aufbau eines KI-gestützten sicheren konvergenten Netzwerks
- Im digitalen Zeitalter ist das Netzwerk nicht nur ein Bindeglied zwischen der Welt, sondern auch eine Schlüsselkraft zur Förderung des wirtschaftlichen und gesellschaftlichen Fortschritts. Mit dem explosionsartigen Wachstum mobiler Geräte, des Internets der Dinge (IoT) und Cloud-Diensten hat die Abhängigkeit der Benutzer vom Netzwerk ein beispielloses Ausmaß erreicht. Eine Netzwerkumgebung, die jederzeit und überall einen sicheren und effizienten Zugriff ermöglicht, ist sowohl für Einzelpersonen als auch für Unternehmen zu einer Notwendigkeit geworden. Dieser Nachfrageanstieg bringt jedoch auch eigene Herausforderungen mit sich, insbesondere im Hinblick auf die Cybersicherheit und die Komplexität der Netzwerkarchitektur. Im neuesten Magic Quadrant für kabelgebundene und kabellose Interventionen, der dieses Jahr von Gartner veröffentlicht wurde, wurde HPE Aruba Networking erneut für seine Lösungen in den Bereichen automatisierte Netzwerkorchestrierung, fortschrittliche Software-Upgrade-Technologie und integrierte Funktionen für künstliche Intelligenz (KI) ausgezeichnet.
- KI 716 2024-06-05 11:12:47
-
- ECCV 2024 Workshop „Multimodales Verständnis und Videogenerierung von schwierigen Fallszenarien des autonomen Fahrens' Die Ausschreibung für Vorträge und Herausforderungen ist jetzt geöffnet!
- Homepage des Workshops: https://coda-dataset.github.io/w-coda2024/ Übersicht Dieser Workshop zielt darauf ab, die Lücke zwischen der aktuellen hochmodernen autonomen Fahrtechnologie und umfassenden und zuverlässigen intelligenten autonomen Fahragenten zu untersuchen. In den letzten Jahren haben große multimodale Modelle (wie GPT-4V) beispiellose Fortschritte in der multimodalen Wahrnehmung und im Verständnis gezeigt. Der Einsatz von MLLMs zur Bewältigung komplexer Szenarien beim autonomen Fahren, insbesondere seltener, aber kritischer Hard-Case-Szenarien, ist eine ungelöste Herausforderung. Ziel dieses Workshops ist die Förderung innovativer Forschung im Bereich der multimodalen Wahrnehmung und des Verständnisses großer Modelle, der Anwendung fortschrittlicher AIGC-Technologie in autonomen Fahrsystemen und dem durchgängigen autonomen Fahren. Arbeiten
- KI 862 2024-06-04 20:47:35
-
- Sie können die Prinzipien von Faltungs-Neuronalen Netzen auch ohne Grundlagen verstehen! Super detailliert!
- Ich glaube, dass Freunde wie der Autor, die Technologie lieben und ein starkes Interesse an KI haben, mit Faltungs-Neuronalen Netzen vertraut sein müssen und von einem so „fortgeschrittenen“ Namen schon lange verwirrt sein müssen. Der Autor wird heute von Grund auf in die Welt der Faltungs-Neuronalen Netze eintauchen ~ teilen Sie es mit allen! Bevor wir uns mit Faltungs-Neuronalen Netzen befassen, werfen wir einen Blick auf die Funktionsweise von Bildern. Bildprinzip Bilder werden in Computern durch Zahlen (0-255) dargestellt, und jede Zahl repräsentiert die Helligkeits- oder Farbinformationen eines Pixels im Bild. Darunter: Schwarzweißbild: Jedes Pixel hat nur einen Wert, und dieser Wert variiert zwischen 0 (schwarz) und 255 (weiß). Farbbild: Jedes Pixel enthält drei Werte. Am gebräuchlichsten ist das RGB-Modell (Rot-Grün-Blau), das aus Rot, Grün und Blau besteht
- KI 364 2024-06-04 20:19:27
-
- 1,5-mal jenseits der Beugungsgrenze sind die Abbildungsbedingungen zehnmal niedriger, die Tsinghua-Universität und die Chinesische Akademie der Wissenschaften nutzen KI-Methoden, um die Mikroskopauflösung zu verbessern
- Abbildung: Langzeit-SR-Bildgebung schneller lichtempfindlicher biologischer Prozesse über ZS-DeconvNet. (Quelle: Paper) Herausgeber | Hochauflösende Computermethoden für Karottenschalen, einschließlich traditioneller Analysealgorithmen und Deep-Learning-Modelle, haben die optische Mikroskopie erheblich verbessert. Unter diesen haben überwachte tiefe neuronale Netze eine hervorragende Leistung gezeigt, aber aufgrund der hohen Dynamik lebender Zellen sind große Mengen hochwertiger Trainingsdaten erforderlich, und die Beschaffung dieser Daten ist sehr mühsam und unpraktisch. In der neuesten Studie haben Forscher der Tsinghua-Universität und der Chinesischen Akademie der Wissenschaften Zero-Shot-Dekonvolutionsnetzwerke (ZS-DeconvNet) entwickelt, die die Auflösung von Mikroskopbildern über den Beugungspol hinaus sofort verbessern können.
- KI 600 2024-06-04 19:26:15
-
- Konzentrieren Sie sich darauf! ! Analyse zweier wichtiger Algorithmus-Frameworks für kausale Schlussfolgerungen
- 1. Die Hauptaufgaben des Gesamtrahmens lassen sich in drei Kategorien einteilen. Die erste besteht darin, kausale Strukturen zu entdecken, also kausale Beziehungen zwischen Variablen aus den Daten zu identifizieren. Die zweite Möglichkeit besteht darin, kausale Effekte abzuschätzen, also aus den Daten den Grad des Einflusses einer Variablen auf eine andere Variable abzuleiten. Es ist zu beachten, dass sich dieser Einfluss nicht auf die relative Natur bezieht, sondern darauf, wie sich der Wert oder die Verteilung einer anderen Variablen ändert, wenn in eine Variable eingegriffen wird. Der letzte Schritt besteht darin, Verzerrungen zu korrigieren, da bei vielen Aufgaben verschiedene Faktoren dazu führen können, dass die Verteilung von Entwicklungsbeispielen und Anwendungsbeispielen unterschiedlich ist. In diesem Fall kann uns die kausale Schlussfolgerung dabei helfen, Verzerrungen zu korrigieren. Diese Funktionen eignen sich für eine Vielzahl von Szenarien. Das typischste davon sind Entscheidungsszenarien. Durch kausale Schlussfolgerungen können wir verstehen, wie verschiedene Benutzer auf unser Entscheidungsverhalten reagieren. Zweitens in der Industrie
- KI 630 2024-06-04 16:45:02
-
- Lu Cewu von der Shanghai Jiao Tong University: Verkörperte Intelligenz und sein erster Rasierroboter |
- Eine Überprüfung historischer Daten zeigt, dass Professor Lu Cewu von der Shanghai Jiao Tong University der erste Mensch auf der Welt war, der mit einer Roboterklinge rasiert wurde. Professor Lu Cewu von der Shanghai Jiao Tong University leitete persönlich ein Team, das eine Studie zum autologen Knochengewebe-Engineering durchführte. Unter der Bedienung eines großen intelligenten Modells hat die Maschine den Rasiervorgang erfolgreich abgeschlossen. Diese Technologie kann in Zukunft große Durchbrüche im medizinischen Bereich bringen. Der Roboter, der Menschen die Bärte rasiert, mag einfach erscheinen, aber in Wirklichkeit birgt er große Herausforderungen. Neben der Verallgemeinerung des Verhaltens erfordert er vor allem extreme Robustheit. Laut Originaltext kann dieses große, verkörperte intelligente Modell, das mit einem hochpräzisen Feedback-Modul ausgestattet ist, rechtzeitig Entscheidungen über Änderungen des Drucks und der Tangentialkraft treffen und seinen Bart sauber rasieren, ohne ihn zu verletzen. Wenn große Modelle nur die Sicht passieren
- KI 506 2024-06-04 15:47:55
-
- SOTA-Leistung, mehrskaliges Lernen, Sun Yat-sen-Universität schlägt KI-Framework für Protein-Arzneimittel-Interaktion vor
- Herausgeber | Violett Wechselwirkungen zwischen Proteinen, Medikamenten und anderen Biomolekülen spielen in verschiedenen biologischen Prozessen eine entscheidende Rolle. Das Verständnis dieser Wechselwirkungen ist entscheidend für die Entschlüsselung der molekularen Mechanismen, die biologischen Prozessen zugrunde liegen, und für die Entwicklung neuer Therapiestrategien. Proteine gehören zu den wichtigsten Molekülen in Zellen und erfüllen innerhalb der Zellen verschiedene Funktionen. Medikamente regulieren häufig physiologische Prozesse, indem sie mit bestimmten Proteinen interagieren. Diese Wechselwirkungen können bestimmte molekulare Signalwege fördern oder hemmen. Aktuelle Multiskalen-Rechenmethoden stützen sich oft zu sehr auf eine einzelne Skala und sind für andere Skalen unzureichend. Dies kann mit dem ungleichmäßigen Multiskalen-Tropismus und der inhärenten Gier des Multiskalen-Lernens zusammenhängen. Um das Optimierungsungleichgewicht zu mildern, schlugen Forscher der Sun Yat-sen-Universität und der Shanghai Jiao Tong-Universität vor
- KI 1148 2024-06-04 15:43:57
-
- Jenseits von Devin! Unter der Leitung von Yao Ban stellten sie einen neuen Weltrekord für die Programmierung großer Modelle auf
- Jenseits von Devin! Ein neuer Spieler wird in der SWEBench-Rangliste begrüßt – StarShipCodeGenAgent, produziert vom Start-up-Unternehmen OpenCSG unter der Leitung von Yao Ban und belegt mit einer Punktzahl von 23,67 % den zweiten Platz weltweit. Gleichzeitig stellte es den höchsten Rekord (SOTA) für Nicht-GPT-4o-Basismodelle auf. Wir alle wissen, dass die SWebench-Evaluierung realen Programmierszenarien sehr nahe kommt und äußerst schwierig ist. Sie erfordert nicht nur, dass das Modell die Anforderungen versteht und Änderungen an mehreren Funktionen/Klassen und sogar Dateien koordiniert, sondern auch, dass das Modell mit der Ausführung interagiert Umgebung, verarbeiten extrem lange Kontexte und führen traditionellen Code aus. Generieren Sie komplexe logische Überlegungen für Aufgaben. In diesem schwierigen realen Test können die fortschrittlichsten GPT4 und Devin der Branche nur 1 lösen
- KI 502 2024-06-04 12:50:00