


Perisian AI secara automatik boleh mengenal pasti tablet cuneiform purba, dan penyelidik telah membuat satu kejayaan
Berita pada 24 November: Projek yang dibangunkan oleh pasukan dari Martin Luther University Halle-Wittenberg (MLU), Johannes Gutenberg University Mainz dan Mainz University of Applied Sciences Perisian kecerdasan buatan baharu kini boleh mentafsir skrip cuneiform yang tidak boleh dibaca. Tidak seperti kaedah sebelumnya yang bergantung pada foto, sistem AI ini menggunakan model 3D tablet cuneiform, memberikan hasil yang lebih dipercayai daripada kaedah sebelumnya. Ini membolehkan carian dengan membandingkan kandungan merentas berbilang bahagian, membuka jalan kepada soalan penyelidikan yang baharu sepenuhnya.
Dalam kajian baharu, penyelidik menggunakan model 3D hampir 2,000 tablet cuneiform, termasuk kira-kira 50 daripada koleksi MLU. Dianggarkan terdapat kira-kira sejuta tablet sedemikian di seluruh dunia, kebanyakannya berusia lebih 5,000 tahun dan merupakan antara teks bertulis tertua dalam umat manusia. Filem-filem ini merangkumi pelbagai topik, daripada senarai beli-belah hingga keputusan mahkamah, dan memberi penerangan tentang sejarah umat manusia beribu-ribu tahun lalu. Walau bagaimanapun, kerana tablet cuneiform ini adalah bongkah tanah liat yang tidak berapi dengan perkataan yang dicetak padanya, ia menjadi amat sukar untuk ditafsir, walaupun kepada mata terlatih
Kandungan yang perlu ditulis semula ialah: Nota sumber gambar: Gambar ini dihasilkan oleh kecerdasan buatan dan disediakan oleh penyedia perkhidmatan bertauliah Midjourney
Untuk menyelesaikan masalah ini, Penolong Profesor Hubert Mara dari MLU mencadangkan idea membangunkan sistem kecerdasan buatan berdasarkan model 3D. Sistem baharu menyahsulit teks lebih baik daripada kaedah sebelumnya. Pada dasarnya, sistem AI ini berfungsi sama seperti perisian pengecaman aksara optik (OCR), yang menukar perkataan dan imej teks kepada teks yang boleh dibaca mesin. Ini mempunyai banyak kelebihan, setelah ditukar kepada teks komputer, teks boleh dibaca atau dicari dengan lebih mudah
Ernst Stötzner, ahli MLU, menerangkan: “OCR biasanya digunakan untuk memproses gambar atau imbasan Dengan dakwat di atas kertas atau kertas, ini tidak menjadi masalah, tetapi dengan tablet cuneiform, situasinya berubah rumit kerana sudut pencahayaan dan pandangan boleh menjejaskan pengecaman aksara tertentu." Dia membangunkan sistem AI baharu ini sebagai sebahagian daripada tesis sarjananya. Pasukan itu melatih perisian AI baharu menggunakan imbasan 3D dan data lain, kebanyakannya disediakan oleh Universiti Sains Gunaan Mainz, yang bertanggungjawab untuk projek berskala besar pada model 3D
Sistem AI kemudiannya berjaya mengenal pasti simbol pada cip. Para penyelidik terkejut apabila mendapati sistem itu berfungsi dengan baik walaupun pada bahan imej yang pada dasarnya lemah, seperti gambar. Hasil kerja penyelidik di Haller dan Mainz menyediakan akses baharu kepada bahan yang agak eksklusif sehingga kini dan membuka banyak hala tuju penyelidikan baharu. Pada masa ini ia hanya prototaip yang mampu mengenal pasti simbol dengan pasti dalam kedua-dua bahasa, namun sejumlah dua belas bahasa cuneiform diketahui wujud. Pada masa hadapan, perisian ini juga boleh membantu menguraikan inskripsi yang rosak, seperti cuneiform tiga dimensi di tanah perkuburan.
Kandungan yang perlu ditulis semula ialah: [Petikan: Laman Utama Webmaster]
Atas ialah kandungan terperinci Perisian AI secara automatik boleh mengenal pasti tablet cuneiform purba, dan penyelidik telah membuat satu kejayaan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Apabila menukar rentetan ke objek dalam vue.js, json.parse () lebih disukai untuk rentetan json standard. Untuk rentetan JSON yang tidak standard, rentetan boleh diproses dengan menggunakan ungkapan biasa dan mengurangkan kaedah mengikut format atau url yang dikodkan. Pilih kaedah yang sesuai mengikut format rentetan dan perhatikan isu keselamatan dan pengekodan untuk mengelakkan pepijat.

Vue dan Element-UI cascaded drop-down boxes v-model mengikat titik pit biasa: V-model mengikat array yang mewakili nilai yang dipilih pada setiap peringkat kotak pemilihan cascaded, bukan rentetan; Nilai awal pilihan terpilih mestilah array kosong, tidak batal atau tidak jelas; Pemuatan data dinamik memerlukan penggunaan kemahiran pengaturcaraan tak segerak untuk mengendalikan kemas kini data secara tidak segerak; Untuk set data yang besar, teknik pengoptimuman prestasi seperti menatal maya dan pemuatan malas harus dipertimbangkan.

Untuk menetapkan masa untuk Vue Axios, kita boleh membuat contoh Axios dan menentukan pilihan masa tamat: dalam tetapan global: vue.prototype. $ Axios = axios.create ({timeout: 5000}); Dalam satu permintaan: ini. $ axios.get ('/api/pengguna', {timeout: 10000}).

Artikel ini memperkenalkan operasi pangkalan data MySQL. Pertama, anda perlu memasang klien MySQL, seperti MySqlworkbench atau Command Line Client. 1. Gunakan perintah MySQL-Uroot-P untuk menyambung ke pelayan dan log masuk dengan kata laluan akaun root; 2. Gunakan CreateTatabase untuk membuat pangkalan data, dan gunakan Pilih pangkalan data; 3. Gunakan createtable untuk membuat jadual, menentukan medan dan jenis data; 4. Gunakan InsertInto untuk memasukkan data, data pertanyaan, kemas kini data dengan kemas kini, dan padam data dengan padam. Hanya dengan menguasai langkah -langkah ini, belajar menangani masalah biasa dan mengoptimumkan prestasi pangkalan data anda boleh menggunakan MySQL dengan cekap.

Cecair memproses 7 juta rekod dan membuat peta interaktif dengan teknologi geospatial. Artikel ini meneroka cara memproses lebih dari 7 juta rekod menggunakan Laravel dan MySQL dan mengubahnya menjadi visualisasi peta interaktif. Keperluan Projek Cabaran Awal: Ekstrak Wawasan berharga menggunakan 7 juta rekod dalam pangkalan data MySQL. Ramai orang mula -mula mempertimbangkan bahasa pengaturcaraan, tetapi mengabaikan pangkalan data itu sendiri: Bolehkah ia memenuhi keperluan? Adakah penghijrahan data atau pelarasan struktur diperlukan? Bolehkah MySQL menahan beban data yang besar? Analisis awal: Penapis utama dan sifat perlu dikenalpasti. Selepas analisis, didapati bahawa hanya beberapa atribut yang berkaitan dengan penyelesaiannya. Kami mengesahkan kemungkinan penapis dan menetapkan beberapa sekatan untuk mengoptimumkan carian. Carian Peta Berdasarkan Bandar

Ringkasan: Terdapat kaedah berikut untuk menukar array rentetan vue.js ke dalam tatasusunan objek: Kaedah asas: Gunakan fungsi peta yang sesuai dengan data yang diformat biasa. Permainan lanjutan: Menggunakan ungkapan biasa boleh mengendalikan format yang kompleks, tetapi mereka perlu ditulis dengan teliti dan dipertimbangkan. Pengoptimuman Prestasi: Memandangkan banyak data, operasi tak segerak atau perpustakaan pemprosesan data yang cekap boleh digunakan. Amalan Terbaik: Gaya Kod Jelas, Gunakan nama dan komen pembolehubah yang bermakna untuk memastikan kod ringkas.

Jurutera Backend Senior Remote Company Kekosongan Syarikat: Lokasi Lokasi: Jauh Pejabat Jauh Jenis: Gaji sepenuh masa: $ 130,000- $ 140,000 Penerangan Pekerjaan Mengambil bahagian dalam penyelidikan dan pembangunan aplikasi mudah alih Circle dan ciri-ciri berkaitan API awam yang meliputi keseluruhan kitaran hayat pembangunan perisian. Tanggungjawab utama kerja pembangunan secara bebas berdasarkan rubyonrails dan bekerjasama dengan pasukan react/redux/relay front-end. Membina fungsi teras dan penambahbaikan untuk aplikasi web dan bekerjasama rapat dengan pereka dan kepimpinan sepanjang proses reka bentuk berfungsi. Menggalakkan proses pembangunan positif dan mengutamakan kelajuan lelaran. Memerlukan lebih daripada 6 tahun backend aplikasi web kompleks

Terdapat banyak sebab mengapa permulaan MySQL gagal, dan ia boleh didiagnosis dengan memeriksa log ralat. Penyebab umum termasuk konflik pelabuhan (periksa penghunian pelabuhan dan ubah suai konfigurasi), isu kebenaran (periksa keizinan pengguna yang menjalankan perkhidmatan), ralat fail konfigurasi (periksa tetapan parameter), rasuah direktori data (memulihkan data atau membina semula ruang meja), isu ruang jadual InnoDB (semak fail ibdata1) Apabila menyelesaikan masalah, anda harus menganalisisnya berdasarkan log ralat, cari punca utama masalah, dan mengembangkan tabiat sandaran data secara teratur untuk mencegah dan menyelesaikan masalah.
