非常抱歉,我们暂时无法提供预览,您可以试试: 免费下载 T/SIA 020-2019 前三页,或者稍后再访问。
您也可以尝试购买此标准,
点击右侧 “购买” 按钮开始采购(由第三方提供)。
点击下载后,生成下载文件时间比较长,请耐心等待......
曾毅表示,现有的脉冲神经网络平台有的涉及精细的生物神经元模型、大规模神经网络模拟、神经网络动力学等较为细节的脑认知功能和结构模拟,有的关注生物突触可塑性启发的脉冲神经网络建模,还有的从深度学习领域借鉴经验来提升深度脉冲神经网络的性能,“这些已有的框架并没有更好地整合共性,同时具备面向人工智能的高效学习与决策,以及对脑认知功能建模和脑结构模拟的能力。”...
一、从数据到知识、从知识到决策是当前大数据智能的计算范式如果说人工智能是经济发展的新引擎,正在重构生产、分配、交换、消费等经济活动各环节,那么大数据就是这个引擎的燃料。大数据与人工智能有机结合,则是发动这个引擎的金钥匙。传统人工智能基于专家手工构造的知识库来进行学习推理,如专家系统。...
而且这只是实力的冰山一角,后台深藏的是驱动快手产品向前的基础引擎。技术积累之力正所谓水滴石穿非一日之功。快手此次能够引领全球技术应用之先,快手自研的YCNN深度学习推理引擎、定制化模型压缩算法都是幕后功臣。正是基于内部自研的压缩模型,才能在考量各种边界条件、有限的计算以及内存资源条件下,依然把模型的计算量降到最小,同时又不影响算法效果。而快手端上深度学习推理引擎,为娃娃脸算法落地提供了有力支持。...
同时,文章从数据密集型地球系统科学的角度,分析了四种前沿大数据分析方法:深度学习、物理知会的机器学习、因果推理和深度强化学习的具体应用场景和方案,指出:科学大数据分析方法将助力数据驱动新地学的发展,其中,深度学习在解决地球系统高维度、复杂的非线性问题中表现出前所未有的潜力;深度学习与物理知会的机器学习和因果推理相结合,可以增强在地球系统科学研究中的可迁移性、可解释性和可预测性;深度学习与强化学习和多智能体建模相结合...
Copyright ©2007-2022 ANTPEDIA, All Rights Reserved
京ICP备07018254号 京公网安备1101085018 电信与信息服务业务经营许可证:京ICP证110310号