- 博客(30)
- 收藏
- 关注
RSS订阅原创 什么是人机交互技术？
从向用户呈现的信息来讲，时变媒体主要是顺序呈现的，而我们通常熟悉的视觉媒体（文本和图形）通常是同时呈现的。在传统的静止界面中，用户或是从一系列选项中进行选择（明确的界面通信成分），或是用可再认的方式进行交互（隐含的界面通信成分）。基于语音的智能人机交互是当前人机交互技术的主要表现形式，语音人机交互过程包括信息输入和输出的交互、语音处理、语义分析、智能逻辑处理以及知识和内容的整合。VR系统中人机交互若要具备这些特点，就需要发展新的交互装置，其中包括三维空间定位装置、语言理解、视觉跟踪、头部跟踪和姿势识别等。
2022-11-02 15:11:00
829
1
原创 我的“迁移学习Transfer Learning”学习
2.掌握目标检测模型的评测指标（IOU和mAP）、标准评测数据集（Pascal VOC，MS COCO和Cityscapes）以及检测模型中的一些训练技巧，如数据增强、多尺度训练/测试、预测框微调/投票法、在线难例挖掘、软化非极大抑制、RoI对齐和集成。2、数据分布会发生变化。目标：掌握深度迁移学习的思想与组成模块，学习深度迁移学习的各种方法，对比各种方法的优缺点，掌握深度迁移学习的适用范围。目标：掌握迁移学习的思想与基本形式，了解传统迁移学习的基本方法，对比各种方法的优缺点，掌握迁移学习的适用范围。...
2022-08-19 09:42:10
224
原创 大数据建模、分析、挖掘技术应用进修
随着2015年9月国务院发布了《关于印发促进大数据发展行动纲要的通知》，各类型数据呈现出了指数级增长，数据成了每个组织的命脉。今天所产生的数据比过去几年所产生的数据大好几个数量级，企业有了能够轻松访问和分析数据以提高性能的新机会，如何从数据中获取价值显得尤为重要，也是大数据相关技术急需要解决的问题。数据建模不仅仅是任意组织数据结构和关系，还必须与最终用户的需求和问题联系起来，并提供指导，帮助确保正确的数据正确使用正确的方法获得正确的结果。2.Python Spark SVM程序设计 1.数据准备。...
2022-08-17 09:46:06
175
2
转载 浅析智能化指挥信息系统发展
加快智能化指挥信息系统建设是军事智能化发展的内在要求，只有明晰智能化指挥信息系统发展要义，抓住智能化指挥信息系统研发要点，探索智能化指挥信息系统发展要津，才能更好地推动智能化指挥信息系统建设发展进程，赢得未来智能化作战制胜先机。未来智能化作战，战场形势瞬息万变、战场环境复杂严酷，要想在战场上取得主动，“制智权”成为新的制高点，而智能化指挥信息系统无疑是未来作战指挥和行动的重要支撑手段，其智能化发展可助推战争形态向智能化演变，是智能化作战赢得先机、谋求胜利的重要依托。探索智能化指挥信息系统发展要津。...
2022-08-16 10:24:47
187
原创 知识图谱Knowledge Graph构建与应用研修
a.语义网络 b.产生式规则 c.框架系统 d.描述逻辑 e.本体 f.RDF和RDFS g.OWL和OWL2 Fragments h.SPARQL查询语言 i.Json-LD、RDFa、HTML5 MicroData等新型知识表示。a.基于文本的匹配 b.基于图结构的匹配 c.基于外部知识库的匹配。9.1.知识问答概述。a.基于相似度的实例匹配 b.基于规则或推理的实体匹配。c.基于机器学习的实例匹配 d.大规模知识图谱的实例匹配。...
2022-08-15 10:18:36
153
转载 卷积神经网络表征可视化研究综述（3）
对于使用随机初始化的原图生成的对抗图像图36(d), 同样可以使用上述攻击方法, 使其对应的显著图36(h)被诱导偏向目标图的解释图36(e), 尽管原图和对抗图像本身没有任务的语义信息. 最终, 分类器对对抗图像图36(d)的分类结果图36(b)相近, 解释结果与图36(e)相近, 但对抗图像图36(d)从视觉上看仅是一幅噪声图像. 可见, 显著图解释方法的抗欺骗能力的确存在漏洞, 而目前对于造成这一问题的原因分析仍在探索之中[90].2)攻击解释结果, 测试其是否会被误导....
2022-08-13 09:26:41
174
原创 大数据建模、分析、挖掘技术应用研修
6.掌握基于Hadoop大数据平台的数据挖掘和数据仓库分布式系统平台应用，以及商业和开源的数据分析产品加上Hadoop平台形成大数据分析平台的应用剖析。5.掌握主流的基于大数据Hadoop和Spark、R的大数据分析平台架构和实际应用。4.掌握大数据分析在搜索引擎、广告服务推荐、电商数据分析、金融客户分析方面的应用。九、Python Spark决策树二分类与多分类。十五、Python Spark 创建推荐引擎。十二、Python Spark逻辑回归。十三、Python Spark回归分析。...
2022-08-12 08:59:56
103
转载 卷积神经网络表征可视化研究综述（4）
目前很难找到适用于大多数可视化方法的评估标准, 原因在于许多方法的目标并不相同, 也即每种方法对“可解释性”的理解并不相同, 导致各种可视化方法的解释结果差别较大. 同时, 很多可视化方法自身同样缺乏清晰明确的数学与逻辑机理, 导致结果难以量化比较. 如果可以从“可解释性”的概念出发, 统一数个可解释性的标准, 那么对于可视化结果的评估也就有了依据. 同时, 还可以根据可视化方法产生的热力图的特点进行分类评价, 每类热力图使用与之适应的评价标准, 提升其侧重解释某方面的能力....
2022-08-11 10:44:13
415
2
原创 知识图谱Knowledge Graph
人类文明发展到目前的阶段, 已经累积形成了海量的知识资源. 其中, 相当部分的知识以自然语言这种非结构化的方式存在. 随着人类社会的持续发展, 人类知识的规模和复杂度也在不断增长. 持续增长的非结构化知识资源对知识的管理、传播与再生产的负面影响日益显著. 通过将知识表示为一组节点及其之间的关系, 知识图谱能够帮助人类和计算机更好地管理、理解与使用海量的知识资源, 对于促进人类文明的持续发展具有重要意义....
2022-08-10 09:27:18
272
1
转载 卷积神经网络表征可视化研究综述（1）
转载自：人工智能技术与咨询 源自：自动化学报 作者：司念文 张文林 屈丹 罗向阳 常禾雨 牛铜摘要近年来, 深度学习在图像分类、目标检测及场景识别等任务上取得了突破性进展, 这些任务多以卷积神经网络为基础搭建识别模型, 训练后的模型拥有优异的自动特征提取和预测性能, 能够为用户提供“输入–输出”形式的端到端解决方案. 然而, 由于分布式的特征编码和越来越复杂的模型结构, 人们始终无法准确理解卷积神经网络模型内部知识表示, 以及促使其做出特定决策的潜在原因. 另一方面, 卷积神经网络模型在一些高风险领
2022-08-09 09:51:29
189
1
原创 迁移学习(Transfer Learning)的背景、历史
其中，源领域Ds = {（xs1，ys1），（xs2,ys2）......（xsns,ysns）}，xsi 属于Xs，表示源领域的观测样本，ysi属于Ys，表示源领域观测样本xsi对应的标签。目标领域Dt = {（xt1，yt1）,（xt2，yt2）.......（xtnt，ytnt）}，xti属于Xt，表示目标领域观测样本，ysi属于Yt，表示目标领域xti对应的输出。同时，与A领域相关的B（source domain）领域，拥有大量的训练样本，但B领域与A领域处于不同的特征空间或样本服从不同的分布。..
2022-08-08 09:57:19
538
原创 AVS视频编码标准的演变：20年来的创新与发展
转载自：人工智能培训网(https://www.chinaai.org.cn/newsinfo/2821164.html）1 研究意义20世纪90年代至21世纪初，MPEG和VCEG等国际标准工作组制定了系列视频编码标准，如MPEG-1，H.261，MPEG-2/H.262标准等。在这些编码标准中几乎没有我国专利的影子，这意味着我们国家的企业如果要使用这些先进的编解码技术，需要对外支付高昂的专利费用。为了填补这一空白，原国家信息产业部科学技术司于2002年6月批准成立中国数字音视频编解码技术标准工作组（AV
2022-08-06 09:51:48
823
转载 边缘计算：盘点100个知识点
转载自中国人工智能培训网链接：https://www.chinaai.org.cn/newsinfo/3168616.html编者按：本文编译自Open Glossary of Edge Computing，仅供学习交流。3G、4G、5G第三代、第四代和第五代蜂窝技术。简单来说，3G 代表智能手机及其移动网络浏览器的引入；4G 是当前一代的蜂窝技术，为移动设备提供真正的宽带互联网接入；5G 蜂窝技术将为蜂窝系统提供巨大的带宽并减少延迟，支持从智能手机到自动驾驶汽车和大规模物联网的一系列设备。边缘计算被认为是
2022-08-04 10:00:12
395
转载 人工智能--迁移学习(Transfer Learning)
2.掌握目标检测模型的评测指标（IOU和mAP）、标准评测数据集（Pascal VOC，MS COCO和Cityscapes）以及检测模型中的一些训练技巧，如数据增强、多尺度训练/测试、预测框微调/投票法、在线难例挖掘、软化非极大抑制、RoI对齐和集成。目标：掌握深度迁移学习的思想与组成模块，学习深度迁移学习的各种方法，对比各种方法的优缺点，掌握深度迁移学习的适用范围。目标：掌握迁移学习的思想与基本形式，了解传统迁移学习的基本方法，对比各种方法的优缺点，掌握迁移学习的适用范围。...
2022-08-03 09:59:59
619
转载 卷积神经网络模型发展及应用
卷积神经网络（convolutionalneuralnetwork，CNN）在计算机视觉[1-5]、自然语言处理[6-7]等领域已被广泛应用。在卷积神经网络兴起之前，主要依靠人工针对特定的问题设计算法，比如采用Sobel、LoG（LaplacianofGaussian）、Canny、Prewitt等[8-11]算子进行边缘检测，采用Harris、DoG（differenceofGaussian）、FAST（featuresfromacceleratedsegmenttest）、SIFT（scaleinva。
2022-08-02 09:17:52
331
原创 大数据研修
1.在不同模式运行IPythonNotebook运行PythonSpark命令。2.使用SparkMLPipeline机器学习流程分类程序设计。a、Hadoop，Spark，ELK技术构建日志数据仓库。2.数据准备导入并转换数据、提取特征字段、提取标签。2.PythonSpark贝叶斯模型程序设计。3.PythonSpark建模，训练模型。2.PythonSparkSVM程序设计。2.PythonSpark逻辑回归程序设计。3.PythonSpark回归程序设计。...
2022-08-01 10:29:37
84
原创 Transfer Learning技术研修
3.编程语言和框架Python3.8.5、torch==1..07、torchvision==0.8.2、mmcv-full==1.3.7、opencv-python==4.4.0、matplotlib==3.4.2、numpy==1.19.2、Pillow==8.3.1、scikit-learn==1.0.2。3.实践基于Transformer的端到端目标检测框架的搭建，并在新的数据集上与基于CNN的网络进行迁移性能的对比。4.设计一个分割模型能够从仿真环境中得到的数据迁移到真实场景下产生的数据。...
2022-07-30 09:54:14
65
转载 陈杰院士：多无人系统协同中的人工智能安全探索
源自: 中国工程院院刊 作者: 施文 王楷文 俞成浦 孙健 陈杰多无人系统协同作为一项人工智能的颠覆性技术，将在空间上分布的无人系统有机连接起来，在给社会创造价值的过程中，也存在着诸多安全隐患，有可能在军事作战、产业升级、政府监管、社会治理以及伦理等多个方面给国家安全带来新的挑战。中国工程院陈杰院士科研团队在中国工程院院刊《中国工程科学》2021年第3期撰文，阐述了统筹推进多无人系统协同赋能应用与风险防控的重大意义，提出了“四位一体”全面推进多无人系统协同安全发展的战略思路，探索了多无人系统协同在内生
2022-07-29 10:05:54
505
原创 室内定位中非视距的识别和抑制算法研究综述（部分）
图9分别为实测3.6m所对应的被墙遮挡、被静止的黑板遮挡、被移动的黑板遮挡、被静止的人遮挡的NLOS场景的测距结果.从上述的仿真测试结果可以看出,在存在NLOS的室内定位场景中,锚节点与目标节点之间的平均测距比实际距离误差大.利用距离信息进行定位时,会增大定位误差.所以为达到更好的定位精度,定位之前进行NLOS的识别和抑制尤为重要.室内定位中的常用算法包括航迹推算、指纹识别定位、邻近探测、极点定位、三角定位、多边定位和质心定位等.下面主要介绍这些算法定位的原理以及优缺点....
2022-07-23 10:04:58
703
1
原创 深度强化学习
而深度强化学习，作为一种崭新的机器学习方法,同时具有感知能力和决策能力，它是深度学习与强化学习的结合，二者的结合涵盖众多算法、规则、框架,并广泛应用于机器人、无人机、无人车、无人艇、兵棋推演、自动驾驶、能源分配、编队控制、航迹规划、路由规划等众多领域，具有极高的研究与应用价值。中国科学院计算技术研究所、清华大学、北京理工大学等科研机构和大学的高级专家，拥有丰富的科研及工程技术经验，长期从事人工智能、机器学习、深度学习、大数据分析等领域的教学与研究工作。1.Gym安装2.Gym使用3.强化学习。...
2022-07-22 10:11:55
618
原创 【无标题】迁移学习(Transfer Learning)核心技术开发与应用
国务院关于印发新一代人工智能发展规划的通知》指出“新一代人工智能重大科技项目，聚焦基础理论和关键共性技术的前瞻布局，包括研究大数据智能、跨媒体感知计算、混合增强智能、群体智能、自主协同控制与决策等理论，研究知识计算引擎与知识服务技术、跨媒体分析推理技术、群体智能关键技术、混合增强智能新架构与新技术、自主无人控制技术等，开源共享人工智能基础理论和共性技术。越来越多的机器学习应用场景的出现，现有表现比较好的监督学习需要大量的标注数据，标注数据是一项枯燥无味且花费巨大的任务，所以迁移学习受到越来越多的关注。...
2022-07-21 10:56:34
326
原创 【无标题】深度强化学习核心技术开发与应用
各省市、自治区从事人工智能、机器学习、计算机视觉、自然语言处理、无人机、无人艇、无人车、机器人、智能体、多智能体、兵棋推演、自动驾驶、能源分配、编队控制、航迹规划、路由规划等领域相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生等相关人员，以及强化学习、人工智能广大爱好者。中国科学院计算技术研究所、清华大学、北京理工大学等科研机构和大学的高级专家，拥有丰富的科研及工程技术经验，长期从事人工智能、机器学习、深度学习、大数据分析等领域的教学与研究工作。...
2022-07-21 10:52:34
152
原创 【无标题】大数据建模、分析、挖掘技术应用
各省市、自治区从事大数据分析、数据挖掘、数据处理、数据建模等领域相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生等相关人员，以及大数据研究广大爱好者。来自中国科学院计算技术研究所、清华大学、北京理工大学等科研机构和大学的高级专家，拥有丰富的科研及工程技术经验，长期从事机器学习、数据挖掘、大数据分析等领域的教学与研究工作。数据建模不仅仅是任意组织数据结构和关系，还必须与最终用户的需求和问题联系起来，并提供指导，帮助确保正确的数据正确使用正确的方法获得正确的结果。...
2022-07-21 10:50:16
296
原创 递归神经网络（RNN）
RNN是最强大的模型之一，它使我们能够开发如分类、序列数据标注、生成文本序列（例如预测下一输入词的SwiftKeykeyboard应用程序），以及将一个序列转换为另一个序列（比如从法语翻译成英语的语言翻译）等应用程序。由于RNN可以按顺序处理数据，因此可以使用不同长度的向量并生成不同长度的输出。状态向量在处理评论中的下一个单词时传递给模型，并生成新的状态向量。到现在为止，我们只是了解了RNN的功能，但并不知道它是如何工作的。两个英文句子，用同样的单词，但只有考虑单词的顺序时，它们才意味着不同的含义。...
2022-07-20 10:35:17
109
原创 序列数据和文本的深度学习
词向量是在深度学习算法所解决的问题中，一种非常流行的用于表示文本数据的方式。将生成的token映射到数字向量有两种流行的方法，称为独热编码和词向量（wordembedding，也称之为词嵌入）。在数据太少时学习词向量可能是行不通的，在这种情况下，可以使用由其他机器学习算法训练好的词向量。独热表示的问题之一就是数据太稀疏了，并且随着词表中唯一词数量的增加，向量的大小迅速增加，这也是它的一种限制，因此独热很少在深度学习中使用。比如传如的单词的索引是2，那么向量在索引2处的值是1，其他索引处的值全为0。...
2022-07-15 10:53:18
95
原创 机器学习基础
机器学习基础本章涵盖了以下主题：请记住，在本章中讨论的大多数技术都是机器学习和深度学习通用的，一部分用于解决过拟合问题的技术（如dropout）除外。在之前的所有例子中，尝试解决的是分类（预测猫或狗）或回归（预测用户在平台上花费的平均时间）问题。所有这些都是有监督学习的例子，目的是找到训练样例和目标之间的映射关系，并用来预测未知数据。有监督学习只是机器学习的一部分，机器学习也有其他不同的部分。以下是3种不同类型的机器学习：下面详细讲解各种算法。在深度学习和机器学习领域中，大多数成功用例都属于有监督学习。本书
2022-07-11 10:01:16
153
原创 深入了解神经网络
本章将介绍用于解决实际问题的深度学习架构的不同模块。前一章使用PyTorch的低级操作构建了如网络架构、损失函数和优化器这些模块。本章将介绍用于解决真实问题的神经网络的一些重要组件，以及PyTorch如何通过提供大量高级函数来抽象出复杂度。本章还将介绍用于解决真实问题的算法，如回归、二分类、多类别分类等。...
2022-07-08 13:15:49
45
原创 使用深度学习进行图像分类
解决任何真实问题的重要一步是获取数据。Kaggle提供了大量不同数据科学问题的竞赛。我们将挑选一个2014年提出的问题，然后使用这个问题测试本章的深度学习算法，并在第5章中进行改进，我们将基于卷积神经网络（CNN）和一些可以使用的高级技术来改善图像识别模型的性能。大家可以从https://www.kaggle.com/c/dogs-vs-cats/data下载数据。数据集包含25,000张猫和狗的图片。在实现算法前，预处理数据，并对训练、验证和测试数据集进行划分是需要执行的重要步骤。数据下载完成后，可以看到
2022-07-07 14:11:59
257
原创 PyTorch已为我们实现了大多数常用的非线性激活函数
正在上传…重新上传取消PyTorch已为我们实现了大多数常用的非线性激活函数，我们可以像使用任何其他的层那样使用它们。让我们快速看一个在PyTorch中使用ReLU激活函数的例子：在上面这个例子中，输入是包含两个正值、两个负值的张量，对其调用ReLU函数，负值将取为0，正值则保持不变。现在我们已经了解了构建神经网络架构的大部分细节，我们来构建一个可用于解决真实问题的深度学习架构。上一章中，我们使用了简单的方法，因而可以只关注深度学习算法如何工作。后面将不再使用这种方式构建架构，而是使用PyTorch中正常该
2022-07-05 16:17:10
75
1
空空如也
怎么对目标进行预判？
2022-11-03
人机交互和交互设计的区别是什么
2022-11-02
hdfs里的 ?edits和 ?fsimage作用？
2022-10-31
关于#大数据#的问题，如何解决？
2022-10-27
hadoop1.x和2.x架构上的区别?
2022-10-26
知识图谱的应用都在哪些领域？都有什么价值?
2022-10-22
深度学习为什么需要图神经网络？
2022-10-21
决策树（decision tree）典型的算法都有哪些？
2022-10-20
数字孪生的特征有哪些？跟数据可视化的关系又是什么？
2022-10-19
FPGA和单片机的区别有哪些？
2022-10-18
FPGA与GPU的区别是什么？
2022-10-17
神经网络算法的三大类分别是？
2022-10-15
请问matlab里的deeplearntoolbox用来做什么的？
2022-10-14
为什么不用matlab做深度学习？
2022-10-13
“深度学习”和“多层神经网络”的区别
2022-10-12
神经网络研究与应用这块用python好还是matlab？
2022-10-11
深度学习和机器学习有什么区别？
2022-10-08
有没有深度学习特征和手工提取的特征concat的文章推荐
2022-10-07
Transformer用于小目标检测有哪些文献或者方法？
2022-09-24
深度强化学习算法DDPG如何使用高维数据输入？
2022-09-23
Transformer为什么这么有实力？
2022-09-22
micropython相比c有哪些优点？
2022-09-21
有没有知道符号函数是什么鬼？
2022-09-19
通用信息抽取，在约束解码
2022-09-17
关于3D元宇宙有几个无解的问题存在！
2022-09-15
请问这个问题有知道怎么解决的吗？
2022-09-14
有没有网络安全的知识图谱应用资料？
2022-09-13
yolov7怎么给其他程序调用
2022-09-12
TA创建的收藏夹 TA关注的收藏夹
TA关注的人