制服丝袜av无码专区在线,亚洲人成人无码WWW电影首页

英偉達(dá)宣布，H100/A100在這些國家限售

這些限制被認(rèn)為是美國挫敗北京人工智能野心的努力的擴(kuò)大，旨在阻止芯片繼續(xù)向該國出售，并限制中東組織與中國人工智能公司的聯(lián)系。

發(fā)表于：8/31/2023

FPGA加速器支撐ChatGPT類大語言模型創(chuàng)新

　　近年來，大型語言模型（Large Language Models，LLM）徹底改變了自然語言處理領(lǐng)域，使機(jī)器能夠生成類似人類的文本并進(jìn)行有意義的對話。這些模型，例如OpenAI的GPT，擁有驚人的語言理解和生成能力。它們可以被用于廣泛的自然語言處理任務(wù)，包括文本生成、翻譯、自動摘要、情緒分析等。

發(fā)表于：8/31/2023

基于模型設(shè)計(jì)提高車規(guī)級芯片功能安全設(shè)計(jì)效率

　　在汽車電氣化、智能化、網(wǎng)聯(lián)化快速發(fā)展的今天，汽車所用的芯片數(shù)量與種類也日益增多。電氣化引領(lǐng)了汽車電子電氣架構(gòu)的革新，催生出域控制器等集中式大算力芯片和 IGBT 等功率芯片。智能化則引入了多種類的傳感器和 AI 應(yīng)用，帶動了雷達(dá)、激光雷達(dá)、攝像頭、智能座艙、5G 車聯(lián)網(wǎng)等模組、處理器、存儲芯片、以及 AI 計(jì)算芯片的發(fā)展。

發(fā)表于：8/30/2023

英飛凌攜手Edge Impulse擴(kuò)展邊緣AI能力

　　【2023年8月28日德國慕尼黑訊】英飛凌科技股份公司（FSE代碼：IFX / OTCQX代碼：IFNNY）于近日宣布與Edge Impulse合作，為PSoC? 63低功耗藍(lán)牙®微控制器（MCU）擴(kuò)展基于微型機(jī)器學(xué)習(xí)的AI開發(fā)工具。人工智能物聯(lián)網(wǎng)應(yīng)用開發(fā)者現(xiàn)在可以使用Edge Impulse Studio環(huán)境，在高性能、低功耗的PSoC 63低功耗藍(lán)牙微控制器上構(gòu)建邊緣機(jī)器學(xué)習(xí)（ML）應(yīng)用。

發(fā)表于：8/30/2023

小鵬接盤滴滴“造車”圖什么?

近期，小鵬汽車牽手大眾汽車、自動駕駛副總裁離職將加入英偉達(dá)等一系列熱點(diǎn)，屢屢將小鵬汽車推向熱議的中心。8月28日，小鵬汽車官宣收購滴滴造車業(yè)務(wù)的消息再次讓業(yè)界沸騰。

發(fā)表于：8/29/2023

愛芯元智獲評人工智能大會“最具創(chuàng)新價(jià)值產(chǎn)品獎”并正式發(fā)布愛芯派Pro

　　中國上海 2023年8月25日——愛芯元智宣布，旗下芯片產(chǎn)品愛芯元智AX650N獲第四屆人工智能卓越創(chuàng)新獎——“最具創(chuàng)新價(jià)值產(chǎn)品獎”。同時(shí)，企業(yè)正式發(fā)布開發(fā)者套件——愛芯派Pro，以便于社區(qū)開發(fā)者低成本地體驗(yàn)視覺大模型在邊緣側(cè)、端側(cè)的便捷部署，同時(shí)打造面向開發(fā)者的生態(tài)平臺。

發(fā)表于：8/27/2023

遠(yuǎn)離危險(xiǎn)：打造安全的自動駕駛汽車

　　當(dāng)下的汽車行業(yè)正在經(jīng)歷一場變革――電動汽車逐漸興起，自動駕駛汽車（AV）的自動化程度越來越高。在中國，眾多企業(yè)紛紛投身于全自動駕駛汽車的研發(fā)，而且已有一系列試點(diǎn)項(xiàng)目落地，為盡早實(shí)現(xiàn)這一目標(biāo)而努力。香港某科技園正在開展一項(xiàng) AV 試驗(yàn)，研究如何將通勤者接駁到智慧城市環(huán)境下的公共交通系統(tǒng)中。中國消費(fèi)者比西方消費(fèi)者更樂意接受自動駕駛，對各種自動駕駛功能也抱有更大的熱情。

發(fā)表于：8/25/2023

基于改進(jìn)Stacking集成分類算法的用戶用電信息異常識別

隨著電力用戶信息采集系統(tǒng)的發(fā)展，更豐富的用戶用電信息被用于用戶用電信息異常的識別?；贔DI攻擊進(jìn)行虛假數(shù)據(jù)注入，構(gòu)造用戶用電信息異常數(shù)據(jù)集，并提出了一種基于召回率的改進(jìn)Stacking集成分類算法。該算法采用K-近鄰算法（k-Nearest Neighbors，KNN）、隨機(jī)森林模型（Random Forests，RF）、支持向量機(jī)（Support Vector Machine，SVM）以及梯度決策樹（Gradient Boosting Decision Tree，GBDT）作為Stacking結(jié)構(gòu)的基分類模型；采用邏輯回歸（Logistic Regression，LR）作為Stacking結(jié)構(gòu)的元分類模型。并基于召回率為基分類模型的輸出結(jié)果進(jìn)行權(quán)值賦值，從而作為元分類模型的輸入數(shù)據(jù)集。通過實(shí)驗(yàn)驗(yàn)證，所提的基于召回率的改進(jìn)Stacking集成分類算法相比于傳統(tǒng)Stacking集成分類算法擁有更高效的分類性能。

發(fā)表于：8/25/2023

一種多教師模型知識蒸餾深度神經(jīng)網(wǎng)絡(luò)模型壓縮算法

為了能將龐大的深度學(xué)習(xí)模型壓縮后部署到算力和存儲能力有限的設(shè)備中時(shí)盡可能減小精度損失，對知識蒸餾模型壓縮方法進(jìn)行研究，提出了一種改進(jìn)后帶篩選的多教師模型知識蒸餾壓縮算法。利用多教師模型的集成優(yōu)勢，以各教師模型的預(yù)測交叉熵為篩選的量化標(biāo)準(zhǔn)篩選出表現(xiàn)更好的教師模型對學(xué)生進(jìn)行指導(dǎo)，并讓學(xué)生模型從教師模型的特征層開始提取信息，同時(shí)讓表現(xiàn)更好的教師模型在指導(dǎo)中更具有話語權(quán)。在CIFAR100數(shù)據(jù)集上的VGG13等分類模型實(shí)驗(yàn)結(jié)果表明，與其他壓縮算法相比在最終得到的學(xué)生模型大小相同的情況下，精度上有著更好的表現(xiàn)。

發(fā)表于：8/25/2023

基于點(diǎn)云補(bǔ)全的三維目標(biāo)檢測

LiDAR技術(shù)的發(fā)展為自動駕駛提供了豐富的3D數(shù)據(jù)。然而，由于遮擋和某些反射材料的原因引起信號丟失，LiDAR點(diǎn)云實(shí)際上是不完整的2.5D數(shù)據(jù)，這對 3D 感知提出了根本性挑戰(zhàn)。針對這一問題，提出對原始數(shù)據(jù)進(jìn)行三維補(bǔ)全的方法。根據(jù)大多數(shù)物體形狀對稱且重復(fù)率高的特點(diǎn)，通過學(xué)習(xí)先驗(yàn)對象形狀的方法估計(jì)點(diǎn)云中遮擋部分的完整形狀。該方法首先識別被遮擋和信號缺失影響的區(qū)域，在這些區(qū)域中預(yù)測區(qū)域所包含對象形狀的占用概率。針對物體間遮擋的情況，通過形狀的占用概率和共享同類形狀形態(tài)進(jìn)行三維補(bǔ)全。對自身遮擋的物體，通過自身鏡像進(jìn)行恢復(fù)。最后通過點(diǎn)云目標(biāo)檢測網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)。結(jié)果表明，通過該方法能有效地提高生成點(diǎn)云3D邊框的mAP（mean Average Precision）。

發(fā)表于：8/25/2023

數(shù)據(jù)驅(qū)動的工業(yè)元宇宙系統(tǒng)研究

物聯(lián)網(wǎng)、大數(shù)據(jù)及新一代信息技術(shù)的發(fā)展，對傳統(tǒng)制造業(yè)帶來前所未有的沖擊，基于數(shù)據(jù)關(guān)鍵生產(chǎn)要素的工業(yè)元宇宙建設(shè)得到越來越多的關(guān)注，為傳統(tǒng)制造業(yè)帶來了機(jī)遇，也帶來了挑戰(zhàn)。分析討論了工業(yè)元宇宙的背景、現(xiàn)狀、關(guān)鍵支撐技術(shù)，并以某企業(yè)智造元宇宙平臺的AR/VR虛擬仿真實(shí)訓(xùn)系統(tǒng)為例，初

發(fā)表于：8/24/2023

基于TextCNN-Bert融合模型的不良信息識別技術(shù)

敏感領(lǐng)域的不良信息具有極強(qiáng)的迷惑性和欺騙性，腐蝕人們的思想，影響人們的價(jià)值觀和判斷能力，危害社會安全，研究敏感領(lǐng)域不良信息的識別技術(shù)具有深遠(yuǎn)意義。通用的識別技術(shù)忽略了背景知識和隱喻問題，直接應(yīng)用于敏感領(lǐng)域不良信息識別效果較差。提出一種基于TextCNNBert的融合模型，通過敏感領(lǐng)域主題識別和情感隱喻識別，實(shí)現(xiàn)對敏感領(lǐng)域不良信息的文本識別。實(shí)驗(yàn)結(jié)果表明，該模型在準(zhǔn)確率、F1評分等指標(biāo)方面取得了良好的結(jié)果，相較于現(xiàn)有模型有顯著提高。

發(fā)表于：8/24/2023

基于因果關(guān)系和特征對齊的圖像分類域泛化模型

針對現(xiàn)有域泛化方法性能較差或缺乏理論可解釋性的缺點(diǎn)，提出了一種基于因果關(guān)系和特征對齊的圖像分類域泛化模型，并證明了該模型的可識別性。該模型利用域泛化中的因果關(guān)系來學(xué)習(xí)含有不同信息的特征，將域泛化問題轉(zhuǎn)化為特征相關(guān)分布的偏移，再利用特征對齊消除偏移。為提高模型的性能，采用對抗訓(xùn)練進(jìn)一步優(yōu)化學(xué)到的特征。在公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，新提出的模型與目前最優(yōu)的方法性能相當(dāng)，表明該模型具有理論可解釋性的同時(shí)，還有不俗的實(shí)際性能表現(xiàn)。

發(fā)表于：8/24/2023

論人工智能在刑事司法決策中的應(yīng)用

人工智能在刑事司法領(lǐng)域的應(yīng)用方興未艾，世界各國廣泛開發(fā)人工智能產(chǎn)品，以期提高司法效率，提升司法決策的公平性。然而，人工智能尚處于初級階段，存在決策偏見、算法黑箱等技術(shù)缺陷，并不能做到完全價(jià)值中立；人工智能的應(yīng)用也對傳統(tǒng)司法原則和理論造成了沖擊，一定程度上威脅到了人權(quán)保護(hù)。所以，不能盲目夸大人工智能對于司法決策的作用。針對人工智能技術(shù)的缺陷，提出要在人工智能產(chǎn)品開發(fā)的各個(gè)階段減少決策偏見，推進(jìn)相關(guān)認(rèn)證標(biāo)準(zhǔn)；對于人工智能的應(yīng)用問題，首先要明確人工智能只能輔助決策而不能替代決策，其次應(yīng)加強(qiáng)人類的責(zé)任和監(jiān)管，保障決策的公平性。同時(shí)，應(yīng)加強(qiáng)辯方的數(shù)據(jù)權(quán)利，以實(shí)現(xiàn)技術(shù)司法模式下的控辯平衡。

發(fā)表于：8/24/2023

生成式人工智能視閾下算法審計(jì)的制度構(gòu)建與路徑創(chuàng)新

隨著文心一言、通義千問、ChatGLM等我國生成式人工智能算法研發(fā)與應(yīng)用的落地，加快構(gòu)建并完善面向生成式人工智能的算法治理已成為完善算法監(jiān)管體系的題中之義。在算法治理體系之中，算法審計(jì)制度有利于算法異化與算法風(fēng)險(xiǎn)的糾偏問責(zé)，促進(jìn)算法公平與數(shù)字正義的實(shí)質(zhì)透明，并實(shí)現(xiàn)算法公開與商業(yè)秘密的張力彌合，從而成為算法規(guī)制的關(guān)鍵制度配置。在全流程治理視角下，唯有“用算法審計(jì)算法”，實(shí)現(xiàn)書面合規(guī)審計(jì)與技術(shù)合規(guī)審計(jì)的協(xié)同并舉，才能在算法內(nèi)外部對算法的透明度、公平性、可控性、包容性和可問責(zé)進(jìn)行多維視角的有效評估。而在算法審計(jì)實(shí)踐之中，現(xiàn)行法仍需完善剛?cè)岵?jì)的差序規(guī)制格局，鞏固分類分級的精準(zhǔn)治理，以實(shí)現(xiàn)算法審計(jì)內(nèi)外兼修的制度銜接，促進(jìn)算法治理從碎片化監(jiān)管邁向更為一體化、敏捷化、精準(zhǔn)化的治理格局。

發(fā)表于：8/24/2023