-
实现更智能的数字预失真引擎：一种基于神经网络的方法
为了解决下一代无线通信中功率放大器(PA)的信号失真和效率低下的难题，本文提出了一种AI驱动的数字预失真(DPD)框架。基于多项式的传统DPD方法存在计算复杂性问题，而且对非线性和记忆效应的适应能力有限。本文提出的系统利用了先进的神经网络架构动态优化预失真，在效率、适应性和实时校正等方面均优于传统方法。尽管存在模型可解释性和能耗等挑战，基于此框架打造的可扩展、高效率的解决方案依然代表了现代通信网络射频发射器设计的一项重大进步。
-
MNIST 机器：一款可以用手进行训练的神经网络
我制作了一个盒子，通过转动真实的旋钮和按下发光的按钮，就能让你训练一个小型的神经网络。
-
C语言实现神经网络量化：从FP32到INT8的推理加速全攻略
当MobileNet在STM32H7上完成单张图像推理需要1.2秒时，工程师们意识到：要让AI真正落地嵌入式设备，必须突破浮点计算的桎梏。量化技术通过将32位浮点参数转换为8位整数，在ARM Cortex-M7处理器上实现了最高12倍的推理加速，同时将模型体积压缩75%。本文将深入解析C语言实现量化的完整技术链，结合实际案例展示从理论到部署的全过程。
-
面向嵌入式部署的神经网络优化：模型压缩深度解析
神经网络已经成为解决复杂机器学习问题的强大工具。然而，这种能力往往伴随着模型规模和计算复杂度的增加。当输入维度较大（例如长时序窗口、高分辨率特征空间）时，模型需要更多参数、每次推理需要更多算术运算，使其难以部署在嵌入式硬件上。
-
逐点半导体分布式渲染解决方案助力真我GT8系列电竞独显芯片R1性能跃升
突破手机渲染能力限制，开启低功耗高画质视觉新体验
-
激光雷达：自动驾驶的 “三维感知之眼”
在自动驾驶技术的感知体系中，激光雷达(LiDAR)凭借其独特的三维感知能力，成为破解复杂路况难题的关键设备。这种通过激光束探测环境的遥感技术，以厘米级精度、全天候可靠性构建起车辆的 “感知神经网络”，支撑着高精地图绘制、精准定位、障碍物检测等核心功能的实现，为自动驾驶的安全落地奠定基础。
-
安森美亮相北京听力学大会，展示智能听力技术领导力
中国上海– 2025年6月17日——智能电源与智能感知技术的领先企业安森美(onsemi，纳斯达克代码：ON)近日参加了第九届北京国际听力学大会，展示了前沿的听力解决方案，巩固了公司在智能化、个性化听力健康领域的领先地位。
-
边缘AI模型的反逆向工程：神经网络混淆与硬件绑定技术
随着边缘计算与AI技术的深度融合，边缘AI模型在智能安防、自动驾驶、工业物联网等领域得到广泛应用。然而，模型作为AI系统的核心资产，面临严重的逆向工程威胁：攻击者可通过反编译、模型窃取等技术手段，获取模型结构与参数，进而复现或篡改模型，导致知识产权泄露、服务中断甚至安全漏洞。本文提出一种基于神经网络混淆与硬件绑定的综合防御框架，通过代码混淆、硬件特征绑定与动态加密技术，构建多层次防护体系。
-
BW21-CBV-Kit——创建手势和面部动态识别
本节详细介绍了官方演示评估过程和效果演示手势检测和RTSP人脸识别。
-
开关柜温度主动预警关键技术研究及应用
针对目前开关柜温度监测存在的问题 , 在研究了负荷电流 、环境温度 、温度变化时间等因素对开关柜温升的影响 后 ,运用有限元温度场仿真技术预测了开关柜内部的温度分布情况 。将温度场仿真数据作为机器学习的训练样本 、温升试验数 据作为机器学习的测试样本 ,经神经网络创建 、训练及算法仿真测试 ,得出不同于以往单一温度值的温度—电流—时间多物理量 耦合温升预测模型 。将模型植入到嵌入式温升主动预警装置中 ,经大量试验后提出开关柜温度监测策略 ,现已成功应用于国家 电网智慧变电站首批试点项目 ,对制定开关设备载流性能的智能运维策略有实际应用价值。
-
理解神经网络，第一部分什么是神经网络
人工智能(AI)是为了模仿人类的认知能力而设计的,它的许多应用都是受我们的五感--视觉、听觉、触觉、味觉和嗅觉的启发。在艾省, 想象力 与计算机视觉相对应,使机器能够解释图像和视频。 听到 由自然语言处理(NLP)和语音识别系统复制,使AI能够理解和生成人类的语音。 接触 通过触觉反馈和机器人来模拟,这有助于机器人对物理互动作出反应。尽管不太先进, 品味 和 闻到 通过原子能机构驱动的化学分析和食品及香味应用传感器进行探索。
-
理解神经网络，第二部分神经网络的类型
神经网络的类型
-
理解神经网络，第三部分神经网络和人工智能
神经网络与人工智能transformer主要差异
-
西湖大学：科学家+AI，科研新范式的样本
北京2024年12月11日 /美通社/ -- 今年的诺贝尔奖，将AI推到了科学舞台的中央，标志着AI在科学研究中的重要地位得到了认可，也体现了学科交叉赋能将成为AI时代的科研发展趋势。用AI赋能学科研究，创新科研新范式。这一点在西湖大学的科研项目中已得到体现。 成立于2018年...
-
适用FPGA的小型神经网络：加速边缘智能的新篇章
在人工智能（AI）技术日新月异的今天，神经网络作为其核心驱动力，正逐步渗透到各个行业与领域。然而，传统的神经网络模型往往受限于计算资源和功耗，难以在边缘设备上实现高效运行。现场可编程门阵列（FPGA）作为一种高性能、低功耗的硬件加速器，为小型神经网络的部署提供了理想的平台。本文将深入探讨适用于FPGA的小型神经网络，以及它们在边缘智能应用中的独特优势。
-
神经网络如何促进振动分析
在日益复杂的工业和汽车环境中，状态监测对于确保安全可靠的运行变得越来越重要。通过数据分析可以检测运行异常和潜在的设备缺陷，从而在发生故障之前及时进行维修。它还可以最大限度地减少维护频率并避免不必要的成本。
-
神经网络从感知到深入学习
从受到人类大脑的启发,到发展出能够获得非凡成就的复杂模型, 神经网络 已经走了很长一段路。在接下来的博客中,我们将深入讨论神经网络的技术历程--从基本感知器到先进的深度学习架构,推动人工智能的创新。
-
小规模任务的神经网络应用
在过去10-15年中,人工神经网络领域的发展迅速。典型的应用是图像处理、声音等领域的高维数据.然而,在机器学习中,系统输入的数据量很小的任务很少:例如,异常事件建模、处理人工收集的分析数据、分析低频传感器的信号等。在这种情况下,一个重要阶段是对系统训练有素的特点("特点")进行认真的工作,特别是从现有的基本特点中产生新的特点,这将能够提高设计系统的性能质量。手动方法通常用于这种生成,但是一个好的选择是使用神经网络,它不仅能够学习基本的数学运算,而且能够识别输入数据中极其复杂的模式。
-
Microchip收购Neuronix AI Labs
该实验室的创新技术能够增强人工智能边缘解决方案，提高神经网络能力
-
机器学习基本算法原理
机器学习将是下述内容的主要介绍对象，通过这篇文章，小编希望大家可以对机器学习的相关情况以及信息有所认识和了解，详细内容如下。
