...乐:自动化检测设备方面拥有智能缺陷识别技术,包括卷积神经网络等
多浦乐:自动化检测设备方面拥有智能缺陷识别技术,包括卷积神经网络等金融界10月15日消息,有投资者在互动平台向多浦乐提问:董秘您好,公司公告显示公司在自动化检测设备等方面,具备人工智能缺陷识别关键技术,其主要内容包含卷积神经网络、多模态缺陷识别方法、缺陷特征注意力集中方法,并且已实现产业化。请问董秘公...
华映资本章高男:现阶段的高端制造领域,需求提振或比技术创新更关键
一是卫星互联网,这是一个早期增量市场,具有较高的技术难度,并且存在大量的机会;二是下一代能源替代方案:我们会适量投资一些具有革命性潜力的能源技术,目的是为了探索能够显著提升生产力的能源方式;三是半导体设备升级,这是国产替代的一个重要战略方向;同时我们也关注汽车产业链的升级机会,这些领域我们已经有过投资实践。
智能时代的深度学习:基础、算法与应用前景
通过卷积神经网络,深度学习能够在图像分类、目标检测、图像分割等任务中取得优异的表现。例如,ImageNet竞赛中,深度学习模型的表现大幅超越了传统方法。2.自然语言处理自然语言处理是另一个深度学习的重要应用领域。循环神经网络和变换器模型(Transformer)在文本生成、情感分析、机器翻译等任务中表现出色。深度学习使得机...
大成研究 | 闫丽萍等:金盘科技数据资源入表初探
1.技术架构通过生产系统核心流程数字化,应用新一代信息技术和自主研发关键技术实现生产过程信息流自动化、制造过程数字自动化、物流自动化。技术架构如下:2.关键技术(1)企业系统集成标准协议通过对数字化工厂产线设备,信息系统交互进一步分析提炼,形成了企业内标准数据体系,并推向数字化工厂相关企业。(2)系统...
迎接大模型应用爆发:下一个关键因素是什么?
迎接大模型应用爆发:下一个关键因素是什么?在人工智能的发展中,算法、算力和数据是三大关键要素,其中语料数据是决定大模型能力的天花板。高质量的语料数据为模型提供了丰富的训练素材,使算法能够学习和理解复杂的语言模式和语义结构。尽管强大的算法和充足的算力至关重要,但没有高质量数据的支持,模型的学习效果和泛化...
【旧文重发】深度学习发展史:相信和看见
最终JeffDean和JohnGiannandrea两人最终拍板给Google买了4万张GPU(投资了1.3亿美元)(www.e993.com)2024年10月23日。此后,深度学习开始向Google各个产品渗透,以自动驾驶为例,只要Google能够搜集足够的代表各种情形的数据,神经网络就能够自动识别足够多的物体。此后,深度学习被引入GooglePhoto(自动分类照片),Gmail(自动预测下一个词语),AdWords(预测...
GPU:AI服务器关键技术及核心
(2)技术层:在AI算力的支持下,通过系统开发框架进行各场景数据的训练和学习,开发出计算机视觉、语音语义、知识图谱等AI算法,并将其搭载于硬件设备上形成行业级解决方案;(3)应用层:针对不同的行业和场景,进行人工智能技术的商业化落地。AI服务器是人工智能基础层的核心物理设备,其面向深度学习神经网络需要...
AI赛道万字报告:前世、今生及未来
依托于AI的几大关键能力(图像识别、语音识别、自然语言处理、具身智能),AI技术被应用于各个垂直领域,如医疗(如AI诊断工具)、金融(如风险评估与算法交易)、零售(如推荐系统)、制造(如智能工厂),解决行业特定的问题,提升运营效率,创造新的商业模式。医疗领域:AI在医疗领域的应用正逐渐成熟并扩展至多个方面,包括诊断...
“人形机器人”的智能感知与控制技术
未来人形机器人怎么实现?人们上班后,家里收拾桌子和打扫卫生,包括把家电之间(洗衣机、冰箱、洗碗机等)连起来,变成了一个电子保姆,慢慢帮人们做家务,这应该是对我们生活有帮助的一种理想场景。3感知/环境感知技术回到技术层面,人形机器人有五六项关键技术,如下所示。
科学家发展人工智能电子显微技术,揭示电池失效机制,助力新材料研发
为此,王春阳与合作者充分发挥卷积神经网络在图像分割方面的优势,将其与原子分辨率透射电镜成像技术结合,开发出了人工智能辅助的超分辨成像技术,实现了层状氧化物正极材料的晶体结构与缺陷的高精度成像与分析。“目前这一技术的表现非常出色,甚至已经超出了我们最初的预想。下一步,我们希望利用人工智能技术实现材料结构的...