搜索资源列表
remoteSensing
- 一种新的彩色图像特征检测算法 -学术论文 - 图像图形网-机器视觉,数字水印,遥感,指纹,人脸识别,生物医学,神经网络,人工智能,GIS,小波变换-a new color image feature detection algorithm-academic-Image Network Graphics-machine vision, digital watermark, remote sensing, fingerprint, face recognition, biomedical, neur
lecture112
- 讲义：人工智能与神经网络 -overhead : artificial intelligence and neural network overhead : artificial intelligence and neural networks
adapterSystemPaper
- 论文标题:自适应模糊系统在手写体数字识别中的应用研究 作者:张镭 作者专业:计算机软件人工智能 导师姓名:黄战 授予学位:硕士 授予单位:暨南大学 授予学位时间:19990501 论文页数:59页 文摘语种:中文文摘 分类号:TP18 TP391.4 关键词:手写体数字 自适应 模糊逻辑 神经网络 模式识别 摘要:该文针对模式识别的特点,构造了适合于模式识别问题的自适应模糊系统,对三种不同学习算法加以改进,在手写全数字识别上对分类器进行了实现,
Neural_networks_in_highway_traffic
- 结合人工智能的最新方向:人工神经网络,利用BP网络的联想,记忆功能,建立了具有神经网络的驾驶员:环境闭环控制系统模型.-combination of the latest artificial intelligence direction : artificial neural network, BP network association, memory function, built a neural network drivers : Environmental closed-loop c
WebDataMining
- Web数据挖掘作为数据挖掘技术和Internet应用研究相结合的研究领域，涉及机器学习、数理统计、数据库、神经网络、模式识别、粗糙集、模糊数学等人工智能相关技术，目前已经发展成为一个受到社会各界关注的研究热点。
The_Status_Quo_of_Machine_Learning_of_Artificial_I
- 机器学习是人工智能的一个子领域，是人工智能中非常活跃且范围甚广的主要核心研究领域之一，也是现代智能系统的关键环节和瓶颈。机器学习吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果，主要关注于开发一些让计算机可以自动学习的技术，并通过经验提高系统自身的性能。本文介绍了机器学习的概念、基本结构和发展，以及各种机器学习方法，包括机械学习、归纳学习、类比学习、解释学习、基于神经网络的学习以及知识发现等，并简单叙述了机器学习的相关算法，包括决策树算法、随机森林算
xinxihec
- 数据挖掘和知识发现（Data Mining and Knowledge Discovery，DMKD）技术就是在这样的背景下产生的，是在数据库技术、机器学习、人工智能、统计分析、模型逻辑、人工神经网络和专家系统等基础上发展起来的新兴交叉科学，是继网络之后的又一个技术热点。如果将数据库中的大量数据比喻为矿床，则DMKD技术就是从这矿床中挖掘知识的“金块”的工具。由于其诱人的前景和巨大的难道，使得DMKD成为计算机信息处理领域的研究热点和前沿技术。-Data Mining and Knowledge
jiqirenzuqiushibiesuanfa
- 机器人足球识别算法研究 主要是人工智能方面的研究 设计到了神经网络等相关知识-Recognition algorithm in robot soccer research in artificial intelligence research in design to the knowledge of neural networks
gailv
- 概率动态认知图，神经网络，人工智能图像处理-Probability of dynamic cognitive maps, neural networks, artificial intelligence, image processing
Bee-algorithm5
- Bee algorithm Bee algorithm(1)信号处理、(2)人工智能与模式识别、(3)神经网络、(4)图像处理、(5)数据挖掘、-Bee algorithm3
BTP_Prediction_based_on_BPNN
- 该论文将神经网络应用到烧结终点的预测中，并结合主元分析、灰色理论等人工智能技术，建立了实用有效的预测模型。该方法成功应用于某钢铁企业280m2大型烧结机的在线控制。经过验证，该方法克服了人工判断的随机性，针对不同工况准确预报烧结终点，该预报值可用来指导生产或送控制计算机，为烧结终点智能控制提供操作依据。-In this paper,ANN technology is applied to build the practical and useful prediction model of B
tanlenkou
- MIT人工智能实验室的目标识别的源码,关于神经网络控制，分数阶傅里叶变换计算方面。- MIT Artificial Intelligence Laboratory identification of the target source, On neural network control, Fractional Fourier transform computing.
深度卷积神经网络
- 作为类脑计算领域的一个重要研究成果，深度卷积神经网络已经广泛应用到计算机视觉、自然语言处理、信息检索、语音识别、语义理解等多个领域，在工业界和学术界掀起了神经网络研究的浪潮，促进了人工智能的发展。卷积神经网络直接以原始数据作为输入，从大量训练数据中自动学习特征的表示。(As the important research achievement, deep convolutional neural networks have been widely applied to various fiel
MATLAB神经网络案例分析
- 用于刚刚学习人工智能算法，神经网络的初级学者，有助于了解(A junior scholar who has just learned artificial intelligence algorithms, neural networks, helps to understand)
决策树+神经网络
- 人工智能AI，决策树和神经网络的原理说明(MEMORY-EFFICIENT GLOBAL REFINEMENT OF DECISION-TREE ENSEMBLES AND ITS APPLICATION TO FACE ALIGNMENT)
快速学习算法
- 该算法是一个主要针对人工智能神经网络中DBN网络的一种快速学习算法
人工智能时代，什么是算力?
- 1997年，国际象棋名家卡斯帕罗夫象棋对弈IBM超级电脑深蓝，最后结果是大师输了。2016年，世界顶级围棋高手李世石与AI围棋对决，最后竟以1:4惨败于谷歌阿尔法狗。今年4月，AI电竞团队OpenAI Five与人类战队对决《dota》，2:0 完胜世界冠军OG战队。人工智能凭什么能够战胜人类?答案是AI背后的超级计算机算力。AI通过算力处理大量的相关数据，并以神经网络不断学习成长，最终获得技能，战胜人类选手。算力经济，算力时代，算力改变世界，算力驱动未来。现在很多领域都在谈论算力，到底什么是算
GPU和神经网络加速器芯片如何为汽车应用提供智能优势
- 汽车行业是推动人工智能(AI)发展的重要行业之一，这是因为该行业致力于自动驾驶汽车和高级驾驶员辅助系统(ADAS)的泛在利益。汽车正在变得越来越智能，但是如果汽车行业要实现完全自动驾驶的目标，他们还有很长的路要走。尽管业界还在讨论实现全自动化所需的理想技术组合，但是有一点是明确的，那就是人工智能，尤其是神经网络将发挥重要作用。
嵌入式芯片要如何应对真正的AI本地化处理的挑战
- GPU和NNA(神经网络加速器)正在迅速成为AI应用的关键要素。随着不同企业开始挖掘神经网络在各种任务(比如自然语言处理、图片分类)中的潜力，集成人工智能元素的产品数量正在稳步的增长。与此同时，对于这些任务的处理也正在从传统的云端架构转移到设备本身上来，嵌入式芯