搜索资源列表
abcsearch
- 文献检索,资料介绍,机器人,人工智能，机器学习等方面的资料
zhineng
- 人工智能方面的研究 包括系统通信等等各方面
Intelligenttutoringsystemssurvey
- 通过对热门专家系统的研究，向读者介绍了基于人工智能的热门话题-Top expert system through research, introduced to readers a hot topic of discussion based on artificial intelligence
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
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
Artificial-Intelligence-Review
- 这是一个有关人工智能的文档，里面的知识点比较全面，各个细节都涉及到了。-This is a document of artificial intelligence, which is more comprehensive knowledge, all details are related to it.
recomProject
- 人工智能算法，适合于大多数群体，希望对各位有所帮助-Artificial intelligence algorithms
rengongzhineng
- 人工智能的学习资料，东南大学的，大家可以下载学习，是很好的资源 -Learning materials in artificial intelligence, Southeast University, you can download to learn, is a good resource
machine--Learning-concept
- 机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。-Machine Learning (Machine Learning, ML) is more than one field of
获得GPU存储性能的四种方法
- 支持AI人工智能和ML机器学习部署的数据中心依靠基于图形处理单元(GPU)的服务器为其计算密集型架构提供支持。到2024年，在多个行业中，GPU使用量的增长将使GPU服务器的复合年增长率超过
人工智能技术的应用，实现IT自动化是许多企业的主要目标
- 人工智能和机器学习依赖于高价值数据，这意味着IT部门需要对其网络中发生的事情有适当的可见性。实现IT自动化仍然是许多企业的主要目标。当CIO面对不断减少的人员和日益复杂的IT需求时，必须从服务台和故障排除需求中重新部署资源，以应对更多战略挑战。但要实现这一目标，企业必须接受人工智能，以解决大规模自动化大型企业所需的海量数据和决策挑战。
网络硬件加速器在自动驾驶计算平台的作用
- 近几十年来，图形处理器(GPU)已从最初作为大型电玩的视频显示适配器演进为一个强大的计算中心，并且正在推动人工智能和机器学习的发展，包括从石油和天然气勘探到自然语言处理等众多领域的计算工作。如今，GPU正在自动驾驶和先进驾驶辅助系统(ADAS)技术的发展中扮演着越来越重要的作用。
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。
面向安防监控AI应用的图形处理技术
- 在对人工智能(AI)而非提高像素的需求推动下，特别是在由计算机视觉和数据驱动的决策制定方面，GPU(图形处理单元)领域已出现一场革命。神经网络的到来已使视觉处理成为现代世界的关键因素。因此，机器人处理操作、智能监控摄像头以及汽车高级驾驶辅助系统(ADAS)等相关行业都发生了变化
关于人工智能在数据质量管理中的应用
- 说实在的，这个概念有些过于高大上，从大的方面包括、、强化学习等等，而深度学习又包括图像识别、语音识别、自然语言处理、预测分析;机器学习则包括监督学习、无监督学习、半监督学习，监督学习又细分为回归、分类、决策树等等。理论上人工智能什么都能做，什么都能迎合的上。
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
人工智能_林世平
- 福州大学人工智能导论PPT,内容讲解详细丰富，欢迎大家下载补充。(Fuzhou University AI powerpoint)
为什么说对象存储适合人工智能和机器学习
- 如今，各种类型的企业都致力于采用人工智能和机器学习项目，但要发挥其真正的潜力，则需要克服重大的技术障碍。虽然计算基础设施通常是重点，但存储设施也同样重要。以下是对象存储(而不是文件或块存储)适用在加强人工智能和机器学习工作负载的
对象存储适合人工智能和机器学习的原因
- 如今，各种类型的企业都致力于采用人工智能和机器学习项目，但要发挥其真正的潜力，则需要克服重大的技术障碍。虽然计算基础设施通常是重点，但存储设施也同样重要。以下是对象存储(而不是文件或块存储)适用