人工智能正將科研人員轉變為高產的論文發表機器，同時悄然將他們推向同一批擁擠的研究領域。這一結論來源于一項針對超 4000 萬篇學術論文的分析。分析發現，在研究中使用人工智能工具的科研人員，相比不使用該類工具的同行，發表的論文數量更多、獲得的引用次數更可觀，并且能更快晉升至學術領導崗位。但這背后存在一個隱患。在科研人員個人學術生涯節節攀升的同時，整個科學界的探索視野卻在收窄。依賴人工智能開展的研究，覆蓋的主題范圍更窄，扎堆聚焦于相同的海量數據驅動型問題，并且研究之間引發的后續關聯性互動也更少。這些研究結果凸
關鍵字：
機器學習 深度學習 人工智能 出版物
是德科技（Keysight Technologies）推出一款全新機器學習工具包，該工具包隸屬于最新版是德科技器件建模軟件套件，旨在大幅加快器件建模與工藝設計套件（PDK）的開發速度，將模型開發與參數提取的耗時從數周縮短至數小時。對于從事先進半導體節點、射頻器件或功率器件研發的讀者而言，這一發布具有重要意義。當前，器件建模的復雜度持續攀升，而設計周期卻不斷壓縮，這款工具包的出現有望有效緩解這一矛盾。據官方介紹，這種全新的人工智能 / 機器學習驅動方案，能夠提升多類技術場景下的研發效率、模型質量與結果可預測
關鍵字：
是德科技 機器學習 PDK 開發
在手術室中，接受局部麻醉且保持清醒的患者，往往難以清晰表達自身的疼痛程度。部分患者（例如嬰幼兒或癡呆癥患者）甚至完全無法傳遞這類感受。為了找到更優的患者疼痛監測方式，一支研究團隊開發出一種無創監測方法 —— 通過分析患者的心率數據與面部表情，綜合評估其疼痛程度。該研究方法的相關細節，發表在 11 月 14 日出版的《 IEEE Open Journal of Engineering in Medicine and Biology》中。德國萊比錫應用信息學研究所研究員 Bianca Reichar
關鍵字：
醫療 疼痛 預測模型 機器學習
當企業試圖超越試點項目時，機器學習（ML）在工業環境中的部署面臨著重大的擴展挑戰。雖然AI視覺系統在制造應用中展現出相當的潛力，但傳統的為每個部署現場定制模型的方法存在瓶頸，阻礙了廣泛采用。每條生產線在光照條件、設備定位、產品特性和環境因素上都有獨特的差異，通常需要昂貴的現場模型調優和再訓練（見圖1）。1. 檢驗站：生產線在照明條件、設備定位、產品特性和環境因素上存在獨特差異，通常需要昂貴的現場模型調校和再培訓。當從試點實施擴展到企業部署時，挑戰變得更加巨大。使用傳統機器學習部署方法從一個站點遷移到數百條
關鍵字：
機器學習 工業環境 零觸控
半導體設計的發展推動了現代片上系統（SoC）達到前所未有的復雜程度。當今最先進的SoC通常集成數百個智能屬性（IP）塊，涵蓋多個處理單元、專用加速器和高速互連。這一快速擴展還得益于多芯片架構的興起，旨在將擴展性和性能擴展到傳統單片設計的限制之外。這些進步帶來了重大挑戰，尤其是在管理實現芯片間無縫數據流的互連結構方面。傳統的互連解決方案，如交叉開關和總線架構，已被片上網絡（NoC）取代，后者提供可擴展的高帶寬通信，同時優化電力效率。不過，工程師仍需手動實現NoC設計的某些方面，使得工藝勞動強度較大。任何設計
關鍵字：
SoC 自動化 機器學習 NoC
由OpenAI推出的ChatGPT，成為采用速度最快的軟件產品之一，展示了人工智能（AI）的潛力。機器學習（ML）是人工智能的一個子集，正在通過推動決策和數據分析等任務，正在改變行業。在通信領域，人工智能和機器學習正在推動數字預失真（DPD）技術的發展，這是一種減少信號失真和提升功率放大器（PA）效率的關鍵技術。傳統 DPD 模型在 5G 等現代通信系統中難以應對非線性特性和記憶效應。這類模型假設 PA 的工作特性是靜態且無記憶的，依賴僅能描述瞬時輸入輸出關系的多項式模型，無法適配復雜場景需求。而 AI
關鍵字：
人工智能 機器學習 數字預失真
TensorFlow 的創建初衷就是為了方便人們開發自己的機器學習（ML）模型。你可能每天都在使用它卻渾然不覺，比如推薦下一個 YouTube 視頻的推薦系統、圖像識別功能或語音助手等。但 TensorFlow 究竟是什么？它如何工作？使用什么硬件？又為何能成為機器學習的主要工具呢？TensorFlow 是谷歌為開發者打造的開源軟件庫，適用于機器學習和深度學習應用。計算機通過這些 AI 模型學習模式識別和數據預測。開發者借助 TensorFlow 框架，能夠更高效地進行模型開發和訓練。該工具內置豐富功能，
關鍵字：
TensorFlow 機器學習 AI工具
創建 TensorFlow 只是為了開發您自己的機器學習 （ML） 模型。您甚至可能每天都會體驗它而不知道，例如建議下一個 YouTube 視頻、圖像識別或語音助手的推薦系統。但什么是 TensorFlow，它是如何工作的，它使用什么硬件，為什么它是機器學習的主要工具？Google 構建了 TensorFlow，這是一個開源軟件庫，用于機器學習和深度學習應用程序，專為開發人員設計。計算機從這些人工智能模型中學習，以進行模式識別和數據預測。開發人員利用 TensorFlow 的框架實現了更高效的模
關鍵字：
TensorFlow 機器學習 模型
據格勒諾布爾實驗室 CEA-Leti 領導的法國團隊稱，內置在 IC 金屬層中的單一結構可以實現機器學習和模擬 AI 推理，下面的 CMOS 也可用于處理。該結構由兩個金屬互連層組成，有四層：底部的 TiN、硅摻雜的 HfO2、Ti 清除層，然后是頂部的 TiN。就目前而言，這是一種鐵電電容器結構，但經過一次電氣成型作（通過氧化鏗長出導電螺紋）后，它就變成了可重新編程的憶阻器結構。這允許在該層的任何地方隨意制作任何一個設備。CEA-Leti 表示：“鐵電電容器允許快速、低能耗的更新，但它們的讀取作具有破壞
關鍵字：
集成電路 機器學習 模擬推理
微芯片幾乎為所有現代設備提供動力——手機、筆記本電腦甚至冰箱。但在幕后，制作它們是一個復雜的過程。但研究人員表示，他們已經找到了一種方法來利用量子計算的力量，使其變得更簡單。澳大利亞的科學家開發了一種量子機器學習技術——人工智能 （AI） 和量子計算原理的結合——可能會改變微芯片的制造方式。他們在 6 月 23 日發表在《先進科學》雜志上的一項新研究中概述了他們的發現。在其中，研究人員首次展示了量子機器學習算法如何顯著改善芯片內部電阻建模的挑戰性過程——這是影響其性能效率的關鍵因素。量子機器學習是一種將經
關鍵字：
量子 機器學習 半導體 芯片制造
教會機器人新技能過去需要編碼專業知識。但新一代的機器人可能只需要任何人就能學習。工程師們正在設計能夠“通過示范學習”的機器人助手。這種更自然的訓練策略使人們能夠引導機器人完成一項任務，通常有三種方式：通過遙控，例如操作操縱桿遠程控制機器人；通過物理移動機器人來完成動作；或者自己執行任務，同時機器人觀看并模仿。通過實踐學習的機器人通常只采用這三種演示方法中的一種進行訓練。但麻省理工學院（MIT）的工程師們現在開發了一種三合一訓練界面，允許機器人通過這三種訓練方法中的任何一種來學習任務。該界面是一種手持的、配
關鍵字：
機器人 機器學習 機械臂
機器學習正在為設計工程師提供更智能的供應鏈和無摩擦的組件采購。電子分銷行業正在經歷一場悄無聲息的革命，這場革命正在從根本上改變工程師采購組件的方式以及分銷商預測需求的方式。DigiKey 處于這一轉型的最前沿，人工智能不僅僅是一個流行詞，它正在成為為全球工程師提供服務的運營支柱。總部位于 Thief River Falls 的經銷商總裁 Dave Doherty 負責監督這家從明尼蘇達州相對偏遠的地點向全球發貨的公司，該公司負責監督這種人工智能驅動的發展。DigiKey 已部署或開發 70 多個不同的 A
關鍵字：
算法 工程助手 AI 零件采購 機器學習
兩臺協作機器人使用從微調的大型行為模型（LBMs）中獲得的自主評估部署來執行長時程行為，例如安裝自行車轉盤。| 來源：豐田研究院豐田研究院（TRI）本周發布了其關于大型行為模型（LBMs）的研究結果，這些模型可用于訓練通用機器人。該研究顯示，單個 LBM 可以學習數百個任務，并利用先驗知識以 80%更少的訓練數據獲取新技能。LBMs 在大型、多樣化的操作數據集上進行預訓練。盡管它們越來越受歡迎，但機器人社區對 LBMs 實際上能提供什么仍然知之甚少。TRI 的工作旨在通過這項研究揭示算法和數據集設計方面的
關鍵字：
機器人 大模型 機器學習
文章 概述本文中，DigiKey 總結了Edge AI 和機器學習領域中常用的 硬件類型 及其相應的 開發套件 。文章詳細列舉了四大主要的硬件類型：微控制器、單板計算機、專用 AI加速器，以及FPGA，并詳細介紹了涵蓋硬件平臺、軟件工具和預訓練模型的多種開發套件。文章著重強調了合理選擇硬件平臺與開發套件對于Edge AI和機器學習發展的關鍵推動作用，為相關領域的開發者和研究者提供寶貴的參考依據。Edge AI和機器學習的計算主
關鍵字：
Digikey AI 機器學習
隨著機器學習 (ML) 的熱潮和企業紛紛搶先采用機器學習進行轉型，不難發現并非所有機器學習項目都能取得成功。往往是因為存在“先有解決方案再有問題”的思維定式，導致機器學習應用的需求和目標定義不清。若未能明確機器學習為何被采用以及其對業務指標的影響，可能導致概念驗證 (POC) 工作耗費大量時間卻無法產生實際成果。本文探討了企業在將機器學習融入產品與流程時，如何通過明確總體目標并將其與相關業務指標聯系起來，進而規避常見陷阱。隨著POC工作的進展，應用這些指標為評估機器學習性能奠定了基礎。根據POC的任務或用
關鍵字：
機器學習 貿澤
?機器學習介紹
您好，目前還沒有人創建詞條?機器學習!
歡迎您創建該詞條，闡述對?機器學習的理解，并與今后在此搜索?機器學習的朋友們分享。
創建詞條
關于我們 -
廣告服務 -
企業會員服務 -
網站地圖 -
聯系我們 -
征稿 -
友情鏈接 -
手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產品世界》雜志社 版權所有 北京東曉國際技術信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網安備11010802012473
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網安備11010802012473