扫码加入

神经网络

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论

人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model),它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。

人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model),它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。收起

查看更多

电路方案

查看更多
  • 面向嵌入式部署的神经网络优化:模型压缩深度解析
    作者:Lavanya Arakere Dineshkumar 1.为什么需要神经网络模型压缩? 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。 对于嵌入式系统而言,资源极其有限。内存空间受限,因此在桌面或云平台上轻松运行
    面向嵌入式部署的神经网络优化:模型压缩深度解析
  • 【匠师共研】系列之二 解锁铁电材料密码,铺就类脑存算一体工程化之路
    当类脑智能成为打破传统算力瓶颈的核心方向,材料创新与工程化落地的协同探索愈发关键。近日,泰克技术大牛中国区技术总监张欣与华东师范大学专家田教授展开深度对话,围绕 “铁电赋能类脑” 主题,从材料机理、器件研发到测试赋能,全方位拆解从实验室创新到存算一体工程化的进阶之路。 “铁电材料的独特性,是类脑器件研发的核心密码。” 田教授开篇点明核心。他介绍,铁电材料因晶体结构对称性破缺,内部偶极子在外加电场作
    414
    02/03 13:58
    【匠师共研】系列之二  解锁铁电材料密码,铺就类脑存算一体工程化之路
  • AFCI 模型超参数管理实操:mlflow 一站式实验跟踪与优化
    AI 神经网络训练中,学习率、batch size、帧长等超参数的调整直接影响模型准确率,而频繁实验后的参数对比、结果记录是优化关键。mlflow 作为机器学习生命周期管理工具,能统一记录实验参数、指标、模型文件,还支持可视化对比,大幅提升 AFCI 等 AI 项目的实验效率。本文基于 ST 官方 LAT1339 应用笔记,详解 mlflow 的核心功能、代码集成方法,以及在 AFCI 项目中的实战应用,适用于 TensorFlow、Keras 等主流框架。
  • 开源!50+算法,Java基于YOLO框架的视频AI识别算法平台,适配低空无人机巡检、摄像头安防场景
    YOLO视频AI识别算法管理平台基于YOLO v8神经网络模型,支持Linux和Windows环境,利用Python、C++、Shell和Docker等技术实现高效推理运算和实时视频识别。平台集成了前端Vue和后端SpringBoot框架,提供人、车、火灾烟雾等多种视频识别功能,并通过FFmpeg推流至ZLMediaKit,便于Web页面实时查看。
  • 如何让神经网络在硬件上飞驰?——神经网络芯片在机器人控制上的应用实例
    随着机器人技术的发展,尤其是从平面转向立体,机械臂的自由度增加导致运动规划变得更为复杂和计算密集。传统流水线式计算架构难以满足实时需求。一种基于FPGA的创新设计通过构建高度精简的“最小计算单元”来解决这一问题,显著提升了计算效率,并在有限硬件资源下实现了高精度末端轨迹跟踪。 本文详细介绍了一种基于最小单元PE的设计,用于实现坐标转换矩阵的并行计算。通过16个PE单元组成的坐标转换矩阵相乘单元PEs,能够高效地进行矩阵乘法运算。最终,该设计应用于PUMA560冗余度机械臂,成功实现了末端轨迹跟踪任务,误差控制在10^-3至10^-2量级,展示了FPGA在机器人控制领域的潜力。
    如何让神经网络在硬件上飞驰?——神经网络芯片在机器人控制上的应用实例