神经网络

• Arm 神经技术与虚幻引擎 MegaLights落地《光影新生》，让手游画质追上了3A

  Arm推出神经渲染架构，将AI融入移动端实时图形渲染，解决传统静态光影烘焙带来的问题，提高移动端游戏性能与画质。核心算法包括神经超级采样、神经超级采样与降噪及神经帧率提升，支持MegaLights技术，降低复杂光照算力开销。开源SDK确保与其他引擎兼容，助力开发者实现高性能、低能耗的移动端游戏开发。

  夏珍

  1012

  06/18 14:31

  与非观察 GPU

  
• 少年天才，博士退学！他造出全球首款NEU AI芯片——当神经网络成为计算机：中紫星NEU架构的诞生

  中紫星技术有限公司（中紫星）是一家专注于神经网络执行机制的AI芯片公司，成立于2025年，创始团队来自多伦多的Vector Institute。中紫星提出了NEU（Neural Execution Unit）架构，旨在让神经网络成为计算机的执行结构，而非仅仅作为指令集进行运算。NEU架构摒弃了传统的指令式计算，转而采用神经拓扑驱动、分布式局部执行和空间展开的方式，直接映射神经网络到硬件结构中。 中紫星的主要应用场景是大模型推理，特别是针对FFN部分的高效计算。NEU的优势在于其专为神经网络执行设计，能显著提高这类密集计算场景的效率。尽管NEU并非替代GPU，而是与其形成协同工作的异构计算架构的一部分，中紫星希望通过NEU来优化整个AI基础设施的效率、成本和能耗。 中紫星的愿景是成为“人工智能的解放者”，推动计算基础设施的重构，使计算机从程序驱动走向模型驱动。在未来，随着AI的强大发展，计算机可能会从程序驱动转变为模型驱动，从而带来计算平台的根本变革。

  张通社

  689

  06/04 23:58

  AI芯片 神经网络
• 曜智光科首席科学家暨MIT团队颠覆性三维微纳制造光芯片成果荣登《Nature Photonics》

  曜智光科 曜智光科（Rationalite Photonics）首席科学家暨 MIT 团队在微纳制造与光芯片领域取得颠覆性突破，相关研究成果于2026年5月12日正式发表在国际顶尖学术期刊《Nature Photonics》（自然·光子学上。该研究展示了一种名为“内爆雕刻”（ImpCarv）的全新制造方法。该技术成功突破了传统光学制造的衍射极限,为构建具有纳米级精度、高自由度的复杂三维(3D)超结

  与非网编辑

  1382

  05/14 14:31

  神经网络 光芯片

  
• STM32N6的开发日记(13):从基础外设到神经网络部署全面指南

  本文介绍了如何上手STM32N6开发板，并详细讲解了系统烧录、LTDC显示、DCMIPP和ISP配置、神经网络应用和部署等内容。文章强调了在使用过程中要注意的关键点，如签名代码差异、XSPI时钟配置、LTDC内存权限等问题，并提供了多个实际操作步骤和注意事项，帮助读者更好地理解和掌握STM32N6的开发技巧。

  实在太懒于是不想取名

  2665

  04/29 10:57

  神经网络 STM32N6
• STM32N6的开发日记(4):快速上手LTDC显示图片-让屏幕刷新丝滑流畅

  STM32N6是一款集成了自研神经处理单元的MCU，具有强大的边缘AI算力。本文介绍了如何使用STM32CubeMX配置LTDC进行屏幕驱动，并展示了具体的代码实现步骤，最终成功在STM32N6570-DK开发板上实现了屏幕图像显示。

  实在太懒于是不想取名

  1240

  04/29 10:31

  lcd 神经网络
• STM32N6的开发日记(3):如何利用CubeMX快速部署我们的神经网络模型

  STM32N6是一款集成了自研神经处理单元的MCU，重新定义了边缘AI的算力边界。本文介绍了如何在STM32N6上导入并初步运行神经网络模型，包括准备工作、STM32CubeMX配置、神经网络部署、代码测试等内容。通过实例展示了如何使用STM32CubeMX进行模型处理和部署，以及如何在代码中进行输入输出数据处理和模型推理。最后，演示了如何将权重文件烧录到指定地址，并在代码中打印输出结果，验证了神经网络的正确运行。

  实在太懒于是不想取名

  1215

  04/29 10:28

  神经网络 STM32N6
• 基于FPGA及神经网络SSD算法目标检测系统设计

  本文介绍了基于FPGA的SSD目标检测算法的移植与优化。首先，详细阐述了SSD算法的基本原理及其在不同层次的特征提取和目标检测中的作用。接着，描述了SSD算法在PYNQ平台上的实现步骤，包括卷积、池化、L2范数等模块的设计与优化。文中还讨论了并行设计和量化设计的具体措施，以提高算法的执行效率和资源利用率。 此外，文章提到了Python网络搭建的过程，通过调用卷积和池化单元实现主干特征网络，并对特定检测层进行分类预测和回归预测。最后，总结了项目的完成情况和性能参数，指出当前实现的功能满足预定要求，但在工作时钟频率和数据并行性方面仍有待改进。

  FPGA技术江湖

  656

  04/28 10:27

  FPGA SSD

  
• 地平线征程 6 系列集成 Cadence Tensilica Vision DSP，实现规模化量产

  近日，楷登电子 Cadence 宣布，地平线征程® 6（J6）已成功将 Tensilica Vision DSP 集成至其系统级芯片中，并实现了规模化量产。Cadence Tensilica 将为搭载地平线 J6 系列的多款主机厂车型提供技术支持。此里程碑标志着 Cadence 与地平线进一步深化合作，双方共同推动面向大众市场的智能辅助驾驶解决方案成功落地。 地平线征程系列是地平线智能驾驶系统的核

  与非网编辑

  1179

  04/27 10:32

  地平线 辅助驾驶

  
• 从0到1搞定医学影像分割！YOLOseg实战，不用懂复杂原理

  在工业级神经网络应用中，Yolo模型是最受欢迎的目标检测模型。本文介绍了如何使用Label-Studio准备数据集，并利用Pytorch和ultralytics库构建并训练实例分割模型。最终展示了模型的训练过程和预测效果，适用于医学检测项目中的实例分割任务。

  实在太懒于是不想取名

  857

  03/17 10:11

  神经网络 YOLO
• 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

  与非网编辑

  1406

  02/24 15:48

  机器学习 嵌入式系统

  
• 【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

  与非网编辑

  847

  02/03 13:58

  CMOS 泰克

  
• 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。

  芯次元玩家

  839

  01/29 09:45

  机器学习 神经网络
• 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。

  IoT物联网技术

  1725

  01/04 08:23

  神经网络 YOLO
• 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。

  工控有得聊

  1801

  2025/12/30

  神经网络 机器人控制

  
• 让数据在产生的地方自己说话：用神经网络在STM32上实现数据“链上”决策

  本文介绍了如何在STM32F103C8T6上部署NanoEdge AI模型，实现故障诊断和分类预测。通过将边缘计算节点部署在STM32端，解决了低功耗和带宽之间的矛盾，提高了系统的运行效率和降低成本。这种方法不仅适用于振动传感器的数据处理，还可以应用于农业环境监测、智能家居等多个领域，使终端设备具备更强的自适应能力。

  实在太懒于是不想取名

  2606

  2025/11/12

  边缘计算 神经网络

  
• 逐点半导体分布式渲染解决方案助力真我GT8系列电竞独显芯片R1性能跃升

  专业的图像和显示处理方案提供商逐点半导体宣布，为真我GT8系列搭载的电竞独显芯片R1提供先进的分布式渲染解决方案。该方案通过集成超低延时MotionEngine™技术、高效AI游戏超分技术、全时HDR技术，助力该芯片提升性能，为用户带来全新的视觉体验。 逐点半导体分布式渲染解决方案，采用基于神经网络算法的AI分布式计算架构，该架构在传统渲染架构的基础上进行了深度优化，可支持电竞独显芯片R1降低GP

  与非网编辑

  1063

  2025/11/07

  GPU 神经网络
• 湖南新建高速项目的“神经网络”是如何搭建的？——揭秘80公里高速的收费、通信、监控一体化系统

  湖南省某条贯穿山区、串联景区的高速公路，不仅是交通主干道，更是区域协同发展和旅游经济助推器。全长约80公里，北起湘鄂交界隧道，南接旅游县域枢纽，设计时速100公里/小时，这条路如何在复杂地理与气候条件下，实现收费零丢包、通信不中断、监控全高清？ 一、核心系统需求：不只是“通”，更要“稳、快、智” 收费系统：ETC门架与收费站之间，数据上传必须毫秒级完成，交易数据零丢失——这直接关系到通行效率和车主

  武汉迈威通信

  855

  2025/10/22

  通信 神经网络
• STARLight被选定为欧盟芯片合作项目，驱动下一代300mm硅光芯片发展

  STARLight项目汇聚了众多优质的产学术合作伙伴，通过建立大规模生产线，开发尖端光学模块，以及构建完整的价值链，力争使欧洲成为300毫米硅光子学（SiPho）技术的先驱。从现在到2028年，STARLight的目标是开发应用驱动的解决方案，重点关注数据中心、人工智能集群、电信和汽车市场等行业和领域。 由服务多重电子应用领域、全球排名前列的半导体公司意法半导体(STMicroelectronic

  与非网编辑

  1422

  2025/10/13

  激光雷达 意法半导体
• STM32F103部署分类神经网络用于运动姿态识别

  前言 上一期我们在STM32F103中利用NanoEdge AI实现了震动数据异常检测。将MPU6500的三轴加速度数据实现了正常数据和异常数据的区分，并简单的进行了测试。 1、数据导入 首先我们打开NanoEdge AI，创建新的项目，类型选择使用分类并且配置项目信息包括传感器类型、项目名称、项目描述和目标芯片。 在第二步骤中按照指定格式导入数据，本Demo中利用串口进行上传，可视化界面中可以清

  实在太懒于是不想取名

  1810

  2025/09/26

  AI 神经网络
• STM32F1的神经网络应用：陀螺仪异常检测

  本文介绍了如何使用MPU6500替代MPU6050制作陀螺仪，并利用NanoEdge AI软件在STM32F103C8T6中实现异常检测。首先，简要介绍了NanoEdge AI的特点及其低资源消耗的优势。接着，详细描述了从创建新项目到模型训练的过程，包括数据导入、模型训练和验证。最后，展示了模型部署和使用的方法，包括添加头文件、静态库以及调用接口函数进行预测。文章还提及了最近几次NanoEdge AI的重大更新，以及实际焊接MPU6500的经验分享。

  实在太懒于是不想取名

  2438

  2025/09/25

  神经网络 陀螺仪

  

正在努力加载...