您現在的位置： 首頁 > 標簽 > 機器學習
機器學習
機器學習
相關文章 : 29篇 瀏覽 : 968次

英特爾收購以色列初創公司 Cnvrg．io，繼續鞏固其機器學習業務
英特爾收購以色列初創公司 Cnvrg．io，繼續鞏固其機器學習業務
英特爾收購以色列初創公司Cnvrg.io，旨在鞏固其在機器學習領域的業務布局。一、收購背景與目的收購時間：2020年11月。收購方：英特爾（Intel）。被收購方：Cnvrg.io，一家專注于機器學習平臺開發的以色列初創公司。收購目的：通過整合Cnvrg.io的技術和團隊，英特爾進一步強化其在機器學習領域的競爭力，加速AI技術的落地應用。......
Cnvr... 英特爾 機器學習
2020-11-09
31
機器學習實戰：GNN（圖神經網絡）加速器的FPGA解決方案
機器學習實戰：GNN（圖神經網絡）加速器的FPGA解決方案
一、背景與需求分析GNN的挑戰計算復雜度高：GNN的核心操作（如消息傳遞、聚合）涉及稀疏矩陣運算和不規則數據訪問，傳統CPU/GPU效率低下。內存瓶頸：圖數據（節點、邊）的存儲和訪問模式導致內存帶寬成為性能瓶頸。能效比需求：邊緣計算和嵌入式場景需要低功耗、高能效的推理方案。FPGA的優勢定制化硬件：可針對GNN的稀疏計算和不規則訪問模式優......
圖神經網... 機器學習
2020-10-22
31
未來醫療基于MATLAB、信號處理、機器學習和深度學習算法的進步
未來醫療基于MATLAB、信號處理、機器學習和深度學習算法的進步
未來醫療的核心目標是精準化、個性化和智能化，而MATLAB、信號處理、機器學習（ML）與深度學習（DL）的協同發展將為此提供關鍵技術支撐。以下從技術融合路徑、應用場景、挑戰與解決方案三個維度展開分析。一、技術融合路徑：從數據處理到臨床決策1. MATLAB的橋梁作用功能定位：MATLAB作為醫學數據處理的“中樞平臺”，集成了信號處理、機器......
信號處理 未來醫療 MATL...
2020-09-18
44
Microchip與機器學習軟件領軍企業合作，利用32位單片機簡化邊緣人工智能設計
Microchip與機器學習軟件領軍企業合作，利用32位單片機簡化邊緣人工智能設...
一、合作背景與行業痛點邊緣AI的爆發式需求硬件資源受限：邊緣設備（如傳感器、攝像頭）需在低功耗、低成本MCU上運行AI模型，而傳統方案依賴高算力GPU/TPU，成本高且功耗大。開發門檻高：嵌入式工程師缺乏AI算法經驗，AI開發者不熟悉硬件優化，導致模型部署周期長（通常需6~12個月）。市場規模：據Gartner預測，2025年全球邊緣AI......
機器學習 32位單... 人工智能
2020-09-16
68
ortex-M：網絡邊緣的機器學習
ortex-M：網絡邊緣的機器學習
Cortex-M在網絡邊緣的機器學習應用中具有重要作用，其通過將機器學習下沉到邊緣設備，實現了低延遲、高隱私保護和高效能，推動了智能物聯網、自動駕駛等場景的發展。Cortex-M系列處理器（如Cortex-M3、M4、M7等）是ARM公司針對低功耗、低成本微控制器領域推出的32位處理器。隨著機器學習（ML）從云端向網絡邊緣的滲透，Cort......
網絡邊緣
2020-09-16
45
機器學習趨向邊緣：性能與成本的平衡帶來更廣泛的應用
機器學習趨向邊緣：性能與成本的平衡帶來更廣泛的應用
機器學習向邊緣端遷移是當前人工智能發展的重要趨勢，其核心驅動力在于通過性能與成本的平衡，突破傳統云端計算的局限性，拓展至更多實時性、隱私性或資源受限的場景。以下從技術邏輯、平衡策略、應用場景及未來挑戰四個維度展開分析：一、邊緣機器學習的技術邏輯：為何需要平衡性能與成本？云端計算的瓶頸延遲問題：云端推理需數據傳輸，在自動駕駛、工業控制等場景......
機器
2020-09-03
60