怡心湖

会员帮助 - 勘误反馈

关注微信 - RSS订阅

常识论

什么是贝叶斯深度学习？

人工智能近期的进展显示，通过构建多层的深度网络，利用大量数据进行学习，可以获得性能的显著提升。目前，以神经网络为主的深度学习技术已经在众多领域获得应用，包括图像...

贝叶斯深度学习的算法和编程库简介

贝叶斯深度学习算法贝叶斯深度学习模型为推断和学习算法带来了很多新的挑战，特别是深度神经网络的复杂非线性使得后验分布在高维空间中具有很多个模式（mode）。面对这...

生物识别技术的用途和风险分析探讨

生物识别技术通过对采集到的生物信息，譬如指纹、面部等，利用算法进行匹配以区分生物个体。早期的生物识别通常利用两眼间的瞳距等空间距离作为特征，建立特征向量或者矩阵...

物联网时代的搜索引擎的输入和输出简介

在信息化时代，搜索引擎逐渐成为人们获取信息最便捷的方式，在人们的工作学习、交通出行、旅游娱乐等过程中发挥着重要作用。从PC时代到移动互联网时代，搜索引擎的功能与...

人机物群智计算的研究挑战与展望

人机物群智计算概念中的人、机、物等关键要素主要是：人：主要体现为社会空间中的广大普通用户及其携带的移动或可穿戴设备，其发挥的作用一方面为人类智慧（包括个体或群体...

人机物融合的群智计算典型应用解析

人机物融合群智计算在智慧城市、智能制造、军事国防等领域均有重要应用前景，以下是一些前期探索性研究应用。城市计算城市计算通过不断感知、汇聚和挖掘多源异构大数据来解...

利用手机Apps进行用户画像方法的研究要点

用户画像信息有哪些？目前手机Apps的数量大、种类多，并且使用情况多样。用户在安装和使用Apps的过程中，隐含了用户在兴趣、偏好、职业、作息等方面的个性化信息，...

人机物融合群智计算的产生背景介绍

“泛在的智能感知计算”是计算机科学领域的重要研究课题。近年来，大量具有丰富感知能力的智能设备（如智能手机、可穿戴设备）得以普及，“群智感知计算”作为一种新的感知...

RFID的绑定式感知方法与应用案例列举

RFID绑定式感知技术区别于传统的无线感知技术，RFID技术的核心特点在于RFID标签是无源设备，非常轻便且易部署。因此，可以将RFID标签直接部署和绑定在感知...

RFID的非绑定式感知之方法与典型应用

基于RFID的绑定式感知技术虽然能够实现精确的感知，但是在部分应用场景下，感知对象无法时刻携带或者绑定RFID标签，这时可以考虑采用非绑定式的方法来完成感知任务...

手机里的APP数据都有哪些？

当今社会，智能手机已经成为人们日常生活中必不可少的一部分。智能手机有很多不同的功能，用户可以通过安装应用程序（Apps）来获取多种服务。近年来移动应用市场迅速发...

RFID无源感知的新机遇之探讨

在RFID系统实现无源感知的过程中，多个RFID标签能够以接触或者非接触的方式有效部署在感知对象周围，形成“RFID阵列”进行感知。基于RFID可标记的特性，让...

气味复现系统的构建设想畅谈

视觉和声音已经能够通过照相机和电话进行复现了，那么在视觉和听觉复现解决了这么多年之后，为什么嗅觉复现问题还没有得到解决呢？答案也很简单，因为视觉和听觉涉及到的都...

大规模人工智能算力基准测试程序AIPerf简介

近年来，随着人工智能在自然语言处理、计算机视觉等领域上的快速发展以及在大规模算力上的普及，公众需要一个简单有效的指标来帮助判断系统的人工智能算力和整个高性能人工...

阿里巴巴EFLOPS服务器集群架构简介

EFLOPS服务器架构传统服务器架构的瓶颈主要来自内部PCIe Fabric树形互连。首先，传统的数据中心服务器通常只配备一个网络接口（独立网卡或者Bond网卡...