基于(yu)AI的嵌入式(shi)語音交互技(ji)術
在智能設備(bei)越(yue)來(lai)越(yue)普及的(de)今天(tian)，人們(men)希望通(tong)過(guo)說一句話(hua)就(jiu)能控制(zhi)家(jia)里的(de)燈光(guang)、電(dian)器(qi)(qi)、門鎖(suo)，甚至(zhi)操作(zuo)醫(yi)療(liao)和工業(ye)設備(bei)。這(zhe)一切的(de)背后，是**嵌入(ru)式語(yu)音交(jiao)互技術**在默默發(fa)揮作(zuo)用。 過(guo)去，語(yu)音助手需要依賴云端服務器(qi)(qi)才能工作(zuo)。但隨(sui)著**AI算法的(de)輕量化**和**嵌入(ru)式硬件性能的(de)提升**，現(xian)在的(de)很多設備(bei)已經(jing)能實現(xian)**…
卷積神(shen)經(jing)網絡(luo)（CNN）必(bi)備基礎知識
在計(ji)算(suan)機(ji)視(shi)覺和深度學習領域，卷積神經網絡（Convolutional Neural Networks, CNN） 是(shi)一類深度學習算(suan)法，廣(guang)泛(fan)應(ying)用于計(ji)算(suan)機(ji)視(shi)覺、自然語言處理、語音識別等領域。作(zuo)為深度學習的重要(yao)組成部分，CNN的核心思想是(shi)通過(guo)模仿生(sheng)物視(shi)覺皮層的工作(zuo)原理，有效地提取和學習圖像或其他(ta)數據中的特(te)征。 本文將(jiang)帶你快…
聯邦學習(xi)在多源數(shu)據AI中的應(ying)用：開啟隱私保護新時代
引(yin)言：數據孤(gu)島與AI發(fa)展的(de)(de)矛(mao)盾 在當今(jin)大數據時代(dai)，人工智能(neng)的(de)(de)發(fa)展高度依賴(lai)海量數據的(de)(de)訓練(lian)。然而，醫療、金融、政務等敏感領域的(de)(de)數據往往分散在不同機構中(zhong)，形成(cheng)了所(suo)(suo)謂(wei)的(de)(de)數據孤(gu)島。傳統(tong)集(ji)中(zhong)式機器學習需要(yao)將所(suo)(suo)有數據匯集(ji)到一個(ge)中(zhong)心(xin)服(fu)務器，這在實踐(jian)中(zhong)面臨隱(yin)私泄露、合規風(feng)險和數據傳輸(shu)成(cheng)本(ben)高等諸多挑(tiao)戰…
嵌入式 GPU 的圖(tu)形加速技術解(jie)析
1.概述 1.1圖(tu)像(xiang)(xiang)處理算法原理 2D圖(tu)像(xiang)(xiang)是由一個一個像(xiang)(xiang)素值(zhi)表達而(er)(er)來，每(mei)個像(xiang)(xiang)素由一個具體(ti)的數(shu)字代表其顏色亮度等信息。而(er)(er)3D模型通(tong)常由頂點（Vertex） 組成，而(er)(er)紋(wen)理（Texture） 是一個 2D 圖(tu)像(xiang)(xiang)。所以(yi)圖(tu)像(xiang)(xiang)相(xiang)關算法本質都是對矩陣類的數(shu)據(ju)進行運算。 例如：通(tong)過卷(juan)積對圖(tu)像(xiang)(xiang)進行去噪 1.2 GPU加速 在計算機沒有GP…
生成對抗網絡（GAN）穩定性提升：譜歸一化與(yu)梯(ti)度懲罰 聯合訓練策略
生成(cheng)(cheng)對(dui)抗網絡（GAN）自 2014 年(nian)提出以來，已成(cheng)(cheng)為生成(cheng)(cheng)模型(xing)領域的(de)(de)重要基石。它的(de)(de)基 本思(si)想看似簡單，卻面臨(lin)著諸如訓練不穩定、模式(shi)崩潰、梯度消失或爆炸(zha)等一系(xi)列問 題。本文將聚(ju)焦于兩個近年(nian)來被(bei)廣泛研究的(de)(de)提升穩定性的(de)(de)關鍵技術 譜歸一化 （Spectral Normalization） 和 梯度懲罰（ Gradient Penalty） …
嵌入式(shi)實時操作系統（RTOS）中混合關鍵性(xing)任務調度策略與(yu)資源(yuan)隔離機制(zhi)
嵌入(ru)式實(shi)時(shi)(shi)操作系統(tong)（RTOS）是(shi)一種(zhong)專(zhuan)門為嵌入(ru)式系統(tong)設(she)計的操作系統(tong)，其核心(xin)特征是(shi)能夠保證在嚴格的時(shi)(shi)間限制(zhi)內(nei)完成任(ren)務(wu)處理。因(yin)此需要從各方(fang)面努(nu)力保證操作響(xiang)應的實(shi)時(shi)(shi)性。因(yin)此混合性關(guan)(guan)鍵(jian)任(ren)務(wu)調(diao)度和(he)資源隔離機(ji)制(zhi)就顯得(de)尤為重要。 混合性關(guan)(guan)鍵(jian)任(ren)務(wu)是(shi)指在同一硬件平臺上(shang)運行(xing)具有不同關(guan)(guan)鍵(jian)性等級任(ren)務(wu)的系統(tong)。 …
基于因(yin)果(guo)推(tui)理的時序數據異(yi)常(chang)檢測與(yu)根(gen)因(yin)定位模型(xing)設計
在當今數字(zi)化時(shi)代，時(shi)序數據在眾多領域如工業物聯網、金融交易、網絡監控等中無處不在。準確有效(xiao)地檢(jian)測時(shi)序數據中的(de)異(yi)常并定(ding)(ding)位其根因，對于保障系統的(de)穩定(ding)(ding)運(yun)行(xing)、及時(shi)發現潛在風險以及優化業務流程等方面(mian)具有至(zhi)關重(zhong)要的(de)意義(yi)。本文將深(shen)入探(tan)討基于因果推理的(de)時(shi)序數據異(yi)常檢(jian)測與(yu)根因定(ding)(ding)位模型設計。 一、引…
強化學(xue)習（RL）在機器人抓(zhua)取(qu)任務中的稀疏(shu)獎(jiang)勵(li)與課程學(xue)習策略
稀疏獎(jiang)勵 通常在(zai)訓練智(zhi)能(neng)體(ti)時，我們希望每一步動作都有相應的獎(jiang)勵。但(dan)是某些情況下，智(zhi)能(neng)體(ti)并不能(neng)立刻獲得獎(jiang)勵，比如(ru)全局獎(jiang)勵的圍棋，最(zui)終獲勝會得到獎(jiang)勵，但(dan)是人(ren)們很難(nan)去設(she)定中間每步的獎(jiang)勵，這會導致學習緩(huan)慢甚至(zhi)無法進(jin)行學習的問(wen)題。 2.解決方法 2.1 設(she)計獎(jiang)勵(reward shaping) 除了(le)最(zui)終要學習到的目…
