嵌入式AI應用持續成長 深度學習大顯神威(1)

深度學習可指導電腦以受人腦啟發的方式來處理資料,可以彈性滿足不同應用的需求。企業使用深度學習模型來分析資料,並在各種應用程式中進行預測,廣泛導入嵌入式AI系統中。 深度學習是人工智慧(AI)中的一種方法,可指導電腦以受人腦啟發的方式來處理資料。深度學習模型可識別圖片、文字、聲音和其他資料的複雜模式,藉此產生更準確的洞察和預測。使用者可以透過深度學習方法將通常需要人類智慧的任務自動化,例如描述影像或將聲音檔案轉錄為文字。 ...
2024 年 06 月 18 日

嵌入式AI應用持續成長 深度學習大顯神威(2)

深度學習可指導電腦以受人腦啟發的方式來處理資料,可以彈性滿足不同應用的需求。企業使用深度學習模型來分析資料,並在各種應用程式中進行預測,廣泛導入嵌入式AI系統中。 機器學習背景下的深度學習 (承前文)深度學習是一種機器學習,深度學習演算法的出現是為了提高傳統的機器學習技術的效率。傳統的機器學習方法需要大量的人力來訓練軟體。例如,在動物影像識別中,使用者需要手動標記成千上萬的動物影像、讓機器學習演算法處理這些影像、在一組未知的影像上測試這些算法,接著確定某些結果不準確的原因,最後透過標記新影像來改善資料集,進而提高結果的準確性。...
2024 年 06 月 18 日

嵌入式AI應用持續成長 深度學習大顯神威(3)

深度學習可指導電腦以受人腦啟發的方式來處理資料,可以彈性滿足不同應用的需求。企業使用深度學習模型來分析資料,並在各種應用程式中進行預測,廣泛導入嵌入式AI系統中。 深度學習的訓練 (承前文)深度學習的訓練(Training)可以分為三個步驟:定義網路架構(Define...
2024 年 06 月 18 日

虛實整合應用滲透多元領域 工業元宇宙整合AI逐漸發酵

根據調查,2022年全球元宇宙(Mataverse)市場規模為474.8億美元,年複合成長率為39.4%,到2030年估值為6,788億美元,其中北美地區占比最大,占比超過45%。而當前元宇宙議題雖然稍微退燒,但在製造業的應用上熱度不減,...
2023 年 04 月 15 日

CNN/RNN/LTSM/GAN各有所長 機器學習模型選對才有效

建置機器學習(Machine Learning)的過程涉及許多步驟,首先選擇一個模型,針對具體任務加以訓練,以測試資料進行驗證,然後將該生產模型建置到實際系統並加以監控。接下來將會討論這些步驟,每項步驟細分講解機器學習。...
2022 年 05 月 12 日

實現儀表板智慧化 LSTM助攻車用語音辨識

近年來,語音辨識的重要性日趨攀升,電腦能將口語轉譯為文字,亦可針對不同類型應用,如翻譯軟體或隱藏式字幕。以Mozilla的DeepSpeech為例,它是一個開源語音識別引擎,其訓練模型是基於百度(Baidu)深度語言(DeepSpeech)研究論文的機器學習。此篇文章將概述如何執行該模型的0.5.1版本,並透過在Imagination神經網路加速器(NNA)上加速靜態長短期記憶(LongShortTermMemory,LSTM)網路,為汽車應用建立語音助手原型。
2021 年 07 月 26 日

AIoT應用含苞待放 邊緣推論晶片迎來戰國時代

智慧物聯網AIoT產業的規模至少數十億甚至上百億,邊緣推論晶片未來幾年產業發展潛力十足,也吸引大量廠商投入,不僅比算力、更講求省電。
2020 年 06 月 04 日