【四旋翼飞行器】76小时吃透四轴算法!史上最强软硬结合实战项目,👉戳此立抢👈

ICLR 2019论文解读:深度学习应用于复杂系统控制

2019-01-10 14:53 次阅读

引言

20世纪,控制论、系统论、信息论,对工业产生了颠覆性的影响。继2011年深度学习在物体检测上超越传统方法以来,深度学习在识别传感(包含语音识别、物体识别),自然语言处理领域里产生了颠覆性的影响。最近在信息论里,深度学习也产生了重要影响。使用深度学习可以对不同形式编码的信息进行自动解码。如今,深度学习再次影响控制论,传统控制论往往是模型驱动算法,需要设计复杂的模型和控制方案,而以数据驱动为核心的深度学习用作控制领域的春天即将到来,这将推动数十万亿的工业、服务业的进一步升级。通过深度学习控制,可以让机器人,能源,交通等行业效率显著提升。例如,使用深度学习进行智能楼宇控制,可以节约大楼20%的能耗,传统的控制需要多名专家2年的时间建立一个楼宇模型,深度学习可以利用楼宇历史数据在一天内得到超越传统方法的模型;在机器人控制和强化学习领域里,相比传统控制方法,本文提出的方法可以节约80%以上的运算时间并且提升10%以上的控制准确度。

深度学习控制行业刚刚兴起,还有很多的问题没有解决,还需要很多的理论突破。近期,华盛顿大学研究组在ICLR2019发表了一篇深度学习控制的最新成果[1],这是第一次将深度学习与凸优化理论结合应用到最优控制理论中,在从理论层面保证模型达到全局最优解的同时,大幅提升了复杂系统控制的效率和准确度。该论文在公开评审中获得了6/7/8的评分,在所有1449submissions中得分位列前90位(top6%)。在这里,论文的两位作者将亲自为我们解读其中的核心思想。

论文地址:https://openreview.net/forum?id=H1MW72AcK7¬eId=HylsgDCzeV

机器学习/强化学习与控制

自动控制与机器学习作为两个拥有深厚历史的学科,已经发展了数十年,并建立了各自较为完善的学科体系。在自动控制中的重要一环,是首先根据历史数据对控制系统进行输入-输出的端到端建模。目前广泛使用的系统辨识(systemidentification)方法主要有两种:一是使用线性/或分段线性模型来预测系统的(状态,控制变量)->(状态)关系。这样做的好处是后续的优化问题是线性优化问题(linearprogramming)并可结合控制论中的线性二次型调节器LQR(LinearQuadraticRegulator)等控制模型,易于求解并实现闭环最优控制。同时控制论较为注重系统的理论性质研究,如系统的李雅普诺夫稳定性,以及基于卡尔曼滤波等的最优状态估计等。但是线性模型很难准确地描述复杂系统的动态,且建模过程需要大量专家知识和调试。因为存在对物理对象的建模,这类方法也被称为基于模型的控制和强化学习model-basedcontrol/reinforcementlearning。第二种方法是使用一些较为复杂的机器学习模型,比如深度神经网络,支持向量机(SVM)等对物理系统进行建模。相比线性模型,这些模型能够更为准确地捕捉系统输入-输出的动态关系。而在一般的(深度)强化学习算法中,通常研究者也会训练一个端到端的算法,由状态直接输出控制。由于不存在物理建模过程,这类方法也一般被称为model-freecontrol/reinforcementlearning。但是这些复杂模型给后续的优化控制问题求解带来了困难。我们都知道深度神经网络,一般来说输出对于输入都是非凸的,包含很多局部最优点,所以在优化过程中很容易陷入局部最优情况。在对稳定性要求很高的系统控制情境下(比如电力系统控制,航天系统以及工业控制),这种多个局部最优解并且没有全局最优收敛性保证的情况是我们非常不愿看到的,也一定程度限制了目前深度模型在这些行业中的应用。同时,在当前的深度强化学习研究中,尽管在多个应用和领域中已经取得行业领先的控制和优化效果,但对模型的理论性质尚缺乏研究,同时需要大量标注的状态和决策数据以泛化模型的表征能力和应用场景[2](ICML2018tutorialandAnnualReviewofControl,RoboticsandAutonomousSystems,Recht,Berkeley)。

图一:本文提出的输入凸的神经网络的(a)动态系统学习与(b)闭环控制过程。

在「Optimalcontrolvianeuralnetwork:aconvexapproach」一文中,作者提出了一种新的数据驱动的控制方法。该篇文章作出了结合model-freecontrol与model-basedcontrol的一步重要尝试。在训练过程中,我们用一个输入凸(inputconvex)的神经网络来表达系统表达复杂的动态特性;在控制与优化过程中,我们就可以将训练好的神经网络作为动态系统的模型,求解凸优化问题从而得到有最优保证的控制输入。算法思路详见图一

基于输入凸神经网络的最优控制框架

为了解决现有模型的不足,本文作者提出了一种新的系统辨识方法:基于输入凸的神经网络的系统辨识。建立在之前InputConvexNeuralNetwork(ICNN)[3](ICML2017,Amosetal.,2017,CMU)的基础上,本文作者提出一种新型的InputConvexRecurrentNeuralNetwork(ICRNN)用于具有时间关联的动态系统建模。不同于通用的神经网络结构,输入凸的神经网络要求所有隐藏层之间的权重矩阵非负,同时加入了对输入向量的负映射以及输入到隐藏层的直连层增加ICNN和ICRNN的表达能力。

作者在文章中理论证明了,输入凸神经网络ICNN和ICRNN可以表示所有凸函数(Theorem1),并且其表达的效率比分段线性函数高指数级(Theorem2)。两条性质保证所提出的网络架构能够很好地应用于优化与控制问题中用于对象建模与求解。

在使用输入凸神经网络进行系统建模后,作者将系统模型嵌入到模型预测控制(ModelPredictiveControl)框架中,用于求解最优的系统控制值。因为使用了输入凸神经网络,这里的MPC问题是一个凸优化问题,使用经典的梯度下降方法就可以保证我们找到最优的控制策略。如果系统的状态或者控制输入包含约束条件(constraints),我们也可以使用投影梯度下降(ProjectedGradientMethod)或者内点法进行求解。这样,使用ICNN对瞬态特性建模或使用ICRNN对时序过程建模并用于控制对输入优化求解,我们不仅能够满足控制论中对于最优解的性质的保证,同时也可以充分发挥深度模型的表征能力,即可作为一种适用于各领域的建模与控制方法。

图3.基于ICNN的MuJoColocomotiontasks的控制结果。K=100,300,1000对应[4]中基于模型的强化学习的算法设定,我们测试了在模型预测控制中,不同未来预测区间长度下各任务的回报。

应用一:机器人运动控制

作者首先将提出的深度学习控制框架应用于机器人的控制,使用的是OpenAI中的MuJuCo机器人仿真平台的四个前向运动任务。我们首先使用随机采样的机器人动作和状态的数据作为初始样本训练一个ICNN网络,并结合DAGGER(AISTATS,Rossetal,2011,CMU)以在训练和控制过程中更好地探索和泛化。本文提出的方法相比目前的强化学习方法更加高效、准确。同目前最好的基于模型的强化学习算法(model-basedRL)[4](2018ICRA,Nagabandietal.,2018,Berkeley)相比,本文提出的方法仅仅使用20%的运算时间就可以达到比之前方法高10%的控制效果(图3)。与无模型的深度强化学习算法如TRPO,DDPG往往超过10^6的样本数量相比,我们的控制方法可以从10^4量级的样本中学习到极为准确的动态模型并用于控制。同时我们还可以将该方法得到控制结果作为初始控制策略,然后随着机器人在环境中收集更多的样本,与无模型的强化学习方法(model-freeRL)结合,在动态系统环境下实现更好的控制效果。

应用二:大楼的能源管理

同时,本文作者也将提出的深度学习控制框架应用于智能楼宇的供热通风与空气调节系统(HVAC)控制。我们通过建筑能耗仿真软件EnergyPlus得到一栋大楼的分时能耗数据及各个分区的传感器数据,并使用ICRNN建立楼宇输入特征(如室内温度,人流量,空调设定温度等)到输出特征(如能耗)的动态模型。在控制过程中,文章提出的模型可以非常方便地加入一系列约束,如温度可调节范围等。我们通过设计大楼在一定时间段内的温度设置值,并满足相应约束的前提下,来最优化楼宇的能耗。相比于传统的线性模型以及控制方法,使用ICRNN的控制方法在保证房间温度维持在[19,24]摄氏度区间内的情况下,帮助大楼节约多于20%的能耗。在更大的温度波动区间内([16,27]摄氏度),可以帮助建筑节约近40%能耗(图4左)。同时相比于传统神经网络模型直接用于系统建模,基于ICRNN的控制方法由于有控制求解的最优性保证,得到的温度设定值更加的稳定(图4右中红线为ICRNN控制温度设置,绿线为普通神经网络控制温度设置)。

目前,华盛顿大学的PaulAllenCenter电子工程与计算机大楼正在安装相应的传感器,并计划将该控制方案用于该建筑HAVC系统的实时控制。

随着5G时代的到来与物联网技术的进一步发展,越来越多的物理系统中(电力,交通,航天,工业控制等)将会有更多的智能传感器与数据流,本文提出的基于深度学习的控制方法也将会有更广阔的应用空间。

参考资料:

[1]ChenYize*,YuanyuanShi*,andBaosenZhang."OptimalControlViaNeuralNetworks:AConvexApproach."ToAppearinInternationalConferenceonLearningRepresentations(ICLR),2019

[2]Recht,Benjamin."Atourofreinforcementlearning:Theviewfromcontinuouscontrol."AnnualReviewofControl,Robotics,andAutonomousSystems(2018).

[3]Amos,Brandon,LeiXu,andJ.ZicoKolter."Inputconvexneuralnetworks."InternationalConferenceonMachineLearning(ICML),2017

[4]Nagabandi,Anusha,etal."Neuralnetworkdynamicsformodel-baseddeepreinforcementlearningwithmodel-freefine-tuning."2018IEEEInternationalConferenceonRoboticsandAutomation(ICRA).IEEE,2018.

[5]Ross,Stéphane,GeoffreyGordon,andDrewBagnell."Areductionofimitationlearningandstructuredpredictiontono-regretonlinelearning."Proceedingsofthefourteenthinternationalconferenceonartificialintelligenceandstatistics.2011.

本文来源:机器之心

收藏 人收藏
分享:

评论

相关推荐

2018年末在对话智能领域,各方面究竟发展的如何了

Sophia经常参加各种会、“发表演讲”、“接受采访”,比如去联合国对话,表现出来非常类似人类的言谈....
的头像 电子发烧友网工程师 发表于 01-20 09:28 979次 阅读
2018年末在对话智能领域,各方面究竟发展的如何了

详解谷歌最强NLP模型BERT

面我们介绍了 Word Embedding,怎么把一个词表示成一个稠密的向量。Embedding几乎....
的头像 电子发烧友网工程师 发表于 01-20 09:24 248次 阅读
详解谷歌最强NLP模型BERT

阿里开源大规模分布式图学习框架:专为Graph嵌入,无缝对接TF/PyTorch

为了支持我们的业务,我们不仅面临超大规模图存储与计算的挑战,还需要处理由多种不同类型的点,边及其属性....
的头像 新智元 发表于 01-20 08:51 154次 阅读
阿里开源大规模分布式图学习框架:专为Graph嵌入,无缝对接TF/PyTorch

NLP中的4个主要开放问题

我们在小组讨论中讨论了这些问题。这篇文章主要是基于我们的专家的回答,以及小组成员Jade Abbot....
的头像 新智元 发表于 01-20 08:48 198次 阅读
NLP中的4个主要开放问题

解读深度学习是否过分夸大

滥用人工智能词汇很容易导致了从业人员对行业的混淆和怀疑。有人说深度学习只是机器学习的另一个别称,而其....
的头像 Imagination Tech 发表于 01-18 15:04 371次 阅读
解读深度学习是否过分夸大

如何使用融合型深度学习进行滚动轴承亚健康识别算法

抢险救灾行动的有效规划和调度在挽救人民群众生命和减轻财产损失中起着重要作用,利用数学建模方法和计算机....
发表于 01-18 14:32 74次 阅读
如何使用融合型深度学习进行滚动轴承亚健康识别算法

2018人工智能产业创新评估白皮书:中国的AI产业创新发展现状

从中美两国对比来看,美国四项使能技术的理论研究和应用研究均大幅领先于中国。理论研究方面,中美两国在文....
的头像 新智元 发表于 01-18 09:56 412次 阅读
2018人工智能产业创新评估白皮书:中国的AI产业创新发展现状

这个教程使你能够轻松学习深度学习

本项目一共分为4大部分,分别为:基础、深度学习、RNNS、进阶教程。蓝色的字体都是已经完成的教学文档....
的头像 算法与数据结构 发表于 01-17 14:32 143次 阅读
这个教程使你能够轻松学习深度学习

清华大学正式发布了《人工智能芯片技术白皮书(2018)》

目前,关于AI芯片的定义没有一个严格和公认的标准。较为宽泛的看法是面向人工智能应用的芯片都可以称为A....
的头像 MEMS技术 发表于 01-17 09:45 561次 阅读
清华大学正式发布了《人工智能芯片技术白皮书(2018)》

人工智能深度学习算法在工业机械臂上的应用

从功能上来说,你这个应用非常适合采用深度学习,事实上,深度学习本质上就是用来做分类识别的,尤其是针对....
的头像 IOT万物互联 发表于 01-16 10:55 888次 阅读
人工智能深度学习算法在工业机械臂上的应用

如何在Hadoop上运行这些深度学习工作

典型的深度学习工作流程:数据从各个终端(或其他来源)汇聚到数据湖中。数据科学家可以使用笔记本进行数据....
的头像 电子发烧友网工程师 发表于 01-15 16:29 253次 阅读
如何在Hadoop上运行这些深度学习工作

剖析一下现代高科技企业尤其是互联网公司如何设置一个成功的研究院

我们先来说说为什么「比较成熟的产品」适合搭配研究院。成熟的产品,已经有了比较成熟的数据链条(Data....
的头像 电子发烧友网工程师 发表于 01-15 10:08 562次 阅读
剖析一下现代高科技企业尤其是互联网公司如何设置一个成功的研究院

腾讯鹅漫U品如何基于LSTM模型进行中文文本情感分析?

我们基于 40 多万条真实的鹅漫用户评论数据建立了语料库,为了让正面和负面的学习样本尽可能均衡,我们....
的头像 电子发烧友网工程师 发表于 01-15 09:58 397次 阅读
腾讯鹅漫U品如何基于LSTM模型进行中文文本情感分析?

UCLA研究人员用三个实验表明,AI网络实在太好骗了

有AI技术的支持者表示,非常愿意使用这些神经网络网络来完成多种多样的个人任务,甚至完成通常要由人完成....
的头像 新智元 发表于 01-15 09:19 333次 阅读
UCLA研究人员用三个实验表明,AI网络实在太好骗了

人工智能为我们的生活带来的惊奇改变

NVIDIA “I Am AI” (《我是AI》)系列纪录片讲述了一些人工智能为我们的生活带来惊奇改....
的头像 英伟达NVIDIA中国 发表于 01-14 15:12 318次 阅读
人工智能为我们的生活带来的惊奇改变

探讨AI的历史和现在及深度学习的局限性

许多人认为,算法可以利用认知意识来超越人类。机器可以在没有人类干预的情况下识别和学习任务。他们完全可....
的头像 人工智能学家 发表于 01-14 13:32 276次 阅读
探讨AI的历史和现在及深度学习的局限性

基于深度学习的人脸识别技术的广泛应用

自20世纪下半叶,计算机视觉技术逐渐地发展壮大。同时,伴随着数字图像相关的软硬件技术在人们生活中的广....
的头像 机器人大讲堂 发表于 01-14 10:43 1260次 阅读
基于深度学习的人脸识别技术的广泛应用

近三年技术和产业发展的回顾,再论“深度学习已死

康奈尔大学的Gary Marcus写了一篇关于深度学习局限性的文章,并提出了几个发人深省的观点。Ro....
的头像 新智元 发表于 01-14 08:58 430次 阅读
近三年技术和产业发展的回顾,再论“深度学习已死

PyTorch官网教程PyTorch深度学习:60分钟快速入门中文翻译版

“PyTorch 深度学习:60分钟快速入门”为 PyTorch 官网教程,网上已经有部分翻译作品,....
的头像 人工智能头条 发表于 01-13 11:53 573次 阅读
PyTorch官网教程PyTorch深度学习:60分钟快速入门中文翻译版

新一代视频编码标准VVC和AVS3的进展及关键技术特色等介绍

本次我将从以下四个方面为大家分享有关最新一代VVC与AVS3视频编码标准的进展及关键技术特色等内容,....
的头像 LiveVideoStack 发表于 01-13 11:42 440次 阅读
新一代视频编码标准VVC和AVS3的进展及关键技术特色等介绍

探究深度学习在目标视觉检测中的应用与展望

目标视觉检测是计算机视觉领域的一个重要问题,在视频监控、自主驾驶、人机交互等方面具有重要的研究意义和....
的头像 人工智能学家 发表于 01-13 10:59 844次 阅读
探究深度学习在目标视觉检测中的应用与展望

通过机器学习和深度学习的手段,成功的从老鼠的“吱吱”声中解读出20多种不同的含义

最近研究人员们通过机器学习和深度学习的手段,成功的从老鼠的“吱吱”声中解读出20多种不同的含义,包括....
的头像 将门创投 发表于 01-12 09:48 324次 阅读
通过机器学习和深度学习的手段,成功的从老鼠的“吱吱”声中解读出20多种不同的含义

人工智能看脸识病 准确率达90%

约有8%的世界人口受到遗传综合征的困扰,此类患者往往具有可识别的面部特征。然而,遗传综合征的诊断过程....
的头像 1号机器人网 发表于 01-11 16:49 610次 阅读
人工智能看脸识病 准确率达90%

如何进行双侧空间窗的异常检测详细方法概述

针对现有异常检测方法难以解释异常属性的问题,本文提出基于双侧空间窗的异常检测方法。首先,在前景检测的....
发表于 01-11 15:17 35次 阅读
如何进行双侧空间窗的异常检测详细方法概述

2019国家智能产业峰会智能驾驶平行论坛在青岛成功召开

智能网联汽车已成为世界各国解决日益严峻的道路交通安全、提升交通效率、提高汽车行业环保的重要途径,美欧....
的头像 智车科技 发表于 01-11 13:36 656次 阅读
2019国家智能产业峰会智能驾驶平行论坛在青岛成功召开

中国智能语音服务产业,最快冲过终点的将是谁呢?

当前业界商用语音合成系统 (红框标识) 合成语音与录音 (Recording) 相似度大约在85~%....
的头像 新智元 发表于 01-11 09:00 319次 阅读
中国智能语音服务产业,最快冲过终点的将是谁呢?

图神经网络概述第三弹:来自IEEE Fellow的GNN综述

本文来源:机器之心编译 作者:Zonghan Wu 图神经网络(GNN)热度持续上升,之前我们曾介绍....
发表于 01-10 10:26 2390次 阅读
图神经网络概述第三弹:来自IEEE Fellow的GNN综述

互联网巨头进军AI农业 农业颠覆靠AI

近日,在荷兰举行了一场举世瞩目的国际人工智能种菜大赛。
的头像 重庆人工智能 发表于 01-09 16:49 533次 阅读
互联网巨头进军AI农业 农业颠覆靠AI

软硬结合思必驰第一代AI芯片亮相

不同于云知声、Rokid在公司内部成立独立部门进行研发,思必驰此款芯片由其2018年初成立的子公司“....
的头像 DIGITIMES 发表于 01-09 11:24 778次 阅读
软硬结合思必驰第一代AI芯片亮相

2019年22大技术趋势

MiniLED具有高对比、高亮度的显示效果,能够与OLED显示相媲美,所以,Mini LED已经开始....
的头像 电子发烧友网工程师 发表于 01-08 11:28 695次 阅读
2019年22大技术趋势

回顾2018年深度学习NLP十大创新思路

Sebastian Ruder 是一位 NLP 方向的博士生、研究科学家,目前供职于一家做 NLP ....
的头像 人工智能学家 发表于 01-08 11:25 401次 阅读
回顾2018年深度学习NLP十大创新思路

群雄混战 AI芯片设计面临的挑战与趋势

随着深度学习和AI应用的不断演进,近两年AI芯片厂商不断涌现,加之贸易摩擦中芯片概念的普及,2018....
的头像 芯智讯 发表于 01-07 16:48 590次 阅读
群雄混战 AI芯片设计面临的挑战与趋势

基于Kubeflo的应用与开发

本文将介绍以下三部分内容:第一:Kubeflow 的应用;第二:基于 Kubeflow 的开发;第三....
的头像 智车科技 发表于 01-07 14:40 426次 阅读
基于Kubeflo的应用与开发

深度学习的发展可能已达极限,但其影响还将持续深远

生活意味着理解我们的行为会产生后果,并承担这些后果带给我们生活的影响,在生活这张网中,我们每个人都不....
的头像 电子发烧友网工程师 发表于 01-06 10:36 713次 阅读
深度学习的发展可能已达极限,但其影响还将持续深远

一年时间从零基础到成为研究科学家的历程

如果你是这个领域的新手,并且正在其中的某个部分(或全部)挣扎,请记住,没有人能轻松地做到。总有一些事....
的头像 新智元 发表于 01-06 10:07 535次 阅读
一年时间从零基础到成为研究科学家的历程

ADI与Momenta强强联手,加速自动驾驶高精度地图产业化

ADI 自动驾驶和安全副总裁Chris Jacobs说:“ADI 一直致力于开发对无人驾驶至关重要的....
发表于 01-04 15:07 739次 阅读
ADI与Momenta强强联手,加速自动驾驶高精度地图产业化

2019年将占主导地位的19项人工智能技术

带有预测分析和场景构建器的资本压力测试解决方案可以帮助组织保持符合监管资本要求。而且,被标记为潜在洗....
的头像 机器人博览 发表于 01-04 14:57 570次 阅读
2019年将占主导地位的19项人工智能技术

AI芯片设计针对多样化的场景 未来软硬结合将会是趋势

2018年以来,不少以算法为主的语音、视觉、自动驾驶等公司也开始研发AI芯片,将算法和芯片进行更好的....
发表于 01-04 13:38 323次 阅读
AI芯片设计针对多样化的场景 未来软硬结合将会是趋势

深度学习推动人工智能突飞猛进发展

深度学习是机器学习的一种形式,所采用的神经网络在输入节点和输出节点之间具有许多“深度”层。
的头像 传感器技术 发表于 01-04 11:14 515次 阅读
深度学习推动人工智能突飞猛进发展

谈谈人工智能的潜在风险

马丁·福特(Martin Ford)2015 年出版的《机器人的崛起》一书曾掀起波澜,该书详细介绍了....
的头像 人工智能 发表于 01-04 10:30 538次 阅读
谈谈人工智能的潜在风险

随着深度学习和AI应用的不断演进 AI芯片厂商不断涌现

尽管目前AI在行业应用方面的渗透有限,但是算力的供需还是不平衡。近日,华为智能计算业务部总裁邱隆就向....
发表于 01-04 09:27 378次 阅读
随着深度学习和AI应用的不断演进 AI芯片厂商不断涌现

如何使用生成少数类技术进行深度自动睡眠分期模型设计说明

针对现阶段可用睡眠脑电数据皆为类不平衡小数据集,深度学习模型的直接迁移应用所取得的分期效果较差的问题....
发表于 01-03 16:07 46次 阅读
如何使用生成少数类技术进行深度自动睡眠分期模型设计说明

如何让双足机器人在非平整地面保持稳定性的控制方法资料说明

针对双足机器人在非平整地面行走时容易失去运动稳定性的问题,提出一种基于一种基于价值的深度强化学习算法....
发表于 01-03 10:40 46次 阅读
如何让双足机器人在非平整地面保持稳定性的控制方法资料说明

如何用TensorFlow概率编程工具包开发深度学习

我们将重点关注在预测已知未知数的领域模型的概率推断。我们将演示贝叶斯校准的能力,其中裂缝传播问题被公....
的头像 TensorFlow 发表于 01-03 10:33 429次 阅读
如何用TensorFlow概率编程工具包开发深度学习

深度学习教机器人学走路 实验证明AI是个好老师

2018年12月,来自加利福尼亚大学伯克利分校和谷歌大脑的科学家们开发出了一套人工智能系统,它可以让....
发表于 01-03 10:19 169次 阅读
深度学习教机器人学走路 实验证明AI是个好老师

深度学习能力赋能 人工智能机器人可自由行走

人工智能系统,使机器人具备了像人类一样灵巧地掌握和操纵物体的能力,现在,研究人员表示,他们已经开发出....
发表于 01-03 10:08 66次 阅读
深度学习能力赋能 人工智能机器人可自由行走

Pieter Abbeel发布了一份资源大礼:《深度学习与机器人学》105页PPT

Pieter Abbeel 的研究重点特别集中于如何让机器人向人类学习(学徒学习),如何让机器人通过....
的头像 新智元 发表于 01-03 08:59 415次 阅读
Pieter Abbeel发布了一份资源大礼:《深度学习与机器人学》105页PPT

蚂蚁金服人工智能的发展与应用图谱

面对这些挑战我们构建了一个金融智能的平台,从底层的图像理解,以及使用阿里巴巴集团的语音识别能力,在此....
的头像 悟空智能科技 发表于 01-02 14:37 582次 阅读
蚂蚁金服人工智能的发展与应用图谱

Apollo开发者社区对于开发者的影响到底体现在哪些方面?

「Apollo开发者社区」最新调研数据显示,在研发过程中。38.8%的开发者希望获得硬件支持(购买渠....
的头像 智车科技 发表于 01-02 14:27 600次 阅读
Apollo开发者社区对于开发者的影响到底体现在哪些方面?

声智科技(SoundAI)已于近期完成2亿人民币B轮融资

声智科技成立于 2016 年 4 月,主要提供基于 SoundAI Azero 的智能交互系统和服务....
的头像 电子发烧友网工程师 发表于 01-02 10:15 1035次 阅读
声智科技(SoundAI)已于近期完成2亿人民币B轮融资

主流深度学习框架比较

DL:主流深度学习框架多个方向PK比较
发表于 12-26 11:10 115次 阅读
主流深度学习框架比较

Win10系统进行深度学习时系统C盘满了,正确卸载一些非必要的内容的方法

C盘:当Win10系统进行深度学习的时候发现系统C盘满了,大神教你如何正确卸载一些非必要的内容——Jason niu...
发表于 12-26 10:45 97次 阅读
Win10系统进行深度学习时系统C盘满了,正确卸载一些非必要的内容的方法

深度学习框架TensorFlow&TensorFlow-GPU详解

TensorFlow&TensorFlow-GPU:深度学习框架TensorFlow&TensorFlow-GPU的简介、安装、使用方法详细攻略...
发表于 12-25 17:21 151次 阅读
深度学习框架TensorFlow&TensorFlow-GPU详解

计算机视觉神经网络资料全集

CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录(第二次)——Jason niu...
发表于 12-24 11:52 149次 阅读
计算机视觉神经网络资料全集

CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录

CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录...
发表于 12-24 11:51 127次 阅读
CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录

CV之YOLO:深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录

CV之YOLO:深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录...
发表于 12-24 11:50 115次 阅读
CV之YOLO:深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录

利用ECS进行深度学习详细攻略

ECS:利用ECS进行深度学习详细攻略
发表于 12-24 11:47 90次 阅读
利用ECS进行深度学习详细攻略

CV:基于深度学习实现目标检测之GUI界面产品设计并实现图片识别、视频识别、摄像头识别

CV:基于深度学习实现目标检测之GUI界面产品设计并实现图片识别、视频识别、摄像头识别...
发表于 12-21 10:31 92次 阅读
CV:基于深度学习实现目标检测之GUI界面产品设计并实现图片识别、视频识别、摄像头识别

深度学习实现目标检测俄罗斯总统普京对沙特王储摊的“友好摊手”瞬间

CV:2108足球世界杯—深度学习实现目标检测俄罗斯总统普京对沙特王储摊的“友好摊手”瞬间—东道主俄罗斯5-0完胜沙特...
发表于 12-21 10:31 79次 阅读
深度学习实现目标检测俄罗斯总统普京对沙特王储摊的“友好摊手”瞬间

Py之TFCudaCudnn:Win10下安装深度学习框架Tensorflow+Cuda+Cudnn最简单最快捷最详细攻略

Py之TFCudaCudnn:Win10下安装深度学习框架Tensorflow+Cuda+Cudnn最简单最快捷最详细攻略...
发表于 12-20 10:35 84次 阅读
Py之TFCudaCudnn:Win10下安装深度学习框架Tensorflow+Cuda+Cudnn最简单最快捷最详细攻略