颖脉Imgtec

动态

• 发布了文章 2022-11-20 08:39

  清华大学元宇宙发展研究报告3.0版发布

  

  近日，清华大学沈阳教授团队发布了《元宇宙发展研究报告3.0版》。在前两版报告基础上，本报告按照回顾篇、学理篇、产业篇、社会篇、舆论篇、治理篇、科幻篇七个模块，对元宇宙作出挖掘与探究。报告总体上沿着“由当下到未来、由虚拟到现实、由中国到世界”的思想脉络进行梳理，试图全面总结元宇宙的发展脉络与规律，促进元宇宙相关技术升级，分析产业如何进行虚实融合，从而按照自身发

  元宇宙

  3.8k浏览量

• 发布了文章 2022-11-09 00:16

  机器学习回归模型相关重要知识点总结

  

  来源：机器学习研习院回归分析为许多机器学习算法提供了坚实的基础。在这篇文章中，我们将总结10个重要的回归问题和5个重要的回归问题的评价指标。1、线性回归的假设是什么？线性回归有四个假设线性：自变量（x）和因变量（y）之间应该存在线性关系，这意味着x值的变化也应该在相同方向上改变y值。独立性：特征应该相互独立，这意味着最小的多重共线性。正态性：残差应该是正态分

  机器学习

  2k浏览量

• 发布了文章 2022-11-09 00:15

  关于RISC-V ，这是你需要知道的！

  

  来源：内容来自半导体行业观察（ID：icbank）编译自semiengineering，谢谢。RISC-V是加州大学伯克利分校开发人员在2010年构想的开放标准指令集架构(ISA)，正在不断发展壮大。RISC-V中的RISC代表精简指令集计算机，这意味着它旨在简化给计算机的每条单独指令。由于RISC-V是一个开放标准，任何人都可以实施、定制和扩展ISA以满足

  RISC

  2.8k浏览量

• 发布了文章 2022-11-03 00:22

  PowerVR SDK和工具 22.1 版本更新：增加新的光追示例

  

  开发工具一直是开发者关心的重点，ImaginationPowerVRSDK和工具也在持续的迭代，希望能为开发者提供更新的功能。目前，PowerVRSDK和工具22.1版本已正式发布，并进行了一些重大功能更新，详细的更新内容可查看我们的发布说明。

  vr

  1.8k浏览量

• 发布了文章 2022-11-01 00:20

  10个机器学习中常用的距离度量方法

  

  作者：JonteDancker来源：DeepHubIMBA距离度量是有监督和无监督学习算法的基础，包括k近邻、支持向量机和k均值聚类等。距离度量的选择影响我们的机器学习结果，因此考虑哪种度量最适合这个问题是很重要的。因此，我们在决定使用哪种测量方法时应该谨慎。但在做出决定之前，我们需要了解距离测量是如何工作的，以及我们可以从哪些测量中进行选择。本文将简要介绍

  机器学习

  3.9k浏览量

• 发布了文章 2022-10-30 00:51

  用 AI 预测 AI，它的未来会是什么？

  

  来源：学术头条人工智能，开始解决越来越多人类尚未解决的问题，且取得了不错的成果。然而，在过去几年中，人工智能领域的科学研究数量呈指数级增长，使得科学家们和从业者们很难及时跟踪这些进展。数据显示，机器学习领域的研究论文数量每23个月就会翻一番。其中一个原因是，人工智能正在数学、统计学、物理学、医学和生物化学等不同学科中得到利用。通过从科学文献中获得见解，提出新

  AI

  918浏览量

• 发布了文章 2022-10-30 00:48

  软硬一体赋能芯片 Imagination让AI表现更出色

  

  作者：李祥敬来源：至顶网计算频道人工智能市场快速增长，算力的需求不断衍生，这对对计算架构的效率和灵活性提出了更高要求。ImaginationTechnologies产品总监RobFisherImaginationTechnologies产品总监RobFisher接受记者采访时表示，AI领域的高速创新使满足未来需求的硬件和软件变得十分关键。“在软件设计方面，必

  人工智能

  970浏览量

• 发布了文章 2022-10-30 00:46

  Imagination光线追踪助力开发者打造优质移动游戏

  

  10月22-23日，由侑虎科技举办的第六届UWADAY2022技术大会吸引了众多开发者的到来，Imagination中国区资深技术顾问盛仿伟受邀出席活动，并分享了公司在光线追踪技术领域的探索和创新。Imagination中国区资深技术顾问盛仿伟在演讲中，盛仿伟介绍了Imagination探索光线追踪技术的发展历程，以及最新发布的移动平台光线追踪架构Photo

  光线追踪

  1.4k浏览量

• 发布了文章 2022-10-30 00:44

  自压缩神经网络

  

  过去十年，人工智能研究主要集中在探索深度神经网络的潜力。我们近年来看到的进步至少可以部分归因于网络规模的不断扩大。从使用GPT-3[1]的文本生成到使用Imagen[2]的图像生成，研究人员付出了相当大的努力来创建更大、更复杂的架构，以实现越来越令人印象深刻的壮举。此外，现代神经网络的成功使其在各种应用中部署。就在我写这篇文章的时候，一个神经网络正在施图预测

  人工智能

  1.3k浏览量

• 发布了文章 2022-10-30 00:43

  12个常用的图像数据增强技术总结

  

  作者：PrabowoYogaWicaksana来源：DeepHubIMBA神经网络在训练时的优化首先是对模型的当前状态进行误差估计，然后为了减机器学习或深度学习模型的训练的目标是成为“通用”模型。这就需要模型没有过度拟合训练数据集，或者换句话说，我们的模型对看不见的数据有很好的了解。数据增强也是避免过度拟合的众多方法之一。扩展用于训练模型的数据量的过程称为数

  神经网络 图像数据

  3.7k浏览量