卡扣式裝配廣泛應(yīng)用于多種產(chǎn)品類型的制造中,卡扣裝配是結(jié)構(gòu)性的鎖定機(jī)制,通過一個機(jī)器學(xué)習(xí)框架將人類識別成功快速裝配的能力遷移到自主機(jī)器人裝配上。
羅晶博士和楊辰光教授團(tuán)隊提出,遙操作機(jī)器人系統(tǒng)可以自然地與外界環(huán)境進(jìn)行交互、編碼人機(jī)協(xié)作任務(wù)和生成任務(wù)模型,從而提升系統(tǒng)的類人化操作行為和智能化程度
專家(查紅彬,陳熙霖,盧湖川,劉燁斌,章國鋒)從計算機(jī)視覺發(fā)展歷程、現(xiàn)有研究局限性、未來研究方向以及視覺研究范式等多方面展開了深入的探討
音樂科技、音樂人工智能與計算機(jī)聽覺以數(shù)字音樂和聲音為研究對象,是聲學(xué)、心理學(xué)、信號處理、人工智能、多媒體、音樂學(xué)及各行業(yè)領(lǐng)域知識相結(jié)合的重要交叉學(xué)科,具有重要的學(xué)術(shù)研究和產(chǎn)業(yè)開發(fā)價值
Adam 算法便以其卓越的性能風(fēng)靡深度學(xué)習(xí)領(lǐng)域,該算法通常與同步隨機(jī)梯度技術(shù)相結(jié)合,采用數(shù)據(jù)并行的方式在多臺機(jī)器上執(zhí)行
人體姿態(tài)估計便是計算機(jī)視覺領(lǐng)域現(xiàn)有的熱點(diǎn)問題,其主要任務(wù)是讓機(jī)器自動地檢測場景中的人“在哪里”和理解人在“干什么”
SIFT、PCA-SIFT、SURF 、ORB、 VJ 等目標(biāo)檢測算法優(yōu)缺點(diǎn)對比及使用場合比較
深度學(xué)習(xí)模型:OverFeat、R-CNN、SPP-Net、Fast、R-CNN、Faster、R-CNN、R-FCN、Mask、R-CNN、YOLO、SSD、YOLOv2、416、DSOD300、R-SSD
大型商用時序數(shù)據(jù)壓縮的特性,提出了一種新的算法,分享用深度強(qiáng)化學(xué)習(xí)進(jìn)行數(shù)據(jù)壓縮的研究探索
滴滴機(jī)器學(xué)習(xí)場景下的 k8s 落地實(shí)踐與二次開發(fā)的技術(shù)實(shí)踐與經(jīng)驗(yàn),包括平臺穩(wěn)定性、易用性、利用率、平臺 k8s 版本升級與二次開發(fā)等內(nèi)容
機(jī)器學(xué)習(xí)就是通過經(jīng)驗(yàn)來尋找它學(xué)習(xí)的模式,而人工智能是利用經(jīng)驗(yàn)來獲取知識和技能,并將這些知識應(yīng)用于新的環(huán)境
神經(jīng)形態(tài)結(jié)構(gòu)融合學(xué)習(xí)和記憶功能領(lǐng)域的研究主要集中在人工突觸的可塑性方面,同時神經(jīng)元膜的固有可塑性在神經(jīng)形態(tài)信息處理的實(shí)現(xiàn)中也很重要