• 

  梅雨季来了,Folx 5助您欢快宅家刷剧

• 正版软件

  科学家利用机器学习，用于区分可降解塑料和传统塑料

  食品包装袋、咖啡杯、塑料袋……，塑料在我们的日常生活中随处可见。近年来随着国家政策的引导和居民环保意识的提高，越来越多的人开始使用可降解的塑料制品。只是这些可降解的塑料制品和传统塑料之间，在外观上很难进行有效区分，如果在回收环节没有做好，可能会污染塑料的回收并降低效率。伦敦大学学院（UCL）的研究人员在FrontiersinSustainability上发表了一篇论文，他们使用机器学习自动对不同类型的可堆肥、可生物降解塑料进行分类，并将它们与传统塑料区分开来。​该研究的通讯作者MarkMiod

  714天前 机器学习 塑料 0

• 正版软件

  ICLR盲审阶段就被评审赞不绝口的论文：会是Transformer架构的一大创新吗？

  尽管取得了很多显著的成就，但训练深度神经网络（DNN）的实践进展在很大程度上独立于理论依据。大多数成功的现代DNN依赖残差连接和归一化层的特定排列，但如何在新架构中使用这些组件的一般原则仍然未知，并且它们在现有架构中的作用也依然未能完全搞清楚。残差架构是最流行和成功的，最初是在卷积神经网络（CNN）的背景下开发的，后来自注意力网络中产生了无处不在的transformer架构。残差架构之所以取得成功，一种原因是与普通DNN相比具有更好的信号传播能力，其中信号传播指的是几何信息通过DNN层的传

  714天前 训练 Transforme 0

• 正版软件

  如何构建可信GNN？最新综述来了！可信图神经网络：维度，方法，趋势

  前言在过去的几年里，以神经网络为首的人工智能技术通过对不同类型数据的深入挖掘已经深刻地改变了人类的生活并极大地推动了社会发展的进程[1]。作为人工智能领域最活跃的研究方向之一，图神经网络（GNNs）凭借其卓越的性能已经被广泛应用于个性化推荐等日常生活中，在如新冠药物研发等科学前沿领域也不乏其身影。随着图神经网络技术的蓬勃发展，人们发现以任务性能为单一设计目标的图神经网络系统中仍存在譬如面对恶意攻击的脆弱性等问题。因此，人们愈发渴望建立起可信的图神经网络。近年来，构建可信人工智能系统已经成为了世界各国的普

  714天前 神经网络 技术 框架 0

• 正版软件

  豪华酒店四大未来室内技术趋势

  旅游和旅游技术不断发展，使企业和消费者更容易获得和更高效的出行。在线预订平台彻底改变了人们计划旅行的方式，移动应用允许用户在旅途中找到餐馆和旅游景点。如果我们预定住在一家豪华酒店，将会惊讶地看到一些技术趋势。以下是其中一些趋势：1.客房服务应用许多酒店现在提供客房服务应用，让客人无需拿起电话就可以点餐和订购其他东西。这些应用通常适用于安卓和iOS设备，可以用来收集任何东西，可用于收集从简单的一杯咖啡到全餐的任何东西。在大多数情况下，客人会浏览应用里的菜单，选择他们想要的商品，然后提交订单。一旦下了订单，它

  714天前 人工智能 0

• 正版软件

  中国AIGC产业峰会今日举行：微软百度科大讯飞解答ChatGPT商业化，两大圆桌论坛剑指AIGC新机遇

  3月29日消息，首届中国AIGC产业峰会今日在京举行，大会由量子位主办，聚集起了领域内产学研代表，分享和探讨了包括大模型、生成式AI、ChatGPT等在内时下热议趋势和话题。同时，首份中国AIGC产业全景报告暨中国AIGC50正式发布。2023年，被称作ChatGPT元年。全世界惊叹之余，也给AIGC带来新动能和新思考：>时代级机遇，中国企业应该如何把握？ChatGPT所引领的AI新纪元，又将如何改变我们生活的方方面面？已经公认的是，我们正处于生产力变革的关键节点。每一次产品级的发布，都将给世界带

  714天前 人工智能 AIGC 0

• 正版软件

  人工智能如何帮助加强客户隐私

  数据隐私对客户来说越来越重要。根据某机构最近的一份报告显示，78%的消费者担心自己的个人数据被收集。调查还发现，40%的消费者表示，他们不相信品牌会合乎道德地使用他们的数据。在这种环境下，企业必须尽其所能来支持隐私和保护数据。其中一个重要的工具是人工智能。预测到2023年，考虑到人工智能在现代世界优化数据安全方面的诸多优势，40%的隐私技术将依赖于人工智能。尽管如此，许多客户还是心存警惕。根据欧洲消费者组织2020年的数据，45%-60%的欧洲人认为，人工智能将导致更多的个人数据滥用。随着这种脱节的加剧，

  714天前 人工智能 隐私 数据安全 0

• 正版软件

  移除ImageNet标签错误，模型排名发生大变化

  此前，ImageNet因为存在标签错误的问题而成为热门话题，这个数字说出来你可能会大吃一惊，至少有十万个标签是存在问题的。那些基于错误标签做的研究，很可能要推翻重来一遍。由此看来管理数据集质量还是很重要的。很多人会使用ImageNet数据集作为benchmark，不过基于ImageNet预训练的模型，最终结果可能会因为数据质量而变化。本文中，来自Adansons公司的工程师KenichiHiguchi对《ArewedonewithImageNet?》一文中的ImageN

  714天前 模型 AI 0

• 正版软件

  抓住边缘AI的机会 电信运营商开启转型之旅

  5G让万物互联成为可能，海量数据的产生在给网络带来巨大压力的同时，也进一步把算力的需求推到了边缘端。边缘AI催生消费电子、安防、汽车、工业制造等多个垂直行业的场景创新。抓住边缘AI的机会电信运营商开启转型之旅比如，在工业领域，AI和边缘应用有望在智能工厂的发展中发挥越来越重要的作用。在工业4.0模式的推动下，下一代智能工厂将先进的机器人技术、机器学习技术应用于软件服务和工业物联网，以提高组织和最大化生产率。边缘AI对电信服务提供商的未来变得至关重要，基于这个原因，他们正不断进行投资，确保自己在边缘拥有强

  714天前 人工智能 AI 电信 0

• 正版软件

  使用Scikit-Learn，快速掌握机器学习预测方法

  在本文中，我们将讨论预测函数的区别和它们的用途。在机器学习中，predict和predict_proba、predict_log_proba和decision_function方法都是用来根据训练好的模型进行预测的。predict方法predict方法用于进行二元分类或多元分类预测，并返回输入数据的预测类标签。例如，如果你已经训练了一个逻辑回归模型来预测一个客户是否会购买产品，则可以使用predict方法来预测一个新客户是否会购买产品。我们将使用来自scikit-learn的乳腺癌数据集。这个数据集包含了

  714天前 数据 方法 0

• 正版软件

  机器学习：使用 Python 进行分类

  假设你想教孩子区分苹果和橙子。有多种方法可以做到这一点。你可以让孩子触摸这两种水果，让他们熟悉形状和柔软度。你还可以向她展示苹果和橙子的多个例子，以便他们可以直观地发现差异。这个过程的技术等价物被称为机器学习。机器学习教计算机解决特定问题，并通过经验变得更好。这里讨论的示例是一个分类问题，其中机器被赋予各种标记示例，并期望使用它从标记样本中获得的知识来对未标记样本进行标记。机器学习问题也可以采用回归的形式，其中期望根据已知样本及其解决方案来预测给定问题的实值real-valued解决方案。分类Classi

  714天前 机器学习 Python 0