人工智能 机器人 人工outgoing
【TEC100TAI-KIT】青翼自研基于复微青龙JFMQL100TAI的全国产化智能异构计算平台
TEC100TAI-KIT是我司自主研制的一款基于上海复旦微电子复微青龙100TAI的全国产智能异构计算平台开发套件，该套件包含1个复微青龙100TAI核心板和1个PCIE规格的扩展底板。 该套件的核心板集成了100TAI的最小系统，包含一颗JFMQL100TAI900片上系统芯片，该单颗芯片集成了 ......
探索人工智能的世界：构建智能问答系统之前置篇
在这个项目中，我们将使用Python作为开发语言，结合Hugging Face、Milvus、Langchain、OpenAI等工具和技术，实现一个简易版的架构图。通过嵌入技术处理文本和图像数据，利用Hugging Face的预训练模型进行自然语言处理，使用Milvus作为向量数据库进行存储和查询。... ......
软件测试/人工智能|利用ChatGPT进行项目需求分析
简介 在我们的开发和测试工作中，需求分析是必不可少的一个步骤，很多时候，我们可以拿到产品的PRD文档或者产品架构图原型图进行分析，为产品的功能实现保驾护航，为后续的优化提供建议。在需求分析的时候，我们也可以借助ChatGPT来帮我们进行需求分析，本文就来给大家介绍一下如何使用ChatGPT来进行需求 ......
软件测试/人工智能|一文告诉你ChatGPT原理与架构
简介 ChatGPT是今年最火的互联网应用，ChatGPT给我们的工作和生活带来了巨大便利，帮我们写文案，帮我们写代码等，但是当我们在于ChatGPT对话时，我们是否有想过，这么强大的一个工具，它背后的技术原理是什么？它的技术架构是怎样的？本文就告诉大家ChatGPT的原理与架构。 ChatGPT的 ......
软件测试/人工智能|教你如何更高效地使用AI对话工具
简介 有了ChatGPT之后，“调戏”ChatGPT成为了我们每天的乐趣，但是我们同时也发现，我们向ChatGPT提出的问题会有不一样的回复，有的人的回复质量会更高，而有的人提问回复则是完全无法使用的，我们想要ChatGPT更好地帮助我们完成工作，就需要学会如何更好地向ChatGPT提问。 如何让 ......
机器学习——Transformer
10.6.2节中比较了卷积神经网络（CNN）、循环神经网络（RNN）和自注意力（self-attention）。值得注意的是，自注意力同时具有并行计算和最短的最大路径长度这两个优势。因此，使用自注意力来设计深度架构是很有吸引力的。对比之前仍然依赖循环神经网络实现输入表示的自注意力模型 (Cheng ......
机器学习——自注意力与位置编码
在深度学习中，经常使用卷积神经网络（CNN）或循环神经网络（RNN）对序列进行编码。 想象一下，有了注意力机制之后，我们将词元序列输入注意力池化中， 以便同一组词元同时充当查询、键和值。 具体来说，每个查询都会关注所有的键－值对并生成一个注意力输出。 由于查询、键和值来自同一组输入，因此被称为 自注 ......
双十一快递业务量暴增，快递驿站视频智能监控方案保障快递业务顺利开展
实现分散门店的集中可视化管理，同时借助AI智能分析网关的算法模型，对人员入侵、翻越、抽烟、烟火、灭火器缺失等安全隐患进行识别与预警，防止出现陌生人员偷盗包裹或工作人员违规操作导致快递门店安全意外事件发生，同时也能提高快递驿站的监管效率。 ......
EasyCVR视频监控+AI智能分析网关如何助力木材厂安全生产？
实时异常监测：通过视频AI分析算法和异常检测技术，对木材生产过程中的异常情况进行监测。例如，出现烟火燃烧、人员倒地等情况，及时发出报警。 ......
TSINGSEE青犀AI智能分析+视频监控工业园区周界安全防范方案
通过AI智能分析网关的区域入侵、周界入侵等算法，可以实时识别人员的入侵、徘徊、翻越等异常行为，并能抓拍和发出告警，有效保障园区周界的安全，同时也可以利用在园区内的重点区域保护中，如机房、供电室、设备间、后勤仓库等。 ......
城市网吧视频智能监控方案，实现视频远程集中监控
在这种密集人员的场所，不排除发生偷盗行为，使用EasyCVR智能视频监控平台，拥有强大的数据存储云功能，可随时查看、回放录像，一旦发生盗窃事件，可以立即进行回放查找，保护用户财产安全。 ......
机器学习——多头注意力
在实践中，当给定相同的查询、键和值的集合时， 我们希望模型可以基于相同的注意力机制学习到不同的行为， 然后将不同的行为作为知识组合起来， 捕获序列内各种范围的依赖关系 （例如，短距离依赖和长距离依赖关系）。 因此，允许注意力机制组合使用查询、键和值的不同 子空间表示（representation s ......
浅谈青岛啤酒厂事件—论智能视频监控的重要性和必要性
对于原料堆放区域，划定算法防线，一旦有人闯入就会立即发出告警，通知后台的管理人员，同时还会自动保存截图，方便后期溯源，定责到位。 ......
TSINGSEE青犀智慧机房AI+视频智能监管方案，保障机房设备稳定运转
结合平面、三维图、环境传感器、视频监控等技术，提供机房环境监测安防告警监测、告警统计等应用，如：温度、漏水、供配电、空调、烟火等，确保及时发现机房问题和闭环监管。 ......
python---通过钉钉机器人发送禅道缺陷标题
前言 目前大多数公司都是使用禅道，jira这些来管理缺陷，研发和测试每天站会或者周会都想知道昨天或者这周一共解决了多少个缺陷，如果每天都通过禅道上去查看可能有点麻烦且不方便，今天小编介绍一种方法，我们可以通过办公软件钉钉或者企业微信通过项目群中进行添加机器人，每天自动发送到群里，供大家参考查看。 钉 ......
机器学习——Bahdanau 注意力
9.7节中探讨了机器翻译问题： 通过设计一个基于两个循环神经网络的编码器-解码器架构， 用于序列到序列学习。 具体来说，循环神经网络编码器将长度可变的序列转换为固定形状的上下文变量， 然后循环神经网络解码器根据生成的词元和上下文变量 按词元生成输出（目标）序列词元。 然而，即使并非所有输入（源）词元 ......
机器学习——注意力评分函数
10.2节使用了高斯核来对查询和键之间的关系建模。 (10.2.6)中的 高斯核指数部分可以视为注意力评分函数（attention scoring function）， 简称评分函数（scoring function）， 然后把这个函数的输出结果输入到softmax函数中进行运算。 通过上述步骤，将 ......
机器学习——注意力汇聚：Nadaraya-Watson 核回归
上节介绍了框架下的注意力机制的主要成分 图10.1.3： 查询（自主提示）和键（非自主提示）之间的交互形成了注意力汇聚； 注意力汇聚有选择地聚合了值（感官输入）以生成最终的输出。 本节将介绍注意力汇聚的更多细节， 以便从宏观上了解注意力机制在实践中的运作方式。 具体来说，1964年提出的Nadara ......
机器学习-小样本情况下如何机器学习
交叉验证是在机器学习建立模型和验证模型参数时常用的办法。交叉验证，顾名思义，就是重复的使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。在此基础上可以得到多组不同的训练集和测试集，某次训练集中的某样本在下次可能成为测试集中的样本，即所谓 ......
机器学习——注意力提示
查询、键和值 自主性的与非自主性的注意力提示解释了人类的注意力的方式， 下面来看看如何通过这两种注意力提示， 用神经网络来设计注意力机制的框架， 首先，考虑一个相对简单的状况， 即只使用非自主性提示。 要想将选择偏向于感官输入， 则可以简单地使用参数化的全连接层， 甚至是非参数化的最大汇聚层或平均汇 ......
想快速进入人工智能领域的Java程序员？你准备好了吗？
本文介绍了作为Java程序员如何迅速融入人工智能领域，并探讨了LLMs的发展和应用。从初次体验到插件开发，再到知识库建立，作者指出了如何将LLMs应用于个人助理的过程。最后，强调了LLMs选择的重要性，以及如何灵活适应自己的需求。 ......
零基础机器学习数字识别MNIST（on going）
本人之前并未涉及机器学习，但是在嵌入式中都会涉及视觉，借校内比赛从零学习，进行MNIST数字识别模型的搭建。 随着学习进度更新，每天更新。2023-11-15 21:38:55 星期三 一、环境搭建 进行本模型的搭建，需要以下内容： Python环境：利用Anaconda管理 开源机器学习平台：Py ......
机器码备份_二
[yhzr]有意合作联系扣扣:1176769884$$$AA24C7BD5A0A8FE8E06E1FB53BBE8AD4:00|66|88_CF4DF748256261B751D029853C3DA5BC:00|01|02|03|04|10|11|12|13|14|20|21|22|23|24|30 ......
现场直击！触想智能亮相德国2023 SPS展会
当地时间11月14日上午9时 2023 年(德国)纽伦堡国际工业自动化及元器件展览会 SPS 展(以下简称：SPS展会)正式拉开帷幕，触想智能与来自全球各地的领先科技公司及前沿业者齐聚盛会，共赴一场科技与创新交汇的“饕餮盛宴”。 △ 2023 SPS展会开幕(触想展台整装备发) 作为公司国际化征途中 ......
AI智能网关在工业物联网领域有哪些应用优势
针对规模庞大、设备复杂、自动化智能化水平要求高的工业物联网应用，AI智能网关依托强劲处理器性能和内置多场景应用AI算法，助力工业物联网迈入智能化新高度。 ......
机器学习——束搜索、贪心搜索、穷举搜索
束搜索（Beam Search）、贪心搜索（Greedy Search）和穷举搜索（Exhaustive Search）是在搜索领域常用的三种搜索算法，它们在不同的场景下有着不同的特点和应用。 束搜索（Beam Search）： 束搜索是一种用于寻找最有可能的输出序列的搜索算法，常用于序列生成任务， ......
【解决方案】危化品厂区安防系统EasyCVR+AI智能监控
特别针对危险化工企业，消防安全不容小觑，视频监控系统平台可以配备消防安全检测算法，例：烟火识别、消防器材检测等等。 ......
机器学习——序列到序列学习（seq2seq）
我们将使用两个循环神经网络的编码器和解码器， 并将其应用于序列到序列（sequence to sequence，seq2seq）类的学习任务。 编码器 由于这里使用的是门控循环单元， 所以在最后一个时间步的多层隐状态的形状是 （隐藏层的数量，批量大小，隐藏单元的数量）。 如果使用长短期记忆网络，st ......
机器学习中的分类和回归
机器学习中的分类和回归是两种主要的预测建模任务，它们分别处理不同类型的输出变量。 分类（Classification）： 定义： 分类是一种监督学习任务，其目标是将输入数据映射到预定义的类别中。在分类问题中，模型的输出是一个离散的类别标签。 例子： 例如，垃圾邮件过滤是一个二分类问题，其中模型需要将 ......