欧美日韩综合网,欧美日韩精品,成年人网址在线观看

基于改進(jìn)Stacking集成分類算法的用戶用電信息異常識(shí)別

隨著電力用戶信息采集系統(tǒng)的發(fā)展，更豐富的用戶用電信息被用于用戶用電信息異常的識(shí)別。基于FDI攻擊進(jìn)行虛假數(shù)據(jù)注入，構(gòu)造用戶用電信息異常數(shù)據(jù)集，并提出了一種基于召回率的改進(jìn)Stacking集成分類算法。該算法采用K-近鄰算法（k-Nearest Neighbors，KNN）、隨機(jī)森林模型（Random Forests，RF）、支持向量機(jī)（Support Vector Machine，SVM）以及梯度決策樹（Gradient Boosting Decision Tree，GBDT）作為Stacking結(jié)構(gòu)的基分類模型；采用邏輯回歸（Logistic Regression，LR）作為Stacking結(jié)構(gòu)的元分類模型。并基于召回率為基分類模型的輸出結(jié)果進(jìn)行權(quán)值賦值，從而作為元分類模型的輸入數(shù)據(jù)集。通過(guò)實(shí)驗(yàn)驗(yàn)證，所提的基于召回率的改進(jìn)Stacking集成分類算法相比于傳統(tǒng)Stacking集成分類算法擁有更高效的分類性能。

發(fā)表于：8/25/2023

一種多教師模型知識(shí)蒸餾深度神經(jīng)網(wǎng)絡(luò)模型壓縮算法

為了能將龐大的深度學(xué)習(xí)模型壓縮后部署到算力和存儲(chǔ)能力有限的設(shè)備中時(shí)盡可能減小精度損失，對(duì)知識(shí)蒸餾模型壓縮方法進(jìn)行研究，提出了一種改進(jìn)后帶篩選的多教師模型知識(shí)蒸餾壓縮算法。利用多教師模型的集成優(yōu)勢(shì)，以各教師模型的預(yù)測(cè)交叉熵為篩選的量化標(biāo)準(zhǔn)篩選出表現(xiàn)更好的教師模型對(duì)學(xué)生進(jìn)行指導(dǎo)，并讓學(xué)生模型從教師模型的特征層開始提取信息，同時(shí)讓表現(xiàn)更好的教師模型在指導(dǎo)中更具有話語(yǔ)權(quán)。在CIFAR100數(shù)據(jù)集上的VGG13等分類模型實(shí)驗(yàn)結(jié)果表明，與其他壓縮算法相比在最終得到的學(xué)生模型大小相同的情況下，精度上有著更好的表現(xiàn)。

發(fā)表于：8/25/2023

基于點(diǎn)云補(bǔ)全的三維目標(biāo)檢測(cè)

LiDAR技術(shù)的發(fā)展為自動(dòng)駕駛提供了豐富的3D數(shù)據(jù)。然而，由于遮擋和某些反射材料的原因引起信號(hào)丟失，LiDAR點(diǎn)云實(shí)際上是不完整的2.5D數(shù)據(jù)，這對(duì) 3D 感知提出了根本性挑戰(zhàn)。針對(duì)這一問(wèn)題，提出對(duì)原始數(shù)據(jù)進(jìn)行三維補(bǔ)全的方法。根據(jù)大多數(shù)物體形狀對(duì)稱且重復(fù)率高的特點(diǎn)，通過(guò)學(xué)習(xí)先驗(yàn)對(duì)象形狀的方法估計(jì)點(diǎn)云中遮擋部分的完整形狀。該方法首先識(shí)別被遮擋和信號(hào)缺失影響的區(qū)域，在這些區(qū)域中預(yù)測(cè)區(qū)域所包含對(duì)象形狀的占用概率。針對(duì)物體間遮擋的情況，通過(guò)形狀的占用概率和共享同類形狀形態(tài)進(jìn)行三維補(bǔ)全。對(duì)自身遮擋的物體，通過(guò)自身鏡像進(jìn)行恢復(fù)。最后通過(guò)點(diǎn)云目標(biāo)檢測(cè)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)。結(jié)果表明，通過(guò)該方法能有效地提高生成點(diǎn)云3D邊框的mAP（mean Average Precision）。

發(fā)表于：8/25/2023

數(shù)據(jù)驅(qū)動(dòng)的工業(yè)元宇宙系統(tǒng)研究

物聯(lián)網(wǎng)、大數(shù)據(jù)及新一代信息技術(shù)的發(fā)展，對(duì)傳統(tǒng)制造業(yè)帶來(lái)前所未有的沖擊，基于數(shù)據(jù)關(guān)鍵生產(chǎn)要素的工業(yè)元宇宙建設(shè)得到越來(lái)越多的關(guān)注，為傳統(tǒng)制造業(yè)帶來(lái)了機(jī)遇，也帶來(lái)了挑戰(zhàn)。分析討論了工業(yè)元宇宙的背景、現(xiàn)狀、關(guān)鍵支撐技術(shù)，并以某企業(yè)智造元宇宙平臺(tái)的AR/VR虛擬仿真實(shí)訓(xùn)系統(tǒng)為例，初

發(fā)表于：8/24/2023

基于TextCNN-Bert融合模型的不良信息識(shí)別技術(shù)

敏感領(lǐng)域的不良信息具有極強(qiáng)的迷惑性和欺騙性，腐蝕人們的思想，影響人們的價(jià)值觀和判斷能力，危害社會(huì)安全，研究敏感領(lǐng)域不良信息的識(shí)別技術(shù)具有深遠(yuǎn)意義。通用的識(shí)別技術(shù)忽略了背景知識(shí)和隱喻問(wèn)題，直接應(yīng)用于敏感領(lǐng)域不良信息識(shí)別效果較差。提出一種基于TextCNNBert的融合模型，通過(guò)敏感領(lǐng)域主題識(shí)別和情感隱喻識(shí)別，實(shí)現(xiàn)對(duì)敏感領(lǐng)域不良信息的文本識(shí)別。實(shí)驗(yàn)結(jié)果表明，該模型在準(zhǔn)確率、F1評(píng)分等指標(biāo)方面取得了良好的結(jié)果，相較于現(xiàn)有模型有顯著提高。

發(fā)表于：8/24/2023

基于因果關(guān)系和特征對(duì)齊的圖像分類域泛化模型

針對(duì)現(xiàn)有域泛化方法性能較差或缺乏理論可解釋性的缺點(diǎn)，提出了一種基于因果關(guān)系和特征對(duì)齊的圖像分類域泛化模型，并證明了該模型的可識(shí)別性。該模型利用域泛化中的因果關(guān)系來(lái)學(xué)習(xí)含有不同信息的特征，將域泛化問(wèn)題轉(zhuǎn)化為特征相關(guān)分布的偏移，再利用特征對(duì)齊消除偏移。為提高模型的性能，采用對(duì)抗訓(xùn)練進(jìn)一步優(yōu)化學(xué)到的特征。在公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，新提出的模型與目前最優(yōu)的方法性能相當(dāng)，表明該模型具有理論可解釋性的同時(shí)，還有不俗的實(shí)際性能表現(xiàn)。

發(fā)表于：8/24/2023

論人工智能在刑事司法決策中的應(yīng)用

人工智能在刑事司法領(lǐng)域的應(yīng)用方興未艾，世界各國(guó)廣泛開發(fā)人工智能產(chǎn)品，以期提高司法效率，提升司法決策的公平性。然而，人工智能尚處于初級(jí)階段，存在決策偏見、算法黑箱等技術(shù)缺陷，并不能做到完全價(jià)值中立；人工智能的應(yīng)用也對(duì)傳統(tǒng)司法原則和理論造成了沖擊，一定程度上威脅到了人權(quán)保護(hù)。所以，不能盲目夸大人工智能對(duì)于司法決策的作用。針對(duì)人工智能技術(shù)的缺陷，提出要在人工智能產(chǎn)品開發(fā)的各個(gè)階段減少?zèng)Q策偏見，推進(jìn)相關(guān)認(rèn)證標(biāo)準(zhǔn)；對(duì)于人工智能的應(yīng)用問(wèn)題，首先要明確人工智能只能輔助決策而不能替代決策，其次應(yīng)加強(qiáng)人類的責(zé)任和監(jiān)管，保障決策的公平性。同時(shí)，應(yīng)加強(qiáng)辯方的數(shù)據(jù)權(quán)利，以實(shí)現(xiàn)技術(shù)司法模式下的控辯平衡。

發(fā)表于：8/24/2023

生成式人工智能視閾下算法審計(jì)的制度構(gòu)建與路徑創(chuàng)新

隨著文心一言、通義千問(wèn)、ChatGLM等我國(guó)生成式人工智能算法研發(fā)與應(yīng)用的落地，加快構(gòu)建并完善面向生成式人工智能的算法治理已成為完善算法監(jiān)管體系的題中之義。在算法治理體系之中，算法審計(jì)制度有利于算法異化與算法風(fēng)險(xiǎn)的糾偏問(wèn)責(zé)，促進(jìn)算法公平與數(shù)字正義的實(shí)質(zhì)透明，并實(shí)現(xiàn)算法公開與商業(yè)秘密的張力彌合，從而成為算法規(guī)制的關(guān)鍵制度配置。在全流程治理視角下，唯有“用算法審計(jì)算法”，實(shí)現(xiàn)書面合規(guī)審計(jì)與技術(shù)合規(guī)審計(jì)的協(xié)同并舉，才能在算法內(nèi)外部對(duì)算法的透明度、公平性、可控性、包容性和可問(wèn)責(zé)進(jìn)行多維視角的有效評(píng)估。而在算法審計(jì)實(shí)踐之中，現(xiàn)行法仍需完善剛?cè)岵?jì)的差序規(guī)制格局，鞏固分類分級(jí)的精準(zhǔn)治理，以實(shí)現(xiàn)算法審計(jì)內(nèi)外兼修的制度銜接，促進(jìn)算法治理從碎片化監(jiān)管邁向更為一體化、敏捷化、精準(zhǔn)化的治理格局。

發(fā)表于：8/24/2023

“地衛(wèi)智能應(yīng)急一號(hào)”衛(wèi)星發(fā)射成功

8月10日12時(shí)03分，中國(guó)首顆以人工智能（AI）載荷為核心、具備智能操作系統(tǒng)的智能應(yīng)急衛(wèi)星“地衛(wèi)智能應(yīng)急一號(hào)”（又名WonderJourney-1A，簡(jiǎn)稱WJ-1A），在酒泉發(fā)射中心成功發(fā)射并進(jìn)入預(yù)定軌道。這標(biāo)志著浙江本地企業(yè)地衛(wèi)二空間技術(shù)（杭州）有限公司的Wonder Journey 望江山星座的第一個(gè)衛(wèi)星智能體發(fā)射完畢, 即將正式投入運(yùn)營(yíng)。

發(fā)表于：8/11/2023

質(zhì)量重于數(shù)量

在我們對(duì)推動(dòng)算法革命的數(shù)據(jù)展開研究的過(guò)程中，算法透明度和問(wèn)責(zé)制是核心原則。一些人可能誤認(rèn)為這種說(shuō)法是在隱晦地呼吁公開知識(shí)產(chǎn)權(quán)。然而，經(jīng)過(guò)細(xì)致入微的研究，我們發(fā)現(xiàn)了一個(gè)更加復(fù)雜的敘事，即大型語(yǔ)言模型和專有模型之間的區(qū)別。

發(fā)表于：8/4/2023

吳新宙離職之后：小鵬汽車自動(dòng)駕駛的歷史與未來(lái)挑戰(zhàn)

行業(yè)傳出小鵬汽車自動(dòng)駕駛副總裁吳新宙將離職并加入英偉達(dá)，擔(dān)任全球副總裁這一級(jí)別的職位，向黃仁勛匯報(bào)。小鵬汽車在中國(guó)自動(dòng)駕駛領(lǐng)域的地位居于前列，這與吳新宙博士的貢獻(xiàn)密不可分。

發(fā)表于：8/3/2023

臺(tái)積電突然接收中企7nm芯片訂單!

臺(tái)積電突然接收大量中企7nm芯片，這些芯片訂單幾乎都是先進(jìn)的AI芯片。

發(fā)表于：8/1/2023

靠AI和汽車硬撐！20多家半導(dǎo)體大廠Q2財(cái)報(bào)匯總

芯片大廠們Q2的營(yíng)收情況似乎并沒(méi)有比慘烈的Q1改善多少，大廠們?cè)赒2也有了更多的動(dòng)作，他們或是為了保住市占率；或是為下一次強(qiáng)勢(shì)復(fù)蘇做準(zhǔn)備；或是選中了未來(lái)趨勢(shì)，打算先發(fā)制人：TI在Q2卷入價(jià)格戰(zhàn)、SK海力士與三星高調(diào)擴(kuò)產(chǎn)HBM、英特爾獲約100億歐元補(bǔ)貼在德國(guó)建廠、ST攜手三安光電投資32億美元擴(kuò)產(chǎn)SiC芯片......

發(fā)表于：7/31/2023

立即鎖定8月elexcon2023參觀門票

2023年8月23至25日，elexcon深圳國(guó)際電子展暨嵌入式與AIoT展將在深圳會(huì)展中心（福田）盛大舉行，屆時(shí)將匯聚超過(guò) 600+ 家全球嵌入式產(chǎn)業(yè)供應(yīng)鏈廠商及 20+ 場(chǎng)相關(guān)主題論壇。

發(fā)表于：7/27/2023

elexcon2023八月來(lái)襲！AI芯片等熱門展示及20+論壇

2023年，AIGC在AI領(lǐng)域絕對(duì)是高頻詞匯而GPU、車規(guī)級(jí)芯片、第三代半導(dǎo)體等關(guān)鍵詞也在電子行業(yè)上游頻頻出圈。在下一輪市場(chǎng)上升周期到來(lái)之前，企業(yè)如何把脈行業(yè)驅(qū)動(dòng)增長(zhǎng)方向？實(shí)現(xiàn)穿越周期的可持續(xù)發(fā)展？8月來(lái)elexcon2023現(xiàn)場(chǎng)共同尋找答案！

發(fā)表于：7/27/2023