标签:偏见

硬件如何偏见AI数据
通过埃德·斯珀林9月- 10,2019 -评论:1

干净的数据是至关重要的在人工智能和机器学习好的结果,但是数据可以在多个阶段成为偏见和不准确的生成与时刻它一直到产生时它可以发生的方式并不总是显而易见的,常常难以分辨。公然数据腐败产生错误的结果,相对容易识别……»阅读更多

系统信息:8月13日
通过杰夫Dorsch8月- 13,2019 -评论:0

密切关注作物密苏里大学的研究人员与美国农业部农业研究服务于普通数码相机搭配新颖的微型红外摄像机系统提供温度数据和作物的详细图像。“用红外摄像头监控作物温度会很棘手,因为很难diff……»阅读更多

人工智能的自动化
通过布莱恩•贝利- 3月28日,2019 -评论:0

半导体工程坐下来讨论EDA的作用与道格莱彻自动化人工智能和机器学习,总裁兼首席执行官的指标;首席执行官丹尼尔·汉森Verifyter;首席科学家验证哈利培养导师,西门子的业务;产品管理总监拉里悟道,抑扬顿挫;Manish Pandey, Synopsys对此研究员;首席执行官和Raik Brinkmann……»阅读更多

建筑AI soc
通过埃德·斯珀林- 10月25日,2018 -评论:0

罗恩·洛曼Synopsys对此战略营销经理,看人工智能正在使用和如何开发芯片时,算法几乎不断变化的状态。包括移动什么边缘与数据中心,如何压缩算法,技术被用于加快这些芯片,减少权力。https://youtu。/ d32jtdFwpcE……»阅读更多

悲观、乐观和神经形态计算
通过凯瑟琳德比郡7月- 20,2017 -评论:0

我一直在研究这一系列神经形态计算,我知道了,有两种观点。,我叫“乐观”的观点,通常由计算机科学家和电气工程师,专注于这种可能性:无人驾驶汽车。房屋,可以学习主人的需求。自动化的医务助理。另一方面,“悲观主义者”的观点,经常帮助……»阅读更多

机器学习的阴暗面
通过安Mutschler- 05年7月,2017 -评论:0

机器学习可以用于许多目的,但并不是所有的好还是故意的。虽然大部分的工作进行重点是机器学习算法的发展,如何培养这些系统,以及如何使他们跑得更快,多做,这项技术有一个阴暗面。一些涉及到组织的观察还可以用于机器学习。所以…»阅读更多

道德和奇点
通过布莱恩•贝利- 1月26日,2017 -评论:0

几周前,我写了一篇题为乘数和奇点。这篇文章一直好评,我感谢那些取得了一些有趣的评论。这样的文章很难写没有插入作者的偏见。作为一个作家,我有很多自己的想法,甚至可能偏见,但这些并不意味着进入我的世界…»阅读更多

让我们见面在通过酒吧!
通过让-玛丽•深色- 30,2013 -评论:0

让-玛丽•深色的28 nm和下面,各种新的设计需求迫使我们调整传统的数字设计布局和验证过程。通过的使用,尤其明显的影响。引入了新的通过类型,以及双模式,FinFETS等新的设计技术不仅带来了相当大的increa……»阅读更多

  • 赞助商

关于

导航

与我们联系

版权©2013 - 2023 SMG |服务条款|隐私政策
Baidu