• img
    機器學習以統計學為理論基礎,利用算法讓機器具有類似人類一般的自動“學習”能力,即對已知的訓練數據做統計分析從而獲得規律,再運用規律對未知數據做預測分析。特征工程是我們提取、選擇用來表示訓練樣例和實例的最重要的特征供機器學習算法處理的過程...
  • img
    深度學習是利用復雜的多級「深度」神經網絡來打造一些系統,這些系統能夠從海量的未標記訓練數據中進行特征檢測。 計算能力的提升和可獲得的數據的增加是深度學習的兩個關鍵驅動因素。機器學習的很多進步都是受到計算能力和數據的驅動...
  • img
    人臉識別是模式識別和圖像處理領域最前沿的研究課題之一,尤其是人臉表情識別這個領域,由于人臉表情非常復雜,計算機識別并不容易,所涉及到的數據密集,計算量大,重復性高,具有典型的并行計算的特點,而且在這樣的數字圖像處理領域,隨著研究內容和算法 ...
  • img
    該項目需要大量并行計算核心,同時由于處理的對象大多為視頻流數據,對于數據的緩存讀取,存儲數據的I/O性能,結果數據的顯示清晰度都有嚴格要求。另外,初期的建設只是為了滿足現有計算的需求,還需要考慮未來的無縫擴容,技術的升級需求...
  • img
    為進一步推動科研發展和人才培養,滿足不斷增長的高性能計算和大數據分析需求,南京信息工程大學于2015年下半年著手計劃建設專屬Hadoop集群實驗室,用于大數據分析研究及更多后續擴展。項目對于高性能計算和大數據分析與處理有著極高的需求...
  • img
    無人機上掛載的視頻拍攝裝置將采集的視頻信號傳輸并處理,然而高分辨率的圖像數據往往量大,而且隨著地面分辨率提高,需要傳輸的圖像數據量呈幾何級數增長,數據碼速度也迅速增長到幾百Mbit/s,因此圖像數據處理傳輸毫無疑問成為無人機開發及應用的難點 ...
  • img
    計算電磁學所涉及的大型數據計算具有數據量大、運算密集、算法復雜等特點,如何快速、高效地通過處理海量數據是計算電磁學研究所面臨的重要挑戰。隨著通用GPU計算技術的飛速發展,GPU的運算性能不斷提高,具有浮點運算能力強、運算密集度高等特點...