• img
    浙江大學冷凍電鏡中心實現科研突破
    冷凍電鏡,是用于掃描電鏡的超低溫冷凍制樣及傳輸技術(Cryo-SEM),可實現直接觀察液體、半液體及對電子束敏感的樣品,如生物、高分子材料等。冷凍電鏡技術是結構生物學研究的利器,是可以和測序技術、質譜技術相提并論的第三大技術...
  • img
    三星電子北京研究院項目
    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
    哈爾濱工業大學深圳研究院項目
    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
    華僑大學項目
    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復雜度的不斷增加...
  • img
    香港中文大學項目
    深度學習包括兩大關鍵活動:分類和卷積的性能,在研究中需要很高的內在并行度、大量的浮點計算能力以及矩陣預算,而這些能力GPU可以提供,并且在相同的精度下,相對傳統CPU的方式,GPU計算解決方案擁有更快的處理速度、更少的服務器投入和更低的功耗...
  • img
    南京大學軟件新技術國家重點實驗室項目
    南京大學計算機科學與技術系軟件新技術國家重點實驗室在數據挖掘上進行深度應用研究,為機器學習的發展提供了有效的數據基礎。數據挖掘可以視為機器學習和數據庫的交叉,它主要利用機器學習界提供的技術來分析海量數據,利用數據庫界提供的技術來管理海量數據...
  • img
    西安交大電信學院項目
    在視覺認知計算和人工智能研究的過程中,西安交通大學人工智能與機器人研究所發現,高單精度的浮點計算能力給研究帶來了福音,每秒數萬億次的計算能力,可以大大減少機器學習的認知過程。同時在數據處理上,可以盡可能的發揮線程任務的計算能力...
  • img
    微軟中國項目
    微軟在科研中深刻地認識到,深度學習研究要求調動較多的計算資源,充分發揮系統的處理能力,處理越來越多的數據,然而龐大的數據量是傳統的處理器無法處理完成的,所以需要大量的服務器來合作。如果沒有大量的服務器,那就將計算壓力分給 GPU,GPU 對數據的處理更快...
  • img
    西安交通大學計算機學院項目
    西安交通大學在深度學習和人腦識別領域的科研中需要建立高度參數化的神經元模型,這種數字模型能夠形成所謂像大腦計算一樣的根本性信息處理單元,同時支持廣泛的確定及隨機的神經計算、編碼和行為,有望反映出人腦感覺、認知及行動的效率 ...
  • img
    利用 CUDA實現深層人形圖像分割網絡
    速度和精度是評價人形分割算法的兩個主要性能指標,也是該方法能否實現大規模應用的決定性因素。因此,研究更大規模(更深層次)的分割網絡,以及設計更快速度的分割模型成為了人形分割的主要研究方向...
  • img
    GPU 讓 Linkface 成為人工智能市場黑馬
    刷臉支付、人臉追蹤、面部考勤……作為新的身份標志,人臉正在被廣泛應用到種種場景中。人臉識別領域有著龐大的市場潛力,但同時又對技術的要求極高。近年來,各國技術團隊在各項專業競賽中的不斷超越極限,并在實踐中摸索技術與市場的契合點...