檢索結果：共17筆資料 檢索策略： "深度神經網路".ckeyword (精準)
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
在這幾年來深度神經網路不斷的發展及進步，在許多的任務中達到令人印 象深刻的結果，為了要達到更好的結果，眾人不停的在資料集、特徵處理或者 模型架構、參數調校方面花費許多心力，而模型的穩健性往往被人忽略…
2
本論文提出一仿效人類取物策略於機器手臂之深度圖像夾取姿態與位置辨識系統，其系統分為物體分類和夾取姿態生成。在物體分類方面使用本論文設計之自動樣本訓練系統，透過物件特徵提取及合成演算法，自主生成物…
3
一個資料集的好壞能大大的影響深度學習模型訓練出來的準確率，若資料集不完全或是與使用環境差異很大，常常會造成模型辨識的錯誤。在交通物件資料集中，大部分的資料集都是來自國外，但國外的交通環境與台灣的相差…
4
隨著深度神經網路(DNN)模型辨識準確率的提高，人工智慧（AI）的應用變得更加豐富多元。AI更被大量應用到物聯網（IoT）系統中，其中邊緣運算技術成為了常見的解決方案，而雲端至邊緣設備上的傳輸延遲將…
5
深度神經網路被廣泛應用於各種領域上，如影像辨識、資料分析、自然語言處理等。 高準確率的模型往往伴隨著百萬數量級的參數，如何建構更深層的神經網路達到高準確率成了當前的研究熱潮。另一方面，將神經網路建立…
6
近年來，深度神經網路 (Deep Neural Network, DNN) 快速得發展，至今已應用在許多領域，例如智慧家電、人臉辨識與自動駕駛等等。深度神經網路模型透過大量的訓練資料，使正確率 (A…
7
在晶片設計流程中，靜態電壓衰退 (IR-drop) 分析是極為重要且必定會執行的程序，它甚至可以在整個設計流程中會被重複執行多次，尤其是在工程改變命令 (Engineering change ord…
8
基於神經網路的應用雖然能夠有效地解決許多現代複雜的問題，然而由於 訓練深度神經網路模型需要大量的計算成本及訓練資料，對於資源有限的中小 企業或個人單位可能難以負擔。因此將訓練複雜模型的工作外包給第三…
9
深度學習為機器學習的分支，隨著科技的日新月異，深度學習已成為人工智慧中成長最快速的技術，其主要功能是讓機器模擬人類神經網路的運作方式，而深度神經網路又為深度學習最常使用的架構，已經被廣泛應用在許多領…
10
近年來，深度神經網路 (Deep Neural Network, DNN) 被廣泛的應用在許多領域之中，例如自動駕駛、人臉辨識以及智慧家電等，深度神經網路模型透過大量的訓練資料，使正確率 (Accu…