新一代移動(dòng)端深度學(xué)習推理框架TNN，通過(guò)底層技術(shù)優(yōu)化實(shí)現在多個(gè)不同平臺的輕量部署落地，性能優(yōu)異、簡(jiǎn)單易用。騰訊方面稱(chēng)，基于TNN，開(kāi)發(fā)者能夠輕松將深度學(xué)習算法移植到手機端高效的執行，開(kāi)發(fā)出人工智能 App，真正將 AI 帶到指尖
達摩院金榕教授介紹了語(yǔ)音、自然語(yǔ)言處理、計算機視覺(jué)三大核心AI技術(shù)的關(guān)鍵進(jìn)展，并就AI技術(shù)在在實(shí)際應用中的關(guān)鍵挑戰，以及達摩院應對挑戰的創(chuàng )新實(shí)踐進(jìn)行了解讀
2020年5月底OpenAI發(fā)布了有史以來(lái)最強的NLP預訓練模型GPT-3，最大的GPT-3模型參數達到了1750億個(gè)參數
解決了傳統圖卷積神經(jīng)網(wǎng)絡(luò )中圖節點(diǎn)學(xué)習到的特征對圖分辨率和連接關(guān)系敏感的問(wèn)題，可以實(shí)現在低分辨率的三維形狀上學(xué)習特征，在高低分辨率形狀之上進(jìn)行測試，并且保持不同分辨率特征的一致性
外賣(mài)履約時(shí)間預估模型，預估的是從用戶(hù)下單開(kāi)始到騎手將餐品送達用戶(hù)手中所花的時(shí)間
記憶增強的圖神經(jīng)網(wǎng)絡(luò )對短期的商品語(yǔ)境信息建模，并使用共享的記憶網(wǎng)絡(luò )來(lái)捕捉商品之間的長(cháng)期依賴(lài)，對多個(gè)模型進(jìn)行了對比,在Top-K序列推薦中效果極佳
馬庫斯系統性地闡述了對當前AI研究界的批判，從認識科學(xué)領(lǐng)域中針對性地給出了11條可執行的建議
MIS 和RMIS觸覺(jué)傳感器最常用的傳感原理是基于電氣的傳感器。這些觸覺(jué)傳感器進(jìn)一步分為壓阻型、壓電型和電容型傳感器
應用于MIS的觸覺(jué)傳感器主要是基于電學(xué)或光學(xué)原理開(kāi)發(fā)的，應該是小尺寸和圓柱形的，可在導管的管身或尖端集成
非接觸式檢測平臺FluSense由麥克風(fēng)陣列和熱成像攝像機組成，用于捕捉不同的候診室人群行為，包括咳嗽和語(yǔ)言活動(dòng)以及候診室病人數量
通過(guò)機械機構實(shí)現機械手到工具的動(dòng)力傳遞，無(wú)需外部控制及供能，對機器人的避障路徑規劃影響極小
神經(jīng)網(wǎng)絡(luò )的敏感性分析方法可以分為變量敏感性分析、樣本敏感性分析兩種，變量敏感性分析用來(lái)檢驗輸入屬性變量對模型的影響程度，樣本敏感性分析用來(lái)研究具體樣本對模型的重要程度
