【免費活動】10/22 (四) 南部小聚!!
連假後第一波人工智慧小聚🤣😍讓您一次體驗兩個最有趣最有意思的人工智慧主題:「神經網路搜索與圖神經網路」👍👍👍對人工智慧有興趣的你千萬不要錯過!!
活動日期:2020/ 10/ 22 (四)
活動地點:台南市東區北門路二段16號 台南文化創意產業園區 4樓B區(富貴文創講堂)
活動時間:19:00-21:30
報到時間:18:30起
👉報名網址:https://forms.gle/vaV6AYeGbp3jjAbQ6
👉活動詳細資訊:https://aiacademy.tw/tainan-meetup-20201022/
#免費報名參加 #最多不同產業人才的聚會
【講題:一次就好嗎? One-shot Neural Architecture Search介紹!】
神經網路搜索(Neural Architecture Search, NAS)在現今因為 Edge AI 的發展也越來越受大家重視。然而最一開始的NAS進行一次搜索是需要非常大量的資源的,直到One-shot NAS 出來之後才大幅度的減少 NAS 的搜索成本,但是究竟One-shot NAS究竟是透過什麼樣的方式達到 One-shot 同時又兼顧搜索品質的目的呢?本次將會詳細的與大家介紹 One-shot NAS!
【講題: 圖神經網路(Graph Neural Network)初探】
由奇美實業的AI工程師黃慧瑜,現就讀於交大智慧計算與科技研究所。深度學習發展至今已可以在結構化資料上被很好的應用,例如圖像、語音、文本等,也有大量相關的應用例如人臉識別、語音助理、機器翻譯等。然而,圖(Graph)形式的數據卻難以在早期的深度學習模型框架(例如CNN、RNN)下被很好的應用,這樣形式的數據多出現在例如電子商務、社交網路、化學和生物製藥等,近年也被應用在視覺推理和3D點雲數據的學習。與傳統的結構化資料不同,圖(Graph)是一種具有全適性(ubiquitous)的資料結構,透過節點「標籤(表示)」和「連結方向」來構成,可以表達絕大部分的實體關聯性。講者將在本次meetup與大家介紹圖神經網路(Graph Neural Network,GNN)此一深度學習的子領域,旨在增進大眾對圖神經網路的了解和研究興趣,並會分享講者將GNN應用在關鍵點偵測的實作案例。也歡迎現場參與的朋友一同交流!
#提供輕食餐點不讓你餓 #加入小聚行列
活動詳細資訊:https://aiacademy.tw/tainan-meetup-20201022/
「gnn神經網路」的推薦目錄:
- 關於gnn神經網路 在 台灣人工智慧學校 Facebook 的精選貼文
- 關於gnn神經網路 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
- 關於gnn神經網路 在 台灣人工智慧學校- 【免費活動】10/22 (四) 南部小聚!! 連假後第 ... 的評價
- 關於gnn神經網路 在 joeat1/GNN_note: 图神经网络整理 - GitHub 的評價
- 關於gnn神經網路 在 人工智能的下一個轉捩點:圖神經網絡迎來快速爆發期 - PTT新聞 的評價
- 關於gnn神經網路 在 [Meetup] Introduction to GNN - 杜岳華- YouTube 的評價
- 關於gnn神經網路 在 什么是图神经网络GNN?【知多少】 - YouTube 的評價
gnn神經網路 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
智慧車需具備PACCE五大特點 方能從Car 1.0進化至2.0版
林芬卉 2018-09-12
Semicon Taiwan 2018智慧汽車國際高峰論壇,從汽車產業鏈上、中、下游主要業者觀點,提出未來智能車由Car 1.0版進化至2.0版,需朝幾個方向發展,包括駕駛方式改變、車聯網的普及、新移動概念等,而汽車未來將具備「PACCE」五大特點。
現在智慧汽車以搭載ADAS功能為主(又稱Car 1.0版),未來5~10年具Level 2~3等級自駕車成長將顯著,最終目標為開發Level 4~5自動駕駛汽車(簡稱AD,又稱Car 2.0版);ADAS與AD不同處在於,前者資料主要在Edge端處理,後者則由中央超級電腦處理所有匯集的資訊。
從製造觀點來看,傳統汽車大廠先以ADAS為基礎,再以step-by-step方式向上做到AD等級,也就是由Car 1.1、Car 1.2、Car 1.n、再進化至Car 2.0版;相對的,科技大廠採取一步到位方式,直接開發Car 2.0版的全自駕車款。
由上述可知,汽車產業在正進行極大變革,而未來汽車將具備「PACCE」五大特點,包括Perception(感知)、Assessment(評估)、Control(操控)、Communication(通訊)、Expectations(期望)。
Perception方面,未來智慧車會使用多重感測器,其中,車用相機模組需求量顯著增加,以產值計2016~2020年複合成長率將達24%。現常與相機模組搭配的感測器為毫米波雷達,其優勢為即使在大雨中惡劣環境、物件辨識效果僅減損10%,也就是說可補足其他感測器易受外界環境影響的缺點;而超過75%車用毫米波雷達系統會結合軟體演算法,靜態物件主要以卷積神經網路(CNN)辨識,動態物件則主要採用循環神經網路(RNN)及遞歸神經網路(GNN)等技術。
目前光達(LiDAR)價格雖然偏高,但車廠會優先採用成本較低的固態光達,預估大量生產下固態光達價格將可降至200~250美元,而光達好處是影像可作到無縫接合。
汽車如同人類一般具有感知功能,接下來就需進行路況的評估(Assessment),也就是車子需瞭解交通規則、知道可行駛的路徑、作到即時辨識及適應路況等。有了感知及評估能力後,汽車亦要能自動操控(Control)各種動作,如前進、煞停、轉向等。
當汽車要作到良好的自我操控性,需經過不斷的深度學習及路測。據車廠統計,當100輛的自駕車隊以每小時25英哩速度行駛,並以1年365天、1天24小時進行路測,即可蒐集到足夠的數據量,信心度可達95%。
為強化汽車信賴信及補足感測器無法全面偵測的缺點(如轉角處車輛被大樓檔住),未來汽車亦需具備通訊(Communication)及聯網功能;又因車子會與車、路、人、基礎設施等連網,故每輛車每天蒐集到的資料量高達4,000GB,此時車聯網需導入共通標準,以確保各裝置間能以共通語言進行對話。
值得注意是,現車聯網兩大技術DSRC及C-V2X正在推行,兩者各有其優缺點,晶片業者如以色列商Autotalks為解決車廠或Tier 1業者選邊站的難題,因此發展出雙模V2X晶片組。
除自駕車技術不斷往前推進外,車廠亦需考量到消費者對於自駕車的期待(Expectations)及看法。據市調機構針對主要國家消費者調查,若是完全自駕功能的汽車(Full Autonomous Vehicles),有6~8成的人認為安全上仍有疑慮;此時需要仰賴AI技術不斷對自駕車進行深度學習及訓練,以優化其自我駕車能力。
目前已商用化、並在路上行駛的最高等級自駕車為奧迪(Audi)A8的Level 3車款,隨著AI將滲透到人類生活各層面(包含行動運輸工具),預估2035年將有5,400萬輛自駕車上路。
為因應完全自駕車時代來臨,未來汽車產業由「3S」所組成,包括Semiconductor(半導體)、Software(軟體)、System(系統),而對3S掌握度愈高的業者,未來在汽車生態系中愈有勝出機會。
附圖:Semicon Taiwan 2018智慧汽車國際高峰論壇提出智能車需具備PACCE五大特點。林芬卉
資料來源:https://www.digitimes.com.tw/iot/article.asp…
gnn神經網路 在 joeat1/GNN_note: 图神经网络整理 - GitHub 的推薦與評價
GNN. 神经网络的迅速发展,也推动着将神经网络运用到图这一特殊的数据结构的相关研究。 图是一种非欧式结构的结构化数据,它由一系列的对象(nodes)和关系 ... ... <看更多>
gnn神經網路 在 人工智能的下一個轉捩點:圖神經網絡迎來快速爆發期 - PTT新聞 的推薦與評價
作者| 劉忠雨編輯| 蔡芳芳圖神經網絡(GNN,Graph Neural Networks)是2019 年AI 領域最熱門的話題之一。圖神經網絡是用於圖結構數據的深度學習架構, ... ... <看更多>
gnn神經網路 在 台灣人工智慧學校- 【免費活動】10/22 (四) 南部小聚!! 連假後第 ... 的推薦與評價
神經網路 搜索(Neural Architecture Search, NAS)在現今因為Edge AI 的發展也越來越受 ... 講者將在本次meetup與大家介紹圖神經網路(Graph Neural Network,GNN)此一深度 ... ... <看更多>