智能制造
-
数智赋能未来|第四届智能制造发展与应用大会成功举办
10月28日,2021第四届智能制造发展与应用大会在苏州工业园区金鸡湖畔隆重举行。大会以“数智赋能未来”为议题,邀请了来自同济大学&不来梅大学、博世、大华股份、儒拉玛特、康耐视、GAMI(全球先进制造研究所)、IoT ONE、MESA国际等国内外专家、学者200余人,深度探讨,共飨行业精彩盛宴。本届大会由智能制造发展与应用大会发起,儒拉玛...
-
SMAS大会倒计时!第四届智能制造发展与应用大会即将在苏举行
由苏州工业园区管理委员会,苏州市工业和信息化局指导,SMAS主办,儒拉玛特(苏州)承办,苏州欧洲商会(DUSA)协办的“第四届智能制造发展与应用大会”即将于10月28日在苏州举办,诚邀您参加!报名即将截止,席位所剩不多,先到先得!伴随全球制造业转型升级、数智绿色发展的时代潮流,新一代的高新技术与制造业深度融合。“智能制造发展与应用大会” ...
-
第四届智能制造发展与应用大会即将在苏举行|SMAS
由SMAS主办,儒拉玛特(苏州)承办,苏州欧洲商会(DUSA)协办的“第四届智能制造发展与应用大会”即将于10月28日在苏州举办,诚邀您参加!伴随全球制造业转型升级、数智绿色发展的时代潮流,新一代的高新技术与制造业深度融合。“智能制造发展与应用大会” SMAS成立的初衷是通过分享智能制造实践案例和方法论,同时提供渐进式的应用规范及实施指导...
-
智能制造起步于工业智能 融于人工智能
构建智能系统,尤其是数量巨大的初级智能系统,并非首先用到人工智能,而是首先用到由长期的工业技术积累所形成的工业智能和其它智能技术。智能系统的定义与识别实现智能制造,需要构建和识别各式各样的智能系统。符...
-
猎豹移动全系列机器人亮相 AI赋能智能制造
2018中国网络安全智能制造大会近日在长沙国际会展中心落幕,猎豹移动旗下机器人—接待服务机器人豹小秘、无人咖啡亭豹咖啡,小豹翻译棒和小豹AI音箱成为大会亮点。展会现场,豹小秘承担起接待迎宾的重任,为前来参观...
-
AI+made in China 百度大脑邀你来苏州谈谈智能制造那些事
中国制造,世界范围内认知度最高的标签之一。凭借着庞大的体量,“made in China”横跨洲与洋,成为最广为人知的中国名片。如今,以人工智能技术为核心的第四次工业革命风起云涌,如何从“制造”走向“智造”?如何应...
快讯
- 3天前
祝贺!2022国际CMF设计奖·颁奖典礼于深圳圆满举办
- 6天前
一种特殊的循环神经网络:长短期记忆网络
- 6天前
深度学习中常用的技术:自注意力机制(Self-Attention)
- 6天前
空间金字塔池化网络(SPPNet):用于图像分类和目标检测的深度神经网络
- 6天前
Transformer:用于自然语言处理的深度神经网络模型
- 6天前
蒙特卡洛树搜索(Monte Carlo Tree Search,MCTS):一种基于模拟的搜索算法
- 6天前
深度神经网络学习模型:残差网络(ResNet)
- 6天前
图数据的深度学习模型:图卷积网络(GCN)
- 6天前
数字孪生仿真技术的前沿发展趋势
- 6天前
利用数字孪生仿真技术打造新一代机器人的优势和挑战
- 7天前
机器学习有哪些常用算法,性能怎么样,有什么优缺点?
- 1周前
基于深度学习的自然语言处理模型综述
- 1周前
人工智能技术在现代科技发展中的作用
- 1周前
人工智能是怎么改变艺术与创作的?
- 1周前
CHATGPT对人工智能领域的影响
人物
-
祝贺!2022国际CMF设计奖·颁奖典礼于深圳圆满举办
2023年3月17日晚上7点,由国际CMF设计奖.组委会主办的【2022国际CMF设计奖CMF DESIGN AWARD ·颁奖典礼】于中国深圳隆重举办。大奖组委会及评委团专家、国内外资深CMF专家及行业领导在现场为获奖单位颁发获奖证书与奖杯。【2022国际CMF设计奖CMF DESIGN AWARD ·颁奖典礼】盛况国际CMF设计奖是全...
-
一种特殊的循环神经网络:长短期记忆网络
长短期记忆网络(Long Short-Term Memory, LSTM)是一种特殊的循环神经网络,由Hochreiter和Schmidhuber于1997年提出,用于解决传统循环神经网络(RNN)在长时间序列训练中出现的梯度消失或梯度爆炸问题。LSTM可以通过门控机制来决定是否记住或遗忘过去的信息,从而使其可以更好地处理长时间序列数据。...
-
深度学习中常用的技术:自注意力机制(Self-Attention)
自注意力机制(Self-Attention)是一种深度学习中常用的技术,主要用于处理序列数据,如自然语言处理中的文本。自注意力机制通过计算每个词与其他词之间的相似度来建立它们之间的关系,并根据这些关系来加权地计算每个词的表示。在自注意力机制中,每个词的表示由三部分组成:查询向量(query vector)、键向量(key vector)和...