提出论点 好的研究想法,兼顾摘果子和啃骨头。...两年前,曾看过刘知远老师的一篇文章《好的研究想法从哪里来》,直到现在印象依然很深刻,文中分析了摘低垂果实容易,但也容易撞车,啃骨头难,但也可能是个不错的选择。...同时也给出寻找好的研究想法的几种方法:组合法、类比法、实践法,兼顾摘果子和啃骨头。 不仅学术界需要好的研究想法,工业界也需要一个好的工作想法。...学生年代,作为老师的一个不成器弟子,学术上没有什么建树,幸运的毕了业。现如今到了工业界摸爬滚打,虽然换了个环境,但是发现生存的道理没变。 反面例子 不好的工作想法会加剧“卷”的用户体验。...引用 好的研究想法从哪里来 杜跃进:数据安全治理的基本思路 来都来了。
那么什么才是好的想法呢?我理解这个”好“字,至少有两个层面的意义。 学科发展角度的”好“ 学术研究本质是对未知领域的探索,是对开放问题的答案的追寻。...这其中的”新“字,可以体现在提出新的问题和任务,探索新的解决思路,提出新的算法技术,实现新的工具系统等。 在保证”新“的基础上,研究想法好不好,那就看它对推动学科发展的助力有多大。...好的研究想法从哪里来 想法好还是不好,并不是非黑即白的二分问题,而是像光谱一样呈连续分布,因时而异,因人而宜。...那么,好的研究想法从哪里来呢?我总结,首先要有区分研究想法好与不好的能力,这需要深入全面了解所在研究方向的历史与现状,具体就是对学科文献的全面掌握。...所以不如提前考虑,哪些问题是纯数据驱动技术无法解决的。NLP和AI中的困难任务,如常识和知识推理,复杂语境和跨模态理解,可解释智能,都还没有可行的解决方案,我个人也不看好数据驱动方法能够彻底解决。
1.离线实验 离线实验的方法一般由如下几个步骤构成: 通过日志系统获得用户行为数据,并按照一定格式生成一个标准的数据集; 将数据集按照一定的规则分成训练集和测试集; 在训练集上训练用户兴趣模型,在测试集上进行预测...|| 机器学习上的评测指标大部分都是离线指标,只需要训练模型和数据集即可计算。...在计算该指标时需要有一个离线的数据集,该数据集包含用户的历史行为记录。然后,将该数据集通过时间分成训练集和测试集。...最后,通过在训练集上建立用户的行为和兴趣模型预测用户在测试集上的行为,并计算预测行为和测试集上实际行为的重合度作为预测准确度。...一个好的推荐系统不仅需要有比较高的用户满意度,也要有较高的覆盖率。 覆盖率为100%的系统可以有无数的物品流行度分布。为了更细致地描述推荐系统发掘长尾的能力,需要统计推荐列表中不同物品出现次数的分布。
镜头不仅种类繁多,而且质量差异也非常大,但一般用户在进行系统设计时往往对镜头的选择重视不够,导致不能得到理想的图像,甚至导致系统开发失败。...1、工业镜头的安装尺寸,接口 所有的摄像机镜头均是螺纹口的,CCD摄像机的镜头安装有两种工业标准,即C安装座和CS安装座。两者螺纹部分相同,但两者从镜头到感光表面的距离不同。 ?...手动光圈工业镜头是的最简单的工业镜头,适用于光照条件相对稳定的条件下,手动光圈由数片金属薄片构成。光通量靠镜头外径上的—个环调节。旋转此圈可使光圈收小或放大。...它可以将物镜得到的光学图像传输到十几厘米到几米远的地方。中继镜头从光纤束处理到图像后,再将其传送到摄像机的传感器上。通过光纤镜头取得的画面,其质量不如通过普通镜头取得的画面好。...如果目标不反射红外光,或目标将所有红外光都反射到了其它方向,从而致使摄像机接收不到回光,或目标超出了系统的工作范围,都将无法触发系统的自动聚焦功能。
Reality AI 面向工业场景的嵌入式AI应用,如加速度传感器和震动传感器数据,环境音识别等,极大的扩展了 AI On-edge的应用领域。 ?...如以下视频,通过实时手机的加速度传感器的不同状态的数据,通过云端训练对设备的不同状态加以区分,预测加速度传感器设备的剩余适用寿命,并对设备异常加以推理和预测。 ? 或者可以识别不同的环境音- ?...支持如下的内置声音事件识别,并通过工具可自定义扩展支持更多的声音事件识别。除了支持NXP i.MXRT MCU系列外,更可以PORTING支持其他硬件平台,如Cortex M4。 ?...对于AI的工业级应用,有效的数据搜集和标记是AI模型训练和预测的关键,Reality.ai更可以提供详细的工具和指引 - ?...可通过如下链接了解更多内容,更可以下载白皮书 -- https://reality.ai/successful-data-collection-for-machine-learning-with-sensors-part
最近一年,AI领域出现了很多迁移学习(transfer learning)和自学习(self-learning)方面的文章,比较有名的有MoCo,MoCo v2,SimCLR等。...半监督方法的代表是自训练,其使用少量的标记数据和大量的未标记数据对模型进行联合训练。...但谷歌最新的研究表明,在数据量足够的情况下,至少在目标检测任务上,采用自训练得到的预训练模型对检测结果的提升要显著优于监督预训练与无监督预训练模型。...横轴-使用COCO数据集的比例 第二个实验表明,如果主任务(目标检测)的训练集尺寸较小,使用监督方式的预训练模型可以帮助提高检测结果,但随着主任务训练集的增大,使用监督法得到的预训练模型的收益越来越低,...在语义分割方面,研究者也证明了自训练的预训练方式比监督式预训练可以达到更好的效果: ?
--- 拔出你心中最困惑的刺!--- 在这个用过即弃的时代,不要让你的求知欲过期。 今日拔刺: 1、如何评价汽车AI系统?是好“助理”吗? 2、物体速度达到光速的话,现代雷达能探测到吗?...3、红外成像的原理是什么? 本文 | 1603字 阅读时间 | 4分钟 如何评价汽车AI系统 是好“助理”吗?...车载AI系统功能贴心,当你饿了,系统能够根据你的常去的餐馆类别自动推荐附近的类似餐馆;当接近拥堵或经常拥堵的路段系统会提醒你换线;当车辆燃油即将用完时它会主动提醒你加油并优选最近的加油站,然后把路线显示出来...车载AI系统像一个引路人,也像一个朋友。它可以帮我们在驾车时解决很多琐事,这个过程中也减少了司机注意力的分散,从一定程度上来讲降低了交通事故发生的概率。...车载AI系统还可以为司机解闷,司机一直坐在驾驶位置,饿了可以语音呼叫AI来找吃的地方,累了还可以让AI来播放音乐听。
从点到面,AI首先运用在工业的哪一个环节,从何角度切入,都是需要想清楚的问题。...可以看见,目前国内智能制造系统升级投入的主力还是在汽车领域。...他们曾提到,不同于消费电子行业,工业有自己明显的行业特点:对系统安全、设备稳定有着极高的要求,且发展迭代周期慢。...所谓工业,它有着自己的发展迭代速度,而稳定、安全是其不可违背的第一法则,这就要求厂商在智能化推进过程中要抓住材料物理属性等核心点,对“AI用在哪里、如何用”这些问题的思考进行更为深入的思考。 ?...因此在信息化的过程中,信息技术与工业的融入必然要顺应制造本身的发展,而在目前初期磨合阶段,从点到面,AI首先运用在工业的哪一个环节,从何角度切入就成为必须要想明白的问题。
制造业是中国工业化的源头,也是工业生产大国。任何一步的质量都可能影响生产过程的变化。表面缺陷不仅影响产品的美观和舒适性,还会对其性能产生不良影响。因此,制造商对产品的表面缺陷检测非常重视。...对于一些重要的按钮,尤其是停机和上下键安装错误,很容易导致严重事故,因此迫切需要使用人工智能检测手段,引入机器视觉检测,配合AI智能化算法,有效控制产品质量,从而消除或减少缺陷产品的产生,提高生产效率。...图片一、系统架构AI视觉检测系统主要通过光源和图像传感器(工业相机)获取产品的表面图像,利用图像处理算法提取图像的特征信息,然后根据特征信息对表面缺陷的定位、识别、分类等判定与统计,通过图像采集、图像校正...二、系统功能图像采集:500万像素8帧/秒定焦定高工业相机,由算法自动处理,面板高度不同带来的对焦可调整;图像预处理:预处理算法消除每个面板的长、宽、高均不相同,模板制作的好坏、视差的高低所带来的影响。...可扩展性:该系统可不仅仅局限于检修盒面板的检测,所有可以用模板匹配方法解决的问题,都可以无缝采用该软件系统。三、系统软件检验窗口:支持查看待检设备及模板图像、检验结果等,设置系统初始化配置。
新智元报道 来源:TechCrunch 编译:肖琴 【新智元导读】一般的机器学习系统都是以人的视角建立,但华盛顿大学和艾伦人工智能研究所的研究人员试图用狗的行为数据训练AI系统。...研究人员通过传感器等设备采集了一只爱斯基摩犬的运动数据,并以此来训练AI系统实现三个目标:1、像狗一样行动,预测未来动作;2、像狗一样计划任务;3、从狗行为中学习。论文已被CVPR 2018接收。...这项工作的意义在于理解视觉数据,让智能体采取行动并执行任务。 我们已经训练机器学习系统来识别物体,进行导航,或识别面部表情,但尽管可能很难,机器学习甚至没有达到可以模拟的复杂程度,例如,模拟一只狗。...研究者用这个数据集来训练一个新的AI智能体。 对这个agent,给定某种感官输入——例如一个房间或街道的景象,或一个飞过的球——以预测狗在这种情况下会做什么。...当然,不用说特别细节,哪怕只是弄清楚它的身体如何移动,移向哪里,已经是一项相当重要的任务。
但一个系统的好坏往往需要全链路的评定,贯穿于用户的整个交互过程。之所以说好的推荐系统更难定义,是因为虽然算法是核心,但是个性化推荐往往不止由算法构成,这背后需要各种技术支撑。...▌宏观 从宏观上来看,好的推荐系统就是满足用户的需求,帮助其进行路径优化与兴趣发现。微观上来讲,好的推荐系统一定是再为产品服务,不同的产品阶段,我们需要确立不同的推荐系统目标及评价体系。...推荐系统角度 1) 长尾挖掘 挖掘必然是推荐需要去完成的一件事,长尾作为大头的存在,分发过程中需要将把握,或者说长尾挖掘是好的推荐系统需要去完成的任务。...2) 用户不知道什么商品存在 好的推荐系统是既可以根据用户的反馈来推荐,也可以不断帮助用户进行探索,因为用户可能不具有某个领域内的知识,好的推荐系统还需承载帮助用户发现新事物的功能。 4....▌好的推荐系统迭代流程 首先需要明确产品线当前需求,做好推荐系统定位。
焊接在现代制造业中扮演着重要的角色,因此确保焊接质量至关重要。创想焊缝跟踪系统以其智能化的特性,成为提高焊接质量控制的强大工具。本文将简化讨论焊缝跟踪系统的选购,帮助您满足焊接作业的需求。 ...3.精确度和稳定性 系统的精确度和稳定性是关键因素。确保系统能够准确检测焊缝并在不同工作条件下保持一致性。可以与制造商联系,评估系统的性能。 4.集成性 好的焊缝跟踪系统应与您现有的生产线集成。...确保系统具有用户友好的界面,能够直观的找到自己所需要的功能,并且操作简单,以帮助您管理和改进焊接过程。 6.培训和支持 购买系统后,操作人员需要受到培训,以正确使用和维护系统。...了解制造商是否提供培训和技术支持服务,确保您的团队能够充分利用系统的功能。 7.考虑成本 最后,考虑成本因素。不同系统的价格差异很大,因此需要制定预算并与多个制造商进行比较。...要在性能和成本之间找到平衡,便宜的系统可能不一定满足需求,而昂贵的系统也不一定是最佳选择。 结论 选购好的焊缝跟踪系统对确保焊接质量至关重要。
微服务的优势 大项目可以持续交付 微服务将一个大系统拆分成很多个互相独立的服务,每一个服务都可以由一个团队去完成,并且配备自己的开发、部署,而且可以独立于其他的团队。...,不同的系统独立部署,压力大的时候,可以独立进行集群化部署,这些操作都不会影响到已经运行的其他微服务,非常灵活。...服务的拆分 个人觉得,这是最大的挑战,我了解到一些公司做微服务,但是服务拆分的乱七八糟。这样到后期越搞越乱,越搞越麻烦,你可能会觉得微服务真坑爹,后悔当初信了说微服务好的鬼话。...分布式系统带来的挑战 记得以前在网上看到过一个段子: 没用分布式架构之前,你只有一个问题:并发性能不足。...这个段子形象的说明了分布式系统带来的挑战。
对于想要在网络上建设网站的用户而言,首先需要为网站购买一个合法的域名,不过很多人对于购买域名并没有实际的经验,因此往往不知道在哪里才能买到需要的域名。那么买域名哪里好?域名供应商的选择标准是什么?...买域名哪里好呢 域名是外部用户访问用户网站的地址,只有准确的地址才能够让别人进入自己的网站,并且域名和网址并不是相等的关系,域名需要经过解析才能够获得网址。...域名的选择标准 很多人在网络上查找后会发现,提供域名的域名供应商在网络上是非常多的,那么买域名哪里好?域名供应商如何来选择呢?...其实有心的用户会发现,网络上的域名供应商虽然多,但不少域名供应商的都只是代理的性质,所提供的域名种类相对比较少,因此在选择域名供应商时应当尽量挑选那些一级域名商,这样可以选择的域名种类会更加丰富。...买域名哪里好?如何挑选域名供应商?
大家好,又见面了,我是你们的朋友全栈君。...本文首先介绍了工业废气检测系统的研究背景意义,同时结合国内外气体检测技术的发展现状,提出了基于ZigBee的工业废气监测系统设计方案。随后本文简要介绍了ZigBee技术并提出了系统总体设计方案。...根据系统的系统实际应用的工业现场环境,并结合我国气体浓度监测技术的发展现状,要求基于ZigBee的工业废气监测系统具有以下两个特点。...本章主要对基于ZigBee的工业废气监测系统在中小型工厂生产中的市场需求进行了分析。 3. 提出了基于ZigBee的工业废气监测系统的总体设计方案及上位机监控方案。...外部管脚有模拟输出(AO)、SCL、SDA、地址引脚(A0-A2),四个模拟输入(AI0-AIN3)。其中地址引脚用来对硬件地址编程,从而可对连接到I2C总线上的8个PCF8591模块进行选择。
《系统日报》持续关注分布式系统、AI System,数据库、存储、大数据等相关领域文章。每天以摘要的形式精选不超过三篇系统文章分享给大家。...以GPT3为代表的大深度学习模型是现在很火的技术,Colossal-AI 的目标就是解决大模型训练过程遇到的各种分布式难题。...它也算是目前该领域前沿研究的集大成者,很适合想了解MLSys却又不知如何下手的萌新去围观。 最近几年的 AI 模型正在急速变大,训练常常需要需要多个 GPU,比如训练 GPT3 需要几千个 GPU。...Colossal-AI 的愿景是让用户仅需少量修改,便可将已有 PyTorch/TensorFlow 项目与 Colossal-AI 结合,快速将单机代码自动、高效地扩展为分布式系统。...Feature Map):每一层输出的中间结果,训练过程中每个神经网络层的输出。 Colossal-AI 实现的分布式训练技术包括数据并行、张量并行、流水线并行、ZeRO并行和 offload 并行。
在今天的一篇博客文章中,研究人员Mayank Bansal和Abhijit Ogale详细介绍了一种训练方法,可以标记数据,即来自专业加试示范的Waymo数百万英里已标记数据,以监督的方式训练AI驾驶员...我们能否使用纯粹的监督深度学习方法训练出技术熟练的驾驶员?”...Waymo的AI系统在模拟环境中绕过停着的汽车 为了创建一个能够模仿专业驾驶员的系统,他们精心设计了一个神经网络,名为ChauffeurNet,通过观察真实和模拟数据的组合,包括地图,周围物体,交通,过去的汽车运动...为了教会网络适应极端情况,团队合成了近乎意外和与对象的碰撞的情况,后者与非奖励因素搭配,鼓励AI模型避免这些情况。 ?...因此,完全由机器学习的系统取代Waymo计划器的门槛非常高,尽管来自这样一个系统的组件可以在Waymo计划器中使用,或可用于在计划器的模拟测试期间创建更现实的智能体。”
与此同时,“智能相对论”看到,为淘宝天猫、Google等平台与各大美妆品牌提供AI+AR虚拟试妆服务的玩美移动也继续针对C端用户推出玩美AI智能粉底 (YouCam AI ShadeFinder)、玩美...玩美移动扩展人工智能深度学习算法与3D AR增强现实等技术的应用范围,推出AI+AR虚拟试发、玩美AI肌肤检测 (YouCam AI Skincare)、Facebook AR聊天机器人、扫码试妆与带有肌肤检测功能的美妆镜等相关服务和产品...保养品方面,利用旗下美容医疗产业AR公司ModiFace的技术,先是藉由AI来分析使用者的整体皮肤状况及可能会影响皮肤状况的当地环境条件,再结合用户输入的个人喜好及需求后,Perso才会在系统内部进行混合制作...总体而言,线上平台所呈现的虚拟试妆效果与线下实际试用差别不大。部份系统自带美肌功能,使得唇彩及眼影的色调更加贴近平时化完整妆后的效果。...一些网页版还可使用系统自带的模特,并自定义光线,更直观地体现妆容在不同光线下的效果。 ?
谷歌的反转让人唏嘘,虽然其明确了“不会追求的AI应用”,但技术作恶还是人作恶的问题,AI伦理再次引人深思。 一 AI伦理的边界在哪里? 如果说谷歌近期来不太平,那么亚马逊Alexa的日子也不好过。...但是上线不到一天,Tay 就被“调教”成了一个满口叫嚣着种族清洗、粗野不堪的极端分子,微软只好以“系统升级”为由将其下架。 微软机器人Tay的极端言论 这着实让人细思极恐。...智能相对论(aixdlun)分析师柯鸣认为,随着AI弊病的凸显,AI伦理问题也将日益得到重视。AI伦理的边界到底在哪里?首先应该明确几个问题。 1.机器人是否成为民事主体?...同样,随着AI入侵招聘领域、金融领域、智能搜索领域等等,我们所训练出来的“算法机器”是否能够真正的万无一失。在求贤若渴的当代社会,算法是否能够帮助公司选出千里挑一的那个人,这都有待考究。...那么,歧视的来源是哪里?是打标签者的别有用心,是数据拟合的偏差,还是程序设计哪里出了bug?机器所计算出的结果,能为歧视、不公、残酷提供理由吗?这些都是值得商榷的问题。
领取专属 10元无门槛券
手把手带您无忧上云