首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

微软,英特尔腾讯纷纷加入黄瓜种植竞赛

由微软,英特尔腾讯员工领导的研究员团队,正在参与一场黄瓜种植竞赛,以运营自动温室,探索AI在室内农业的应用。 荷兰瓦赫宁根大学的自动温室挑战赛于9月开始,并于12月结束。...瓦赫宁根大学的工作人员进入温室进行清除黄瓜或切叶等任务,但传感器通知的算法控制着20种输入,屋顶通风,人工照明和加热,这些都会影响植物的生长。...比赛的结论由瓦赫宁根的园艺工作人员监督评判,将于12月与公众分享。 主要由瓦赫宁根大学研究人员组成的评审团将根据资源效率,AI模型的鲁棒性以及他们用于种植黄瓜的方法的可持续性来选择获奖者。...Hemming说,由于现有建模数据专有技术的数量,黄瓜被选为测试作物。“这不是要将黄瓜从藤上剪下来,然后将其放入塑料袋或其他东西,整个温室就像个机器人,所以它应该是完全自动的。...腾讯希望探索室内室外农业的机会,以了解AI如何在全球范围内提高粮食生产力水平。据联合国统计,到 2030年,预计该地球将拥有85亿人口。

52720

TensorFlow 全网最全学习资料汇总之TensorFlow的技术应用【4】

欢迎技术开发类文章、视频教程等内容投稿,邮件发送至:zhangxian@leiphone.com 随着谷歌2015年发布开源人工系统TensorFlow,让本就如火荼的深度学习再添一把火,截至现在,TensorFlow...下面这篇文章雷锋网重点整理了TensorFlow在图像识别的应用,看计算机如何识别图像。...一根优秀的黄瓜应该具备什么素质?相信这是很多人不可描述的问题,而对于黄瓜农场主而言,同一个品种的黄瓜可以根据颜色、刺、体态等因素分成9类,但分检工作对于人来说恰好是一个枯燥繁琐的过程。 ?...blog.csdn.net/frankiegu/article/details/52133763(点击文末阅读原文查看) 在TensorFlow中用深度度学习修复图像 生活中经常会遇到图片缺失问题,设计师摄影师用内容自动填补来补充图像不想要的或缺失的部分...本文将分两个部分介绍如何在阿里云容器服务上玩转TensorFlow训练集群。 第一部分:https://yq.aliyun.com/articles/68337?

1.4K70
您找到你想要的搜索结果了吗?
是的
没有找到

腾讯第一次种黄瓜,又长又直,还拿了奖

尽管本次比赛为环境相对可控、较易标准化的温室黄瓜生产,但计算机模拟如何有效迁移到真实的农业种植,依然是一大技术挑战。...所以我们创建了一个农业人工智能系统,利用创新的强化学习方法,将农业专家的知识经验自然地嵌入到仿真器,让人类专家在温室初始设定(种植密度)、种植过程的策略(灌溉、打顶)等方面能够有效地干预AI,提高...通过建立病虫草害特征分类数据库,并利用计算机视觉技术识别作物品种、病害程度杂草生长情况,可实现智能预防管理病虫草害,减少经济损失。...AI科技大本营:黄瓜的质量是怎样评定的?有哪些标准? 答:优质A:重量375g或更多;优质B:重量300克至374克之间,有瑕疵,弯曲的形状,不是深绿色;质量C:低于300克。...通过建立病虫草害特征分类数据库,并利用计算机视觉技术识别作物品种、病害程度杂草生长情况,可实现智能预防管理病虫草害,减少经济损失。

95140

腾讯初探AI+农业 获国际AI温室种植大赛亚军

在长达半年多的比赛,iGrow队历经编程马拉松、黄瓜种植挑战和总决赛,一路披荆斩棘,最终取得“AI 策略”单项第一名、总分第二名的优秀成绩。...尽管本次比赛为环境相对可控、较易标准化的温室黄瓜生产,但计算机模拟如何有效迁移到真实的农业种植,依然是一大技术挑战。...腾讯希望借此机会,探索室内室外农业的机会,以了解人工智能如何在全球范围内提高粮食生产力水平,应对人口增长可持续性发展的挑战。...如何在气候变化、资源有限的情况下增加农业产出,同时保持可持续发展,是全人类所面临的重大难题。 “食物、能源水对我们的未来至关重要。我们必须拓展现有的体系架构,以适应新的全球挑战。...通过建立病虫草害特征分类数据库,并利用计算机视觉技术识别作物品种、病害程度杂草生长情况,可实现智能预防管理病虫草害,减少经济损失。

1.1K20

带你十分钟看懂机器学习与 TensorFlow(GDD 2017)(附视频字)

在2017年谷歌开发者大会欧洲站,Andrew Gasparovic介绍了TensorFlow以及发展的最新成果。他还介绍了一些例子,演示了如何在谷歌现实问题中使用TensorFlow。...这之前每次黄瓜收获后,他母亲需要用10个小时进行这项分类工作。 他说"我想把分类工作交给AI来做,这样我们可以把更多精力放在培育好的黄瓜上"。...使用Estimators API 你能够免费获取,分布式训练、自动快照。并且能够运行混合硬件,比如CPUGPU。 同时对性能的改进能够应用于你的模型,我们发布了用不同硬件组合处理不同的任务的基准。...在 playground.TensorFlow.org 上,有很有趣的不同神经网络架构参数的演示。你可以试着改变层或神经元的数量,改变特征、学习率等。通过处理简单分类问题,了解神经网络的工作原理。...在这些链接也可以了解更多关于TensorFlow Research Cloud的信息。 面向机器学习研究者,我们免费提供了上千个云TPU。因为有许多人有好的想法,但缺乏合适硬件进行先进研究。

1.4K80

TED演讲-人工智能将如何影响你的生活

我们通过例子重复练习进行学习。同样,重复练习例子对机器学习也至关重要。 在机器学习,我们会让系统接触到我们想让其掌握的行为样本,系统将从那些样本中学习。 ?...这些特征是学习过程的组成部分,也是深度学习的关键因素。 我们不需要告诉计算机如何区分猫狗,计算机能学会识别哪些是胡须,而且在猫的图像中出现得更多。在学习过程这些特征是自动构建的。...TensorFlow的应用 深度学习很棒的一点是,这些内容都能用相对简单的算法常用的软件框架实现。因此我们构建软件框架,解决不同的问题,并在我们的研究产品反复使用。...两大特征 神经网络机器学习算法中有两个有趣的特征。 ? 首先,精确度下降是可以接受的。当你乘以1.2或0.6时,这是没问题的。我们不需要将计算成本用于追求数字上的精确度,那是传统CPU设计的初衷。..."帮我找到与机器人技术强化学习的相关文件,并用德语进行总结”。 这很复杂,但如果我们有相关工具可以做到的话,这将多么高效。 "请从厨房帮我拿一杯茶”。

84920

C++【继承】

---- 前言 继承 是面向对象三大特性之一(封装、继承、多态),所有的面向对象(OO)语言都具备这三个基本特征,封装相关概念已经在《类对象》系列中介绍过了,今天主要学习的是 继承,即如何在父类的基础之上...在父类设计相应的函数,获取私有成员的值进行间接访问即可 其实 C++ 搞这么多种情况(9种)完全没必要,实际使用,最常见到的组合为 public : public protected : public...黄瓜片,黄瓜片可变不回完整的黄瓜了 4.1、切片 将 父类对象 看作一个结构体,子类对象 看作结构体Plus 版 将 子类对象 多余的部分去除,留下 父类对象 可接收的成员,最后再将 对象 的指向进行改变就完成了...对于冗余的数据位,改存指针,该指针指向相对距离 对于冗余的成员,合并为一个,放置后面,假设想使用公共的成员(冗余成员),可以通过相对距离(偏移量)进行访问 这样就解决了数据冗余二义性问题 为何在冗余处存指针...我们重点介绍了继承的相关知识,什么是继承、如何继承、继承该注意些什么,最后还学习了多继承模式容易引发的菱形继承问题,探究了其原因及解决方法,关于继承是如何辅助实现多态的,可以期待下篇文章:C++【多态

13710

腾讯 AI Lab 2018年度回顾

腾讯智能显微镜 我们还在“AI+农业”迈出了一小步——一个很会“种”黄瓜的AI。...在荷兰举办的国际AI温室种植大赛里,我们利用传感器摄像头自动收集温室气候、作物发育情况等环境作物数据,再用深度学习模型计算、判断决策,驱动温室的设备元件,远程控制黄瓜生产,最后获总比分第二、AI策略第一的成绩...,还开心收获了3496公斤黄瓜。...此外我们还提供了从图像下载图像预处理,到基于ML-Images的预训练基于ImageNet的迁移学习,再到基于训练所得模型的图像特征提取整个流程的代码模型。...在计算机安全社会安全上,我们研发的自动特征学习、群分类特征增强方面的算法,能成功识别对抗黑产用户、涉黑群体恶意用户(标记覆盖率超90%),还能精准识别有信贷风险的用户,帮助防控金融风险。

13.8K40

最新基于深度学习的语义分割技术讲解(含论文+指标+应用+经验)

在此,要区别一下实例分割(具体可参考著名的MaskRCNN模型),实例分割常常与目标检测系统相互结合,用于检测分割场景同一对象的多个实例。...卷积层可以有效地捕捉图像的局部特征,并以层级的方式将许多这样的模块嵌套在一起,这样 CNN 就可以试着提取更大的结构了。通过一系列卷积捕捉图像的复杂特征,CNN 可以将一张图的内容编码为紧凑表征。...在这个架构,编码器使用卷积层池化层将特征图尺寸缩小,使其成为更低维的表征。解码器接收到这一表征,用通过转置卷积执行上采样而「恢复」空间维度,这样每一个转置卷积都能扩展特征图尺寸。...以黄瓜问题为例,算法挑出来的黄瓜中有多少比例是好黄瓜。...目前数据标准化方法有多种,归结起来可以分为直线型方法(极值法、标准差法)、折线型方法(三折线法)、曲线型方法(半正态性分布)。

3.3K40

互联网巨头农业版图争夺战②——腾讯能后来居上吗?

这份文件在大厂们眼中,就是“掘金地图”,吸引它们在农村市场找寻商机。 高调展示农业野心 相对而言,腾讯属于较晚入场的大厂。...在种出黄瓜之后,腾讯又宣布与WUR合办第二届“国际智慧温室种植大赛”,挑战在六个月内利用 AI IoT 物联网等技术远程控制温室种植番茄,目标是品质好、产量高、能耗少、自动化、技术可迁移。...在多个主体,腾讯AI Lab是不得不提的主力军。这是一个以AI科技应用创新为核心的业务单元,成立于2016年4月。...从AI种植小黄瓜、小番茄等腾讯AI Lab的对外合作来看,研发技术解决农业问题,联合其他拥有先进技术的事农企业团队,帮助企业孵化,建立相关项目合作,是腾讯AI Lab的主要任务。...腾讯投资参投的电商、零售、商超等公司与农业关联性较强,主要是农产品流通销售,永辉超市、每日优鲜等。

90230

从Claude 3提取数百万特征,首次详细理解大模型的「思维」

Anthropic 已经确定了如何在 Claude Sonnet 中表征数百万个概念。这是对现代生产级大型语言模型的首次详细理解。这种可解释性将帮助我们提高人工智能模型的安全性,具有里程碑意义。...这既存在工程挑战,涉及的模型大小需要大型并行计算;也存在科学风险,大型模型与小型模型的行为不同,因此之前使用的相同方法可能不起作用。...研究者看到了 Sonnet 对应各种实体的特征城市(旧金山)、人物(富兰克林)、元素(锂)、科学领域(免疫学)以及编程语法(函数调用)。...橙色表示该特征激活的词。 在这数以百万计的特征,研究者还发现了一些与模型安全性可靠性相关的特征。这些特性包括与代码漏洞、欺骗、偏见、阿谀奉承犯罪活动相关的特性。 一个显著的例子是「保密」特征。...参考链接:https://www.anthropic.com/research/mapping-mind-language-model

16410

《机器学习》学习笔记(三)——线性模型

专栏链接:《机器学习》学习笔记 目录 1 线性模型的基本形式 2 线性回归(linear regression) 2.1 对离散变量的处理 2.1.1 若样本只有一个属性 2.1.2 若样本只有多个属性...个,则通常转化为k维向量(One-Hot) :瓜类的取值黄瓜,西瓜,冬瓜,三类属性值转化为三维向量 若规定取值(黄瓜,西瓜,冬瓜),那么比如冬瓜...,对应位置标1,其余位置标0, 进一步而言,可转化为冬瓜(0,0,1),西瓜(0,1,0),黄瓜(1,0,0) 离散属性的处理:若有“序”(order),则连续化;...令导数为 0, 得到闭式(closed-form)解(U型函数f(x)=x^2通常为凸函数,对凸函数求导=0可得w,b最优解的闭式解): ? ?...的任何两个 ? ? ? 的闭式解是 ? 的 N-1 个最大广义,特征值所对应的特征向量组成的矩阵 3.3 多分类问题的拆分办法 ?

1.3K10

Bioinformatics | BERT4Bitter:改进苦味肽预测的基于Transformer(BERT)模型的双向编码器

在本研究,每个肽序列被视为基于自然语言处理技术的句子,其中20个氨基酸的每一个都被视为单词DSDFF自动生成特征描述符,而不需要特征编码的系统设计选择。 ?...虽然异常或极端的苦味往往与饮食危险有关,但食用有益植物(黄瓜、南瓜、西葫芦、南瓜、莴苣、菠菜甘蓝)也会产生苦味。...因此,开发用于预测肽苦味的快速准确的鉴定工具是药物开发营养研究的重要组成部分。 二、模型与方法 ?...SVC、SVMXGB)成对评估,以了解每种特征对苦味肽预测的贡献。...简而言之,BERT4Bitter是基于BERT的模型,它可以直接从原始肽序列自动生成特征描述符,而不需要任何系统的设计特征编码的选择。

84120

组态软件里面对远程桌面调用的方法

另外需要说明一下,我们常说的RDP(远程桌面)其实是由Server(服务器)Client(客户端)组成,被连接的称为Server,执行连接的称为Client。...当前发布的Windows系统,凡是家庭普通版的操作系统Win7家庭版、Win10家庭版等,都是不支持RDP Server功能的。...实际上,当你使用mstsc建立远程桌面连接后,可以将这个连接记录另存为一个连接程序,RSViewSE软件也是使用这个文件来实现这个功能的。...首先建立连接,设置一些参数 将该链接另存为一个文件 双击这个Win7RDP文件就可以直接连接到远程桌面了。 接下来看如何在RSViewSE里面调用它。...思路: 计划在RSViewSE里面使用按钮触发脚本调用RDP连接,但是需要考虑避免多次调用造成的计算机奔溃,所以得想个办法来判断如果已经调用了RDP连接,后面再点击这个按钮就不起作用

1.6K40

《机器学习》-- 第三章 线性回归

直观表达了各属性在预测的重要性,因此线性模型有很好的可解释性(comprehensibility) / 可理解性 (understandability) 。 例:西瓜问题中学得 ?...若属性值之间不存在“序关系”,则通常将其转化为向量的形式,例如:瓜类的取值{西瓜,南瓜,黄瓜},可转化为向量:{(1, 0, 0),(0, 1, 0),(0, 0, 1)}。...型曲线的函数 ? 通常是凸函数。 ? 令导数为 0 即可,这里先求解 3.6 式,因为其形式上更简单 ? 继续化简 3.8 式, ? , ? ,实际上就是均值,则 ?...对于现实任务 ? 不是满秩矩阵的情况,此时可解出多个 ?...后台回复“线性代数”,“线代” 等任一关键词获取资源链接 2. 后台回复“联系“, “投稿“, “加入“ 等任一关键词联系我们 3. 后台回复 “红包” 领取红包 ?

66420

构建端到端数据科学项目,从我的Data Scientist Ideal Profiles项目中学习(附链接

考虑到这一理念,我能够延迟一些非常诱人的特征,并将它们放在项目文档的待办事项部分(链接:https://github.com/georgeliu1998/ideal_profiles#to-dos)。...我将支持函数分为三大类,并将它们封装在三个相应的脚本: scrape_data.py-包含Web抓取所需的函数,“get_soup()”“get_urls()”。...process_text.py-包含文本处理清除函数,“tokenize_text()”“check_freq()” helper.py-包含文件输入输出绘图函数,例如“plot_skill()...除了可靠的代码之外,一个健壮的README文件一个完整的环境依赖文件也是解决方案的一部分。 readme.md-我努力确保捕获所有相关细节,特别是如何设置环境如何使用脚本。...env_Ideal_profiles.yaml-通过将所有依赖项冻结到此文件,我确保用户可以完全重新创建我使用的同一Anaconda python环境。

58620

独家 | 构建端到端数据科学项目,从我的Data Scientist Ideal Profiles项目中学习(附链接

我将支持函数分为三大类,并将它们封装在三个相应的脚本: scrape_data.py-包含Web抓取所需的函数,“get_soup()”“get_urls()”。...process_text.py-包含文本处理清除函数,“tokenize_text()”“check_freq()” helper.py-包含文件输入输出绘图函数,例如“plot_skill()...* 可复制性 由于我在网上发现的许多抓取脚本都不起作用,我决定确保我的项目是可复制的。...除了可靠的代码之外,一个健壮的README文件一个完整的环境依赖文件也是解决方案的一部分。 readme.md-我努力确保捕获所有相关细节,特别是如何设置环境如何使用脚本。...env_Ideal_profiles.yaml-通过将所有依赖项冻结到此文件,我确保用户可以完全重新创建我使用的同一Anaconda python环境。

52520

prompt攻防战!哥伦比亚大学提出BPE造词法,可绕过审核机制,DALL-E 2已中招

虽然不同的文本指导的图像生成模型有不同的架构、训练数据分词方法,但原则上,macaronic提示可以应用于任何在多语言数据上训练的模型,比如在DALL-E mini模型也能发现相同的效果。...这可能可以解释为什么一些在DALL-E 2产生预期结果的macaronic提示在DALL-E mini不起作用,却几乎找不到相反的例子。...除了将单个合成词作为prompt以外,合成词也可以嵌入到英语句法组成句子,生成图像的效果原始词汇相似。 并且合成词还有一个优势,就是组合起来可以产生更具体复杂的场景。...evocative提示也可以应用于语言的特定特征与相应语言的地点和文化有关的视觉特征之间的关联。...可以生成传统上可怕的「爬行动物」的图像,蝎子。

48320

你真的知道如何正确清除 DNS 缓存吗?( 附全平台详细教程 )

本指南提供有关如何在不同的操作系统 Web 浏览器上刷新 DNS 缓存的说明。 在 Windows 上清除/刷新 DNS 缓存 对于所有 Windows 版本,清除 DNS 缓存的过程都是相同的。...如果那对你不起作用,请尝试清除缓存 Cookie。 按下 CTRL+Shift+Del 以打开 “清除浏览数据” 对话框窗口。 选择一个时间范围。选择 “所有时间” 以删除所有内容。...选中 “Cookie 其他站点数据” “缓存的图像和文件” 框。 点击 “清除数据” 按钮。...如果这对你不起作用,请尝试以下方法并暂时禁用 DNS 缓存。 打开一个新标签,然后在 Firefox 的地址栏输入 about:config 。...结论 至此,你已经了解了如何在 Windows,Linux MacOS 操作系统上清除或刷新 DNS 缓存。

41.8K20

2018年度腾讯犀牛鸟精英人才培养计划优秀学生成果分享(一)

发表专利3项:“基于可适应性强化学习的黄瓜种植策略”,” 时序注意力机制模型在部分可观测农作物环境的应用”,”基于强化型学习的合约广告流量分配”。...清华大学  韩旭 课题名称:复杂场景下的知识获取 课题简介:知识图谱使用结构化知识库系统来组织人类知识,并成为推动人工智能学科发展支撑智能信息服务应用(搜索系统、问答系统、推荐系统等)的重要基础技术...因此如何在各类复杂场景下从无(半)结构的互联网信息中进行知识获取,并归纳总结知识,自动融合构建知识图谱,并最终形成一套完整的终身学习闭环,是目前人工智能与知识工程研究的一大重点难点。...清华大学  马坚鑫 课题名称:社交网络结构挖掘 课题简介:社交网络结构挖掘研究微信社交网络的结构与属性特征,包括用户在社交网络特征、用户之间的相似性以及用户影响力等方面。...传统的代词指代消解模型或是基于专家定义的规则、特征,或是完全依赖于深度学习模型。这两种方法都有其局限性,专家定义的规则特征虽然准确,但是能够覆盖的情况非常有限。

1.5K60
领券