展开

关键词

谷歌新动态:AI风电场输

风电场内风的选址需要参考风资源评估参数等多方面数据。因此,风力发电的产能很难。如今,谷歌团队正在使用人工智能技术风电场的输。 通过提高的准确性并提供相关数据,风电场运营商可以更好为即将到来的电力需求做好准备。该谷歌团队声称:“该模型能提前一天向为电力部门提供建议,以便规划最合理的每小时供应任务。 图1:系统能够提前36小时做准确 虽然该算法仍处于优化阶段,但该团队表示利用人工智能“可以将风能的经济价值提升约20%“。此项技术可以追溯到谷歌的DeepMind。 图2:AI助力的风电场与传统风电场的风能价值对比纵轴为:经济价值($兆瓦时)横轴分别为:传统风电场、更好地风力发电量、更好的电力供需、器学习助力下的风电场据悉,谷歌将在美国中部的风力发电厂(发电量约为 700兆瓦)推广AI优化技术。

18030

AI施工场事故,提高安全性与生产

建筑工地是一个危险的工作场所,致命事故是其他行业的五倍。在,许多大型建筑公司正在试一种技术,这种技术可以通过事故发生的时间来拯救生命。 该系统采用了对施工场图像和事故记录进行深度学习的算法。然后将它投入工作,监控一个新的建筑工地和可能导致事故的标记情况,比如工人不戴手套或工作距离危险的器太近。 该项目展示了人工智能计算视觉跟踪和工作场所活动的潜力。这对建筑业尤其重要,因为建筑业的生产也很低,成本严重超支。建筑业也相对较快地采用了计算视觉、器学习和其他先进技术。 萨福克和SmartVid今年3月创建了分析战略委员会,为企业提供一种提供数据的方式,可能会改善系统的性能。Chin说,竞争对手交他们的信息是合理的,因为许多公司自己没有足够的数据。? 这在是一些工作的基本部分,我们最终可能会发自己都在为算法而努力,实情况是,越来越多的员工把时间花在支持和响应算法上。

21120
  • 广告
    关闭

    云加社区有奖调研

    参与社区用户调研,赢腾讯定制礼

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    Google AI 研发医疗新模型,死亡比医院高10%

    她看了两个医生并且做了放射扫描,医院的电脑读取了她的生命体征并且她在住院期间死亡的几为 9.3%。然后 Google 也做了相同的事情。 目前,Google 已经开发了一种工具,它可以患者的病情结果,比如病人可能在医院待多久,病人再次入院的几以及病人即将死亡的概。 神经网络吸纳了这些无规则的信息并做。它比有的技术更快,也更准确。Google 的系统甚至显示了哪些记录可以得结论。 今年5月,Google 的 AI 负责人 Jeff Dean 对彭博谈到,Google 的下一步是将这个系统引入诊所。 ▌确定商业模式还为时尚早随着时间的推移,Google 可以将这些系统授权给诊所,或者通过公司的云计算部门将其作为一种诊断服务售。微软公司也在开发型人工智能服务。

    18520

    AI知死亡:算法临终时间,准确90%

    没有人知道这只猫究竟有没有强大的死亡嗅觉;如果有,它又是通过什么方式知死亡的。也许Oscar的鼻子学会了发垂死的细胞释放的一些独特的死亡味道,也许它捕捉到了其他被我们忽视的迹象。? AI打造“死亡算法”?但是如果算法能死亡呢?2016年年底,斯坦福大学计算科学系的一名研究生Anand Avati和医学院的一个小团队试图开发一种算法,以确定时日无多的病患的寿命。 当它学习了所有数据之后,Avati的团队对剩下的4万名患者进行了试。这一过程算法的表色,错误很低,算法认为会在3到12个月内死亡的患者中,90%都得到了应验。 但是,当你撬开这个箱子看个别案例时,你会看到一些乎意料的事情。正如的那样,一个分数为0.946的男子在几个月内死亡。 也许如果它改变一下形式,不再输,而是包裹在一个黑白相间的毛绒绒的盒子里,偶尔蜷缩在人们身边,这样就更容易被人们接受了吧。

    41250

    器学习实战之风功

    目前器学习与气象数据的结合已经在实际生产中有了应用,比如风电场风功、光伏功和负荷。 本文以风功作为一个小栗子: 风功是指以风电场的历史功、历史风速、地形地貌、数值天气报、风电组运行状态等数据建立风电场输模型,以风速、功或数值天气报数据作为模型的输入,结合风电场组的运行状态及运行工况 ,得到风电场未来的输时间尺度包括短期和超短期,目的是上报国家电网,利于国家电网调度。 目前主流方案是结合数值天气报和器学习算法(LSTM、SVM等)对风功进行时序,包含超短期报(未来4个小时共16个时刻)和短期报(未来三天共288个时刻)。 test_X.reshape((test_X.shape), axis=)inv_yhat = scaler.inverse_transform(inv_yhat)inv_yhat = inv_yhat#挑选的风功

    2.3K62

    【牛津调查:AI 超越人类编年史】柯洁之后,32个AI里程碑全

    图1图1:未来几年“高级器智能”实的综合主观概。每个受访者为自己的提供三个数据点,这些数据点适合伽马 CDF,通过最小二乘法生成灰色CDF。 也就是说,对任何职业,都可以有能够比人类工作得更好,而且更便宜的器。对劳动力完全自动化的时间点远远晚于 HLMI:个人的平均值是在122年后有50%的概,20年内实的概是10%。? 智能爆炸和 AI 安全问题AI 的发展前景提了事关重大的问题。一旦 AI 研究和开发本身实自动化,AI 进步是否会呈爆发式增长?高级器智能(HLMI)将如何影响经济增长? 图3 显示亚洲受访者 HLMI 将在 30 年后实,而北美受访者则认为是 74 年后。 在SAT问题的解决,游戏和计算视觉方面,人工智能表的趋势也显示这样的规律性,并且可以由AI专家在他们的中不断扩展。最后,已经确定的是,综合个人可以大大改善随个体的

    44060

    从『Man VS AI』到『Man + AI

    首先,作者研究了分析师优胜的情况,在这些中,作者发分析师做的绝对误差更低。 这些用器学习模型处理得到的数据称之为另类数据。作者发,当分析师结合另类数据对某些公司进行,其效果比单纯的AI模型来的准确。 表2显示了不同器学习模型的表,单模型来说,Gradient Boosting的表最好,这从另一个维度说明,模型的发展对AI模型效果的提升也是显而易见的。? 下图2,给AI+Man打败分析师的比AI+Man的模型是指把分析师的数据也作为一个指标加入到AI模型中),与图1不加分析师AI模型相比,特别是在2008-2010年,AI+Man的模型打败分析师的比有了明显的提高 总结AI与分析师并不是对立面,AI也并不是为了替代分析师,两者的结合可以是相互的:分析师可以借助AI来处理更多的信息,从而更高效的发掘有价值的信息,做更优的

    10630

    德国AI“算个球”:西班牙是冠军,只要别让德国进八强(严谨推理)

    如果保罗活到在,应该惊喜的发,它的工作,在有人工智能系统可以代替了。这不,在2018俄罗斯世界杯马上开打之际,德国4位科学家联手打造了一个世界杯AI模型。 更重要的是,随森林附上排序算法里的一个协变量,再经过合体进化,就能变成更加强大的算法,甚至比博彩公司的还要准。具体如何实?? 算法模型就像开头所言,这个AI核心主打算法模型是随森林。这种方法是Breiman在2001年提的,如今已成了统计学模型和器学习之间的桥梁。 如此融合进化完成后,再拿几种方法一下,新算法显得更优秀——的准确度,已超过了博彩公司。如果更早一点推,这个AI估计能赚不少钱。不过在也为时未晚,2018世界杯已开盘等你。 实战拿2018世界杯演练,这个AI结果如何??这是AI的结果,前三名的球队 (抛开顺序) 和许多其他算法的也是一致的。它觉得,西班牙和德国的夺冠概相差不大,不过还是更偏爱西班牙一点点。

    19020

    这届 AI 欧洲杯冠军,通通被打脸

    早在比赛前几个月里,就有不少研究构公布了他们对本次大赛的结果,各个 AI 综合了近年各个球队的数据、比赛结果和球员表,对欧洲杯的夺冠热门球队、单场比赛结果,都进行了在看来大部分 AI 结果,几乎都被打脸。 The Analyst :法国队夺冠希望最大 数据网站 The Analyst 对本届欧洲杯各队的夺冠概进行了 AI AI 结果显示法国队夺冠概最高,胜高达 20.5 %,然而最终法国队却止步于八强 今年的欧洲杯,似乎大多数结果的 AI 都被打脸了。本届欧洲杯,也了荷兰、法国队爆冷提前局,捷克、英格兰等黑马球队的意外线,都比赛更加引发关注和热议。? 再结合博彩公司的盘口和赔情况,运用器学习、深度学习等人工智能算法,进行建模,通过分析和匹配得比赛结果。目前人工智能都是依靠可量化的数据进行观察。但如果数据不真实,结果必然是不准确的。

    12750

    2018世界人工智能蓝皮书:看中国到底有多强!

    2017年,英伟达推新一代图形处理芯片Tesla V100, 主要用于研究基于深度学的AI。针对于谷歌开源深度学习框架TensorFlow,谷歌推器学习定制的TPU。? 随着人工智能技术与实体产业的不断融合发展,计算视觉算法的图像识别能力越来越强,各国也陆续涌了一大批优秀的计算视觉公司。 产业发展应用2.1 AI+ 医疗AI 技术赋能医疗健康领域,使得医疗构和人员的工作效得到显著提高,医疗成本大幅降低,并且可以使人们做到科学有效的日常检防,更好地管理自身健康。 从技术细分角度看,主要包括使用器学习技术实药物性能、晶型、基因等;使用智能语音与自然语言处理技术实电子病历、智能问诊、导诊等;使用器视觉技术实医学图像识别、病灶识别、皮肤病自检等。 其中,行业、服务和特殊器人市场已达到 435 亿元,计到 2020 年将达到719 亿元,在期 (2017-2020) 内复合年增长 18.24%。?

    31910

    新研究用AI癫痫发作,准确达99.6%

    于是,路易斯安那大学拉斐特分校的两名研究人员Hisham Daoud和Magdy Bayoumi针对癫痫病发,开发了一种新的AI驱动模型——可以在发病前一小时内癫痫的发生,准确为99.6%。 新模型,准确99.6%癫痫发作并非易事,尤其是对人工智能而言。器学习系统本质上是基于数据的:你喂的数据越多,训练和结果就越好。 其他科研人员用脑电图(EEG)试分析大脑活动并用这些数据开发模型。但是,由于每个人都有不同的大脑模式,因此准确癫痫发作是很困难的。 提前发癫痫发作可以大大改善癫痫患者的生活质量,并使他们有足够的时间提前采取行动,要知道70%的患者可通过药物控制癫痫发作。这项新开发的人工智能系统是对癫痫病发方法的重大飞跃。 ,包括影像学研究的视觉解释——但分类模型在术后患者后方面的准确为50~70%。

    53640

    大数据+AI能与碳中和扯上关系?看这家新能源企业如何操作

    器之心原创作者:蛋酱当 AI 进入落地期,认真思考如何打通大数据与 AI 应用的关联,才是企业眼前既实、又关键的一大挑战。? 这家新能源数字化、智能化领域的专业服务提供商,结合风级气象报、风轨迹模拟等气象报数据, 以多模型组合的方式构建了用于功的全新智能方案,将的准确提升了 20% 以上。它的秘诀是什么? 对于电力生产而言,最常见的超短期也要求系统 4 小时内的功,这意味着系统需要在未来 16 个时间点 (每 15 分钟计为一个时间点) 上都保持色的准确和稳定性。 Analytics Zoo 针对时序数据置了丰富的功能组件,包括功常见的深度学习和器学习模型(LSTM、Encoder-Decoder、MTNet、ARIMA 等),功中常用的数据处理和特征工程 Analytics Zoo 还提供了 AutoML 方法,使新方案实了自动化特征选择、模型选择和超参调优等,令模型得以更好地拟合发电设备输的变化周期。

    17640

    AI :基于流计算 Oceanus(Flink) 实病症的实时

    作者: 于乐,腾讯 CSIG 工程师一、方案描述1.1 概述近年来,人工智能的风潮为医疗行业带来一场全新革命,AI 在辅助诊断、疾病、疗法选择等方面发挥着重要作用。 器学习领域的特征选择和有监督学习建模方法越来越多地用于疾病和辅助诊断,常用的算法如决策树、随森林、逻辑回归等。 针对乳腺癌案例使用决策树分类算法实全流程解决方案,包括离线模型训练、实时特征工程及实时在线功能。 AI 工程师打造的一站式器学习服务平台,为用户提供从数据处理、模型构建、模型训练、模型评估到模型服务的全流程开发及部署支持。 三、方案实本文通过 TI-ONE 平台,利用决策树算法搭建乳腺癌模型(决策树分类模型),将模型结果保存在 COS 上 (用户也可以自己在本地训练完成后将训练好的模型文件保存在本地或者 COS,之后通过

    20341

    AI :基于流计算 Oceanus (Flink) 实病症的实时

    作者:于乐,腾讯 CSIG 工程师 一、方案描述 1.1 概述 近年来,人工智能的风潮为医疗行业带来一场全新革命,AI 在辅助诊断、疾病、疗法选择等方面发挥着重要作用。 器学习领域的特征选择和有监督学习建模方法越来越多地用于疾病和辅助诊断,常用的算法如决策树、随森林、逻辑回归等。 针对乳腺癌案例使用决策树分类算法实全流程解决方案,包括离线模型训练、实时特征工程及实时在线功能。 AI 工程师打造的一站式器学习服务平台,为用户提供从数据处理、模型构建、模型训练、模型评估到模型服务的全流程开发及部署支持。 三、方案实 本文通过 TI-ONE 平台,利用决策树算法搭建乳腺癌模型(决策树分类模型),将模型结果保存在 COS 上 (用户也可以自己在本地训练完成后将训练好的模型文件保存在本地或者 COS,之后通过

    6820

    AI:基于流计算Oceanus (Flink) 实病症的实时

    一、方案描述 (一)概述 近年来,人工智能的风潮为医疗行业带来一场全新革命,AI 在辅助诊断、疾病、疗法选择等方面发挥着重要作用。 器学习领域的特征选择和有监督学习建模方法越来越多地用于疾病和辅助诊断,常用的算法如决策树、随森林、逻辑回归等。 本方案结合智能钛器学习平台(TI-ONE)、智能钛弹性模型服务(TI-EMS)、腾讯云流计算Oceanus(Flink)、消息队列CKafka、云数据仓库ClickHouse、对象存储(COS)针对乳腺癌案例使用决策树分类算法实全流程解决方案 AI工程师打造的一站式器学习服务平台,为用户提供从数据处理、模型构建、模型训练、模型评估到模型服务的全流程开发及部署支持。 三、方案实 本文通过TI-ONE平台,利用决策树算法搭建乳腺癌模型(决策树分类模型),将模型结果保存在COS上 (用户也可以自己在本地训练完成后将训练好的模型文件保存在本地或者COS,之后通过TI-EMS

    9250

    学习数据科学、器学习与AI没有多大交集,一文告诉你三者最大区别

    器科学生成我认为器学习就是做:“给定实例X以及特定特征,Y”。 这些可以是对未来的(例如:“病人是否会患上脓毒病”),也可以是对质量的,这种问题计算无法立刻得结论(例如:“图像中是否有一只鸟”)。 数据科学和AI也是有区别的。如果通过分析销售数据发,某些行业的客户续费的概高于其他客户(得结论),输的是数字和统计图,而不是具体的行为。 数据科学:在道路试中,我们发汽车的表不够好,了一些漏识别的情况——在遇到停车标志时没有停车。 在分析了道路试数据之后,我们发汽车漏识别的概取决于一天当中的时段:汽车在日之前和日之后错过停车标志的概更高。我们意识到,我们使用的大部分数据只包括大白天当中的目标。

    460110

    DeepMind+谷歌,用爱(ai)发电

    场景介绍:介绍器学习在风力发电场景下:风力发电量,及时调整供电规模;监风速风向,及时调整叶片方向和间距,等几种极大提高效的应用。 「我们无法消除风的变化,但可以尽可能准确的它们。使用 AI 技术还有助于为风电场运营带来有效的建议,因为器学习可以帮助风电场运营商,在电力输与需求之间,进行更智能、快速和更具数据驱动的评估。」 Envision 通过传感器实时监风向,调整叶片间距提高发电效等收集到的数据被积累,新的模式和见解就开始涌。 用爱(AI)发电的硬核玩家风力发电行业在过去几年中从人工智等技术中获益匪浅。由于 AI 技术的引入,人们对能源的产生和利用做了更好的,同时也获得了更高的投资回报。那么器学习正在做着什么呢? 第一,器学习的干解决了一个棘手的问题,就是发电和电力需求必须匹配。否则,可能会停电和系统故障等问题。AI 正在去通过数据去这一数值,比如开篇提到的 DeepMind 和谷歌的实验场景。

    37831

    在,AI 已经能病人什么时候死亡了,准确达 90%

    据国外媒体 Eurasia Review 报道,来自斯坦福大学的研究人员已经开发了一种使用人工智能来病人何时死亡的系统,其准确已达 90%。 而为了提高系统的准确性,斯坦福大学 AI 实验室的一个研究小组使用了来自斯坦福医院和 Lucile Packard 儿童医院的 16 万成人及儿童患者档案,近 200 万份医疗数据训练他们所研发的神经网络 对此,斯坦福大学 AI 实验室成员 Anand Avati 说道:“有数据的规模使我们能够建立一个全因死亡模型,而不是疾病或人口统计学特征。” 虽然斯坦福大学研制的 AI病人死亡时间方面有较高的准确,但还是限制在一个时间范围内。 最终的试结果表明,斯坦福大学研制的 AI病人死亡时间方面还是有较高的准确,在他们将会在 3 到 12 个月内死亡的 40000 名病人中,90% 最终都得到了应验。

    24690

    Adv Drug Deliver Rev|AI和ML在药物递送中的应用:以传染病的治疗为例

    AI在计算视觉、自然语言处理等领域展了非凡的优势,这些优势表明AI器学习方法非常适合辅助传染病治疗中的药物递送:(1)能够在大量且复杂的数据中进行有效特征提取,达到精准;(2)可以形成新的规则 ANN作为最常用的器学习模块,其第一层用作特征的输入,中间的隐藏层会对特征进行各种线性和非线性变换,输层会输所需的信息(比如对样本类型的)。 此外,例如Maryam的研究,利用支持向量,针对真菌感染药物筛选准确可达到90%以上。3.2 耐药性表2展示了AI耐药性的主要研究。 3.8 临床疗效表3展示了AI用于疗效的代表性研究。表3. AI用于临床疗效的代表性研究由于AI展示卓越的效果,研究人员正在着手构建用于传染病临床疗效AI工具。 对于AI依据输入样本做,人们通常不知道这个结果如何得,更难以从AI中提取一些新的洞见。如何使得AI的结果更具有可信度,一种解决的方法是去分析模型输入对结果的重要性。

    10440

    塔观 | AI会全面超越人类吗?来看看352位AI专家的答案

    导读:如果听到有人人工智能(AI)何时会取代人类,你肯定会以为者不懂AI或是末世论者。但是在,研究人员联合器学习专家对这个问题开展了有史以来规模最大的调查。 但这个领域非常复杂,它有很多专门的子学科,但很少有人能这个领域何时会重大突破。所以,牛津大学人类未来研究所的研究人员决定通过众包的形式来解决这个问题。 研究者联系了在2015年 NIPS和ICML会议(两个顶级器学习会议)发表过论文的1634名AI研究专家,邀请他们何时AI会全面超越人类,有352位AI专家作了回答。 如果你觉得这些精确没有意思,那这项调查中一些更广泛的发肯定能引起你的注意,比如器学习的进步正在加速。 然而,当被问及“两年后AI在所有任务中比人类表更好,甚至完全超过人类能力的可能性”时,专家们给的平均仅为10%。当被问及两年后全球是否会有爆炸性的技术突破时,专家们的平均概是20%。

    49170

    相关产品

    • 云服务器

      云服务器

      腾讯云服务器(CVM)为您提供安全可靠的弹性云计算服务。只需几分钟,您就可以在云端获取和启用云服务器,并实时扩展或缩减云计算资源。云服务器 支持按实际使用的资源计费,可以为您节约计算成本。

    相关资讯

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      扫码关注云+社区

      领取腾讯云代金券