2019年12月3日– Imagination Technologies宣布：领先的无晶圆厂半导体公司紫光展锐（UNISOC）已获得其最新一代神经网络加速器（NNA）PowerVR Series3NX半导体知识产权（IP）的授权许可，以用于未来面向中高端移动设备市场的系统级芯片（SoC）。

关于深度卷积神经网络的前世今生，就不在此处进行过多的介绍。在此，主要对网络的各个组成部分进行简要介绍。深度卷积神经网络主要是由输入层、卷积层、激活函数、池化层、全连接层和输出层组成。

12月3日 | 上海卓美亚喜玛拉雅酒店——诚挚的邀请您加入Imagination Inspire年度技术盛会，揭秘赋能万物的全新GPU系列！

常见的生成式模型有：线性判别式分析 (Linear Discriminant Analysis)、朴素贝叶斯 (Native Bayesian)、K近邻 (KNN)、混合高斯模型 (GaussianMixture Model)、隐马尔科夫模型 (HiddenMarkov Model)、贝叶斯网络 (Bayesian Networks)......

如今说起汽车行业的网红代表，“自动驾驶”当之无愧。从自动驾驶概念推出以来，行业大佬们都跃跃欲试，各种自动驾驶生态圈层出不穷，自动驾驶也必然是未来汽车科技发展的趋势。但到底什么是自动驾驶，不同级别的自动驾驶分别能实现什么样的自动化水平，在开发自动驾驶系统时如何正确定义级别？

从诞生以来，人工智能理论和技术日益成熟，应用领域也不断扩大。

到底人工智能是什么？学人工智能必看哪些书籍？简单来说，人工智能就是研究如何让计算机去完成以往需要人的智力才能胜任的工作，通过生产能像人类一样做出智能反应的智能机器，来代替人类从事一些脑力或体力劳动。

本文简要地对遗传算法进行阐述，让以前没有接触过遗传算法的人有个大概的认识，并了解遗传算法的工作原理

尽管对云游戏领域的投资和市场关注度都很高，但到2020年，全球个人掌机、PC或移动设备的云游戏付费玩家用户数量不会超过1000万。

深度学习和机器学习已经变得无处不在，那它们之间到底有什么区别呢？本文我们为大家总结了深度学习VS机器学习的六大本质区别。

人们曾经认为眼睛是一个“闇哑的”传感器，通过视觉神经将数据发送到大脑，大脑包含了所有的视觉“处理”能力。近年来，科学家们一直在探究眼睛内视网膜神经元的复杂结构和线路。正如对大脑的研究已经为现代人工智能(AI)做出了巨大的贡献一样，关于视觉系统的这些发现也提出了一个有趣的框架，可以指导当今高度专业化、分布式和互连的数据中心中类似的复杂处理任务的未来发展。

数据稀缺到现在有大量的数据，近年来，可用的数据量呈指数级增长，大数据变得无处不在。这是由于数据记录设备数量的巨大增长，以及这些设备之间通过物联网连接。似乎每个人都有收集、分析大数据的力量。但是，大数据真的是万能的吗?毫无疑问，大数据已经在某些领域产生了至关重要的影响。

在CNN中，转置卷积是一种上采样(up-sampling)的方法。如果你对转置卷积感到困惑，那么就来读读这篇文章吧。

与物联网项目相关的软件、硬件和连接技术不胜枚举，对于刚刚入局物联网项目的小白来说，应重点关注哪些技术呢？IoT Analytics的分析师团队基于专家访谈、供应商简报、二级研究和会议的一些具体情况，挑选出了43项与全球范围内物联网项目相关的最具前景的技术。

僵尸网络正在适应新战略，更加关注企业物联网，欺诈和社交媒体滥用的比重也显著增加。美国数字经济保护委员会（CSDE）支持的宽带协会和消费者技术协会，简称CTA近日发布了《2020国际僵尸网络和IoT安全指南》。提供了一系列保护全球数字生态系统免受僵尸网络，恶意软件和分布式攻击威胁的策略。

本文提出了一种新颖的现实翻译网络（Realistic Translation Network），使虚拟环境下训练的模型在真实世界中变得切实可行，希望对您的学习有所帮助。

在万物互联的时代，传感器是其中最关键的组件之一。按照一般的划分，物联网在结构上分为感知层、网络层和应用层三个部分。其中感知层作为网络层传输的数据源头、应用层计算的数据基础，更是起到了至关重要的作用。而构成感知层的重要组件就是各种各样的传感器。

基于人工智能的发展优势，很多小伙伴都想要在这个领域大展宏图，但摆在面前的三道门槛是需要你逐一攻克的。本文给大家具体分析一下人工智能入门的三道门槛。

学习支持向量机算法，其实对于所有的机器学习算法来讲，首先要了解它的物理含义，也就是它要解决的问题是什么，然后根据这个问题进行一步步的学习，最后得出最终的结论。

在短暂休息后，我们近期迎来了Imagination University Programme (IUP) 大学项目的回归。全新的大学项目网站现已上线，我们欢迎您的加入和参与！