-
深度学习与图神经网络学习
CNN的强大之处在于它的多层结构能自动学习特征，并且可以学习到多个层次的特征：较浅的卷积层感知域较小，学习到一些局部区域的特征；较深的卷积层具有较大的感知域，能够学习到更加抽象一些的特征。这些抽象特征对物体的大小、位置和方向等敏感性更低，从而有助于识别性能的提高。
-
AI如何走向精智能之路？
9月20日消息，斯坦福大学一项新的研究表明，人工智能可以通过问一些看起来很愚蠢的问题来帮助它们变得更加聪明。研究人员研发的新系统在回答Instagram上的相似问题时，其准确率提高了118%。如果有人给你看一张鳄鱼的照片，并问你它是不是一只鸟？你可能会哈哈大笑。一项新的研究表明，这种在我们看来有些愚蠢的互动可能是帮助人工智能学习的关键。在该研究中，这种方法显著提高了人工智能解释新图像的准确性，可以
-
EasyCV带你复现更好更快的自监督算法-FastConvMAE
近期FastConvMAE工作在EasyCV框架内首次对外开源，本文将重点介绍ConvMAE和FastConvMAE的主要工作，以及对应的代码实现，最后提供详细的教程示例如何进行FastConvMAE的预训练和下游任务的finetune。
-
大数据下数模联动的随机退化设备剩余寿命预测技术（部分2）
4. 统计数据驱动的剩余寿命预测传统统计数据驱动的剩余寿命预测方法通过对设备失效时间数据统计分析, 构造寿命TT的分布函数, 由此设备在tt时刻的剩余寿命即为 T−t|T>t,zT−t|T>t,z, 其中zz代表该类设备的事件数据集(主要指失效时间数据), 然后通过分布拟合得到寿命TT的概率分布, 再通过上述条件随机变量的关系实现剩余寿命预测[110].
-
张驰咨询：企业推行六西格玛培训时，如何选择六西格玛咨询机构？
企业推行六西格玛培训时，如何选择六西格玛咨询机构？这个问题挺难的，为什么呢？因为我们张驰咨询是专门做六西格玛咨询的，所以说一个六西格玛咨询机构要回答企业如何选择六西格玛咨询机构，可能有点王婆卖瓜，自卖自夸的那种感觉。下面提出我们张驰咨询的一些想法，供企业参考，也就一家之言，对不对企业自己判断。现在是互联网的时代，不断有各种各样的六西格玛咨询机构冒出来，可能昨天还没听说过这个机构，今天突然发现网络上
-
深度学习与图神经网络学习分享：Transformer 整体结构
在过去的几年中，神经网络的兴起与应用成功推动了模式识别和数据挖掘的研究。许多曾经严重依赖于手工提取特征的机器学习任务（如目标检测、机器翻译和语音识别），如今都已被各种端到端的深度学习范式（例如卷积神经网络（CNN）、长短期记忆（LSTM）和自动编码器）彻底改变了。曾有学者将本次人工智能浪潮的兴起归因于三个条件，分别是：· 计算资源的快速发展（如GPU）· 大量训练数据的可用性·
-
EasyNLP玩转文本摘要（新闻标题）生成
本⽂将提供关于PEGASUS的技术解读，以及如何在EasyNLP框架中使⽤与PEGASUS相关的文本摘要（新闻标题）生成模型。
-
张驰咨询：企业精益落地，必须解决的“四座大山”
企业推行精益生产时，为什么执行起来慢，又很难维护起来，让员工长期参与进来更是难上加难。下面以推行5S为例，看看是如何有效解决的。 想要解决精益落地问题，必须解决——四座大山 1、解决没人愿意做的问题——愿意问题 一般来说，在精益实施之初，约有20%的人是积极主动的，60%持观望态度，20%持相对抗拒态度。也就是说80%的人是没有欲望的，而作为精益实施人员或老师，我们首
-
张驰咨询：精益六西格玛培训助力某碳纤维复合材料企业实现低成本制造
该公司是一家专注于碳纤维及其复合材料全生命周期管理的高新技术企业，隶属于一家世界五百强集团公司。公司集碳纤维、复合材料和结构件的设计、研发、生产、销售、技术应用服务为一体，是国内唯一一家产品组合覆盖从原丝、碳纤维、上浆剂、织物、液体树脂、粘接剂、预浸料、碳纤维复合材料零件、航空复合材料结构件的企业。（项目现场）随着复合材料技术的发展，低成本化制造的新材料是抢占未来市场的关键，做好低成本制造技术研究
-
深度学习技术实践与图神经网络新技术
各企事业单位： 国家“十四五”规划中，“智能”“智慧”相关表述高达57处，这表明在当前我国经济从高速增长向高质量发展的重要阶段，以人工智能为代表的新一代信息技术，将成为我国“十四五”期间推动经济高质量发展、建设创新型国家的重要技术保障和核心驱动力之一。当前，人工智能的发展，在很大程度上归功于深度学习技术的发展。人们逐渐认识到，当你有了深度学习算法、模型，并构建了深度神经网络时，需要足够多
-
双目视觉的成像理论
双目视觉是机器视觉的一种重要形式，通过模拟人类双眼感知外界物体的位置信息，输送给大脑并分析出该物体在空间中的位置过程，双目视觉是利用电脑设备被动感知物体空间信息。双目视觉系统相对于单目视觉的优点主要是它存在视差，可以利用该视差来恢复物体的深度信息。它的核心是从至少两个及以上的观测点拍摄物体，得到同时包含物体的左右两幅图像，并根据数学模型之间坐标系相互关系，求解物体的空间几何位置。
-
识别网络爬虫的策略分析
识别网络爬虫的策略分析一、网络爬虫爬虫（crawler）也可以被称为spider和robot，通常是指对目标网站进行自动化浏览的脚本或者程序，包括使用requests库编写脚本等。随着互联网的不断发展，网络爬虫愈发常见，并占用了大量的网络资源。由爬虫产生的网络流量占总流量的37.2%，其中由恶意爬虫产生的流量约占65%[1]。如何在网络流量中识别爬虫，是判断爬虫行为意图的前提，常见的使用爬虫的场景
-
某通讯公司精益六西格玛绿带项目启动
近日，某通讯股份有限公司精益六西格玛绿带项目启动。参加启动会议的有张驰咨询顾问、某通讯股份有限公司高管、六西格玛推进办成员和绿带种子学员。某通讯具有深厚技术储备与完善产品体系，专注于电力线载波通信技术和总线通信技术的基础理论研究，基于行业领先的综合解决方案，转化为“软件+硬件+服务”相结合的终端产品，主要应用于国家智能电网的用电信息采集系统，在电力深化应用与信息系统建设方面具有丰厚经验。依托对智能
-
点云滤波器与过滤器
为什么要分为深度图滤波和点云滤波?深度图滤波是对深度图进行处理，通常处理的是深度图中相邻的像素，而点云滤波针对的是将深度图投射到3D空间后得到的点云，通常处理的是在3D空间中根据欧式距离得到的邻近区域，而且能更有效地利用其3D几何特征。举个简单的例子，一个深度图中像素被噪声干扰变成离群点，其在深度图中难以区分，而投射到3D空间以后，离群点距离其他点都很远，则很容易将其滤除。
-
流体力学深度学习建模技术研究进展
摘要： 深度学习技术在图像处理、语言翻译、疾病诊断、游戏竞赛等领域已带来了颠覆性的变化。流体力学问题由于维度高、非线性强、数据量大等特点，恰恰是深度学习擅长并可以带来研究范式创新的重要领域。目前，深度学习技术已在流体力学领域得到了初步应用，其应用潜力逐渐得到证实。以流体力学深度学习技术为背景，结合课题组近期研究结果，探讨了流体力学深度学习建模技术及其最新进展。首先，对深度学习技术所涉及的
-
为什么需要FMEA？这篇文章说的很清楚
为什么需要FMEA？以新能源车为例，2021全年其因产品缺陷召回800多万辆，里面的问题各种各样：通信模块软件问题召回；发动机阀芯耐压性不足；小鹏逆变器直流母线电容正负极短路；而产品一旦因问题被召回，不仅会产生明面上的资金损失，更会对企业名誉或者产品信誉造成不可逆的损伤，这也就意味着缺陷的预防比缺陷的结果更有意义。而 FMEA 就是这样一个缺陷预防的方法，可以帮助我们定性而不定量分析问题，从系统化
-
张驰课堂：六西格玛培训对个人和企业的好处
张驰咨询做了20多年的六西格玛咨询，经常听到这样的声音：1、“没有基础，学六西格玛难不难，可不可以学”2、“我不会统计学，肯定学不来六西格玛管理”3、“我是小小的职员，六西格玛是大领导学习的”4、“我是服务行业的，六西格玛是制造业才用的到的管理方法”5、“我能力有限，公司不提供资源，无法做六西格玛改善”6、“六西格玛不就是一套类似质量管理的方法么，我用其他质量管理方法也能替代，何必花费那么高去学什
-
张驰咨询：企业业务流程优化的十大原则和七大步骤
1990年，麻省理工学院教授哈默博士首先提出了业务流程再造（BPR）的概念｡他认为，业务流程再造就是从根本上考虑和彻底地设计企业的流程，使其在成本、质量、服务和速度等关键指标上取得显着的提高。 哈默的BPR思想曾被认为是“恢复美国竞争力的唯一途径”。但是从根本上考虑和彻底地设计企业的流程彻底改变了企业多年来的工作习惯，导致了很多的失败案例。所以，很多学者认为BPR过于激进。 因
-
中文稀疏GPT大模型落地——通往低成本&高性能多任务通用自然语言理解的关键里程碑
继去年使用Transformer Encoder大模型取得中文小样本学习、英文预训练模型知识量度量双冠后，今年阿里云又在中文语言理解权威评测基准CLUE的中文零样本学习权威榜单ZeroCLUE上取得冠军。我们将大模型技术能力向前推进了一大步。
-
阿里灵杰融合智能算力，全栈AI服务为探索者铺路
阿里灵杰大数据AI一体化平台提供全流程的开发和运维服务。尤其在模型训练和推理性能、大数据与AI工程能力方面，凭借技术领先性和丰富落地实践，成为区别传统AI集群的独特优势所在。
