搜尋

會員登入

搜尋

導覽

會員
廣告
廣告
類別:
關鍵字:

搜尋「LSTM」,共 15

虛擬量測技術是半導體產業從經驗驅動轉向數據驅動的里程碑。它不僅解決了實體量測的瓶頸,更為晶圓廠提供了製程透明度。

當前工業元宇宙透過軟硬體互聯、虛實整合,讓AI、5G、雲端整合數位分身技術的各個環節,進一步打造智慧工廠與智慧供應鏈,已成為製造業者在轉型上的主要嘗試之一。

全球研究人員正透過模仿人類大腦組織方式,積極開發類神經網路技術,現階段的神經網路,還是缺乏即時變化的靈活性,得神經網路技術普及實用化的進程還是相當遙遠。

除了End user之外,也陸續向上延伸到系統整合(SI)、工具機製造(Maker)廠商。尤其是未來新興產品朝向個性化、客製化訂製方向發展,相關製程也須不斷進行工序整合、高度自動化,帶動車銑複合加工機和零組件、周邊自動化設備需求水漲船高。

從雲端到智慧終端,運算處理器扮演著越來越重要的角色。塑造幾乎所有服務和產品的功能,並定義著未來運算的面貌。特別是AI議題發酵,處理器還必須加入機器學習的能力。

本文敘述如何使用深度學習來進行地下電纜系統的預測性維護。利用深度學習模型能夠接近即時地執行分類,讓現場的技術人員可以在擷取到資料後立即看到結果,並且在必要時重新執行測試。 地下電纜系統與陸上電線路網相比,雖然對暴風雨、閃電、野火、冰暴、以及

由台灣微軟與台積電共同主辦的第三屆 2022 Careerhack校園黑客松競賽(2022 Careerhack),以「ESG - Hack for Sustainability」為主軸,加入製造業三大永續課題:工廠用電、資料中心節能與廢棄

在AIoT時代,工業電腦不僅僅是被應用於一般數據處理的計算機。隨著對人工智慧運算的需求,以減少雲端運算的工作量和成本。為了加強邊緣的AI性能,高階嵌入式解決方案是必須的。

藉由使用MATLAB和深度學習工具箱建立LSTM,並訓練出預測氮氧化物排放的模型網路,讓新一代零排放車輛的開發技術能達到高度準確率。

FPGA提供即時機器學習推論所需的可配置性,並具有能夠適應未來作業負載的靈活性;資料科學家和開發者需要借助兼具全面性且易用的工具才能運用此優勢。