太赞了!Hinton等6位图灵奖得主、百余位顶级学者邀你群聊,共话人工智能下一个十年...

MIKE21 MIKE软件 教程 0.1 软件介绍与教学目录 MIKE 21是一个专业的工程软件包,用于模拟河流、湖泊、河口、海湾、海岸及海洋的水流、波浪、泥沙及环境问题。在MIKE Zero集成平台中,主要有MIKE11,MIKE21,MIKE3三类软件,分别对应一维,二维,三维的水动力模型模拟。同时还包括MIKE HYDRO,MIKE FLOOD等其他功能,各软件的具体介绍请参考DHI公司的官方文档,在此不作赘述。学习过程中,对于任何操作界面的疑问,建议大家仔细阅读帮助文档(在有疑问的界面按F1调出),同时官方也提供了对应的线上和线下教学服务(免费+收费)。 阅读详情

Geoffrey Hinton等6位图灵奖得主亲临,百余位顶级学者邀请你加入群聊「2020北京智源大会」,深入系统探讨「人工智能的下一个十年」。

自2009年深度学习崛起以来,第三波人工智能浪潮席卷全球,推动了新一波技术革命。

在这波澜壮阔的11年,我们见证了技术突破、应用创新与产业变革。

技术上,深度学习首先带来计算机视觉、语音识别等领域的突破,让机器识别的准确率一步步突破人类水平;在应用上,深度学习、强化学习、联邦学习等学习范式在安防、游戏、金融等不同场景带来新的创新。人工智能技术,在这些领域由点到面的落地应用,逐步推动着整个产业的变革。

技术变革,需要不断的推陈出新。在这11年中,如果说前半期是深度学习的时代,那么近年来我们能够看到更多不同的概念继续推动这人工智能的发展:符号主义、因果关系、联邦学习,等等。

2020年,是一个十年的结束,也是下一个十年的开始。

在未来的十年,人工智能技术将如何发展?如何推动AI技术在医疗、交通等领域的落地应用?如何构建AI基础设置、规范AI伦理,都是当前人工智能领域亟待解决的问题。

依托北京在人工智能领域的科研和人才优势,第二届北京智源大会将于6月21-24日线上开幕。

此届大会围绕技术、应用、基础设施等话题,广泛邀请国内外人工智能领域的顶级专家学者,探索人工智能前沿科技发展趋势,对人工智能基础研究发展现状及面临的机遇和挑战、人工智能技术未来发展的核心方向等话题展开分享与讨论。本届大会主席由智源研究院理事长、源码资本投资合伙人张宏江,智源研究院学术顾问委员会委员、中国工程院院士高文担任。程序主席为智源研究院院长、北京大学教授黄铁军,智源研究院学术副院长、清华大学教授唐杰。

汇聚图灵奖得主、院士大咖的超强嘉宾阵容

为什么说这场北京智源大会不容错过?今年的大会确实有着非常多的亮点。

首先是嘉宾阵容十分强大,从目前更新的报告嘉宾中,我们看到了众多熟悉的名字和面孔:

其中就包括6位来自美国、加拿大和法国的图灵奖得主:Geoffrey Hinton、 Alan Kay、Judea Pearl、Manuel Blum、Joseph Sifakis、John Hopcroft。值得注意的是,在刚刚出炉的Guide2Research2020全球顶尖计算机科学家排名中,Geoffrey Hinton在「Top10计算机科学家」榜单排名第9位。

此外,在榜单中排名第一位的Anil Jain也将来到本次大会。Anil Jain兼有美国工程院院士、中国科学院外籍院士、密歇根州立大学教授等多个身份,H-index高达188,位居计算机科学领域全球第一。排名第4位的Michael I. Jordan(美国三院院士,H-index 166)也将亲临大会,担任论坛主席一职。

大会也邀请到了人工智能各领域多位世界级的专家,包括英国两院院士、英国曼彻斯特大学教授、智源学术顾问委员会委员Steve Furber,瑞士AI实验室教授、LSTM之父Jürgen Schmidhuber,美国工程院院士、数值优化权威Jorge Nocedal,哥伦比亚大学数据科学研究院院长周以真(Jeannette M. Wing),美国工程院院士、MIT Connection Science实验室主任Alex Pentland,AAAI候任主席、康奈尔大学教授Bart Selman,MIT CSAIL教授、智能医疗专家Regina Barzilay,CMU教授、苹果AI负责人Ruslan Salakhutdinov等。

还有多位大名鼎鼎的国内学术界和产业界领袖,包括中国科学院院士、智源学术顾问委员会主席张钹,创新工场创始人兼CEO李开复,奇绩创坛创始人兼CEO陆奇,清华大学教授张亚勤,英国皇家工程院院士、香港浸会大学副校长郭毅可等。

19个专题论坛,追踪人工智能最新发展方向

除全体议程外,本次大会特设19个专题论坛,主题涵盖人工智能数理基础、自然语言处理、智能体系架构与芯片、人工智能伦理治理与可持续发展、机器学习、智能信息检索与挖掘、认知神经基础、机器感知、决策智能、AI医疗、AI创业、AI交通、AI+大数据+防疫、AI框架、图神经网络、知识智能、强化学习、青年科学家机器学习前沿,以及 AI科技女性,遍历人工智能基础研究及创新应用,结合时局解析人工智能最新动态,探索未来发展方向。

论坛主席汇集了加州大学伯克利分校教授、智源学术顾问委员会委员Michael I. Jordan,中科院自动化所所长、智源研究院理事徐波,清华大学教授、智源研究院理事鲁白,中国科学院院士、智源首席科学家张平文,依图科技首席技术官、智源首席科学家颜水成,中国人民大学教授、智源首席科学家文继荣,中科院计算所研究员、智源首席科学家陈云霁,清华大学教授、智源首席科学家孙茂松,中科院自动化所研究员、智源人工智能伦理与安全研究中心主任曾毅,清华大学教授、智源研究员陈文光,滴滴人工智能实验室负责人、智源研究员叶杰平,清华大学副教授、智源青年科学家刘知远,北京师范大学教授、认知神经科学与学习国家重点实验室副主任刘嘉,北京航空航天大学教授吕卫锋等国内与国际不同研究方向代表。

尽管本次大会是以线上方式举行,但环节设置也十分完善,有学术报告、前沿对话、圆桌论坛、专访直播间等分享形式,还将上演 AI 现场挑战决策智能巅峰——即时战略游戏「星际争霸」的宗师级选手,为参会者开放更加全面的观会视角,创造更多互动话题。

大佬们要讲什么?

那么,你一定想提前知道,在这场大佬云集的会上,各位嘉宾都会分享什么主题?

首先我们来看下Hinton老爷子的主题。有着「深度学习之父」之称Geoffrey Hinton以其在类神经网络方面的贡献闻名。他的身份包括加拿大计算机学家和心理学家、多伦多大学教授、Google工程Fellow等。2010年,Hinton获得了加拿大科学和工程领域的最高奖项——赫茨伯格金奖。2018年,Hinton因其在深度学习方面的贡献被授予图灵奖。

在研究上,Hinton一直是无监督学习的推崇者,就像他总是提到的,「I always knew unsupervised learning was the right thing to do.」这一次,Hinton老爷子的演讲主题是《Untethering Unsupervised Learning》,将介绍他在无监督学习领域的一些新的思考。

说起图灵奖得主,我们也总会联想到瑞士AI实验室教授、LSTM之父Jürgen Schmidhuber。此番线上参与智源大会,他分享的主题是《AI against Covid-19》,将聚焦人工智能技术在新冠疫情抗击行动中贡献的力量。

Manuel Blum是卡内基梅隆大学计算机科学教授,他是密码系统和程序检验的先驱,也是计算复杂性理论的主要奠基人之一。1995年,Manuel Blum因其「奠定了计算复杂性理论的基础和在密码术及程序校验方面的贡献」被授予图灵奖。本次大会他分享的主题为《Towards a Conscious AI: A Computer Architecture inspired by Neuroscience》。

Joseph Sifakis是法国科学院院士、法国国家工程院院士、欧洲科学院院士、美国艺术与科学院院士、国家工程院院士、中国科学院院士。2007年,他因其在模型检查理论和应用方面的贡献而获得图灵奖,模型检查是目前应用最广泛的系统验证技术。Joseph Sifakis本次的分享主题为《Can we trust autonomous systems?》。

Steve Furber是英国计算机科学家、数学家和硬件工程师,目前担任英国曼彻斯特大学教授职位。Furber以其对电子系统(尤其是微处理器)设计及分析的贡献而著称,他是ARM处理器的硬件体系架构的原始设计者。本次Furber的分享主题为《Building Brains - artificial and biological intelligence》。

除此之外,每位受邀嘉宾都会分享自己所在领域的全新思考,作为有志于从事人工智能研究或已经身为人工智能从业者的你,千万不要错过。

本届大会现已开放注册,更多演讲主题将会持续更新,点击「阅读原文」通过专属链接免费注册。

slew dreate,slew threshold与transition计算 ​只看rise情况下,from pin取slew threshold10%-90%的区间,slew derate为1,计算得到transition为1.002e-10,to pin的slew threshold 为30%-70%,slew derate 0.5,从波形列表上取相近的值3.75e-10和8.75e-10,计算得到transition为(8.75e-10-3.75e-10)/0.5=1e-9,考虑精度和取值区间问题,基本符合工具计算的值,如下:​。如下示例,在.lib库中有定义以下内容。 阅读详情

相关推荐

保姆级教程:用Python+OpenCV搞定Orbbec Gemini深度与彩色流对齐(附完整代码)

本文提供了一份详细的Orbbec Gemini深度与彩色流对齐教程,涵盖从环境配置到完整代码实现的每一步。通过解析深度流对齐原理,对比不同对齐模式,并提供工业级应用中的问题排查方法,帮助开发者快速掌握Orbbec Gemini相机的使用技巧。文章还包含进阶应用如点云生成与三维重建的实战代码。

weixin_29090917的博客 470

Hinton最新演讲!一种新神经网络:前向-前向FF算法,论文已公开!

点击下方卡片,关注“CVer”公众号AI/CV重磅干货,第一时间送达点击进入—>CV微信技术交流群转载自:机器之心 | 编辑:杜伟、蛋酱在 NeurIPS 2022 会议的一场特邀演讲中,图灵奖得主、深度学习先驱 Hinton 在关于深度学习影响计算机构建方式、神经网络算法等方面分享了他的最新观点。NeurIPS 2022 会议正在如火如荼地进行之中,各路专家学者围绕着深度学习、计算机视...

阿木寺的博客 1196

别再只用CANape测数据了!手把手教你用ASAP2 Studio编辑A2L文件(附MAP文件更新避坑指南)

本文深入探讨ASAP2 Studio在ECU开发中的高阶应用,特别是如何利用其编辑A2L文件并同步更新MAP文件,提升测量标定效率。文章详细解析了ASAP2 Studio的双向同步能力、MAP文件更新全流程及变量管理技巧,帮助工程师避免常见错误,优化工作流程。

weixin_26833939的博客 508

t-分布邻域嵌入算法(t-SNE algorithm)简单理解

这篇文章主要介绍一个有效的数据降维的方法 t-SNE.大数据时代,数据量不仅急剧膨胀,数据也变得越来越复杂,数据的维度也随之增加。比如大图片,数据维度指的是像素的数量级,范围从数千到数百万。计算机可以处理任意多维的数据集,但我们人类认知只局限于3维空间,计算机依然需要我们(值得庆幸的),所以需要通过一些方法有效的可视化高维数据。通过观察现实世界的数据集发现其存在一些较低的本征维度。想像一下你拿着相机

Tinker Bell的博客 4万+

WRF和WPS模型在Ubuntu系统上的安装与常见问题解决指南

本文详细介绍了在Ubuntu系统上安装WRF和WPS模型的完整教程,涵盖系统环境配置、依赖库安装、源代码编译以及常见问题的解决方案。重点解决了WPS编译中intmath.f文件的修改、环境变量设置和编译器兼容性等关键难点,帮助用户高效部署气象研究与预报模型。

weixin_29213525的博客 382

Ubuntu22.04中通过conda快速部署PyTorch开发环境(CPU/GPU双版本实战)

本文详细介绍了在Ubuntu22.04系统中,如何利用Conda高效部署PyTorch开发环境。文章分别提供了CPU与GPU双版本的实战教程,涵盖环境创建、镜像加速、版本匹配及深度验证等关键步骤,旨在帮助开发者快速搭建稳定、兼容的深度学习环境,从而专注于模型开发。

rose2的博客 556

用盖楼的方式构建深度模糊模型:从盲人摸象开始

第一篇论文是:“A Fast Training Algorithm for Deep Convolutional Fuzzy Systems with Applicati...

人机与认知实验室 889

数据挖掘实战-基于KMeans算法对超市客户进行聚类分群

本实验基于KMeans算法对超市客户进行了聚类分群。通过对客户购物数据进行聚类,我们成功将客户分为不同的群体。每个群体代表了具有相似购物行为和偏好的客户群体。通过实验结果,我们发现了客户群体之间的明显差异和共性。不同群体的客户在购买频率、购物金额和购买种类等方面有所区别。这为超市提供了重要的市场细分信息,帮助超市经营者更好地了解不同客户群体的需求和喜好,制定有针对性的营销策略和商品推荐,提高客户满意度和忠诚度。此外,实验还揭示了超市客户的购物行为规律,为超市优化商品陈列和促销策略提供了指导。

m0_64336780的博客 2万+

梯度下降优化算法概述

原文作者简介:Sebastian Ruder 是我非常喜欢的一个博客作者,是 NLP 方向的博士生,目前供职于一家做 NLP 相关服务的爱尔兰公司 AYLIEN,博客主要是写机器学习、NLP和深度学习相关的文章。 本文原文是 An overview of gradient descent optimization algorithms,同时作者也在 arXiv 上发了一篇同样内容的

Alan Lee 1万+

YOLO26涨点改进 | 细节涨点篇 | 源自SCI一区 | YOLO26引入HWD小波下采样模块,而不会显著增加计算开销,(适合小目标分割任务、小目标检测任务)

本文提出了一种基于Haar小波变换的下采样模块HWD,用于改进YOLO26目标检测性能。HWD模块通过小波变换降低特征图分辨率,同时将空间信息编码到通道维度,有效保留了关键信息。相比传统下采样方法,HWD能显著减少信息不确定性,提升小目标检测精度。实验表明,该模块可无缝集成到CNN架构中,不增加计算开销。文章详细介绍了HWD的实现原理、代码结构以及在YOLO26中的集成方法,并提供了两种改进版yaml配置文件。该创新模块已在多种数据集上验证有效,特别适合语义分割和目标检测任务。

Ai缝合怪、助力小伙伴高效发论文 401

基于深度学习的水果新鲜程度检测系统(UI界面 + YOLOv8/v7/v6/v5代码 + 训练数据集)

本文详细介绍了如何使用YOLO系列模型(YOLOv5、YOLOv6、YOLOv7、YOLOv8)构建水果新鲜度检测系统。通过数据集准备、模型训练、推理过程以及UI界面的实现,我们能够构建一个实时检测水果新鲜度的系统。通过本博客,您可以全面了解如何应用深度学习技术解决实际问题,尤其是在智能监控和食品质量检测领域。

YOLO 815

玻尔兹曼机的学习算法--Hinton论文系列《A learning algorithm for Boltzmann machines》

1 简介 本文根据1985年Hinton等人写的《A learning algorithm for Boltzmann machines》翻译总结的。即玻尔兹曼机的学习算法。 连接主义认为长期的知识是简单神经单元的连接。关于大脑结构的证据和新的大规模集成电路的潜力促进了连接主义的复兴。 本文描述了一个并行约束满足网络,我们称作为玻尔兹曼机(Boltzmann machines)。它有能力学习潜在的约束,即通过域内样本学习到该域内特征。该网络修改连接的权重以构建一个内部生成模型,可以生成与样本相同概率分布的样

zephyr_wang的博客 3631

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

Hinton等6位图灵奖得主、百余位顶级学者邀你加入群聊,共话人工智能下一个十年...

Geoffrey Hinton等6位图灵奖得主亲临,百余位顶级学者邀请你加入群聊「2020北京智源大会」,深入系统探讨「人工智能的下一个十年」。自2009年深度学习崛起以来,第三波人工智...

tongtongjing1765的博客 2179

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

【深度学习】神经网络基础:反向传播算法

作者:Simona IvanovaAI/ML 专家就职于 Science 杂志 导读反向传播(Backpropagation,简称 BP)是目前用来训练人工神经网络(Artificia...

fengdu78的博客 1万+

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

什么是深度学习?

人工智能-深度学习

Code_and516的博客 3953

清华计算机校友郭毅可院士履新,任港科大首席副校长

来源:新智元近日,香港科技大学宣布,著名计算机科学家郭毅可为首席副校长,将于12月1日履新。目前,郭教授在香港浸会大学担任副校长 (研究及拓展) 一职。A顶级科学家履新郭毅可教授于1980年考入清华大学计算机系计算机专业,在获得工学学士学位后完成了硕博连读,成为首批清华硕博连读生。20世纪80年代,郭毅可被公费选派到英国攻读计算机科学博士学位。郭教授主要从事分布式数据挖掘,以及在网格计算、云计算、...

深度学习技术前沿 821

反向传播

Rumelhart、Hinton和Williams(1986年)提出的一般Delta法则 Parter(1985年)也独立地得出过相似的算法,他称之为学习逻辑 Lecun(1985年)也研究出大致相似的学习法则 前向传播 反向传播算法 有一层隐层 输入为2维向量x 输出为2维向量y x所对应的期望输出(ground truth)为t 若y≠t,则说明参...

qq_40008456的博客 522

梳理百年深度学习发展史-七月在线机器学习集训营助你把握深度学习浪潮

作为机器学习最重要的一个分支,深度学习近年来发展迅猛,在国内外都引起了广泛的关注。然而深度学习的火热也不是一时兴起的,而是经历了一段漫长的发展史。接下来我们了解一下深度学习的发展历程。 1. 深度学习的起源阶段 图1“AI之父”马文·明斯基 1943年,心里学家麦卡洛克和数学逻辑学家皮兹发表论文《神经活动中内在思想的逻辑演算》,提出了MP模型。MP模型是模仿神经元的结构和工作原理,构成出的...

weixin_30567225的博客 1985
上一篇: 流弊了!竟然用Python做一个炫酷的小姐姐动态壁纸
下一篇: GitHub标星3.9K!223个Python小例子,一次让你吃个够!
菜鸟学Python
博客等级 码龄9年 8062粉丝 571原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值