新一代移動端深度學(xué)習(xí)推理框架TNN，通過底層技術(shù)優(yōu)化實現(xiàn)在多個不同平臺的輕量部署落地，性能優(yōu)異、簡單易用。騰訊方面稱，基于TNN，開發(fā)者能夠輕松將深度學(xué)習(xí)算法移植到手機端高效的執(zhí)行，開發(fā)出人工智能 App，真正將 AI 帶到指尖
達摩院金榕教授介紹了語音、自然語言處理、計算機視覺三大核心AI技術(shù)的關(guān)鍵進展，并就AI技術(shù)在在實際應(yīng)用中的關(guān)鍵挑戰(zhàn)，以及達摩院應(yīng)對挑戰(zhàn)的創(chuàng)新實踐進行了解讀
2020年5月底OpenAI發(fā)布了有史以來最強的NLP預(yù)訓(xùn)練模型GPT-3，最大的GPT-3模型參數(shù)達到了1750億個參數(shù)
解決了傳統(tǒng)圖卷積神經(jīng)網(wǎng)絡(luò)中圖節(jié)點學(xué)習(xí)到的特征對圖分辨率和連接關(guān)系敏感的問題，可以實現(xiàn)在低分辨率的三維形狀上學(xué)習(xí)特征，在高低分辨率形狀之上進行測試，并且保持不同分辨率特征的一致性
外賣履約時間預(yù)估模型，預(yù)估的是從用戶下單開始到騎手將餐品送達用戶手中所花的時間
記憶增強的圖神經(jīng)網(wǎng)絡(luò)對短期的商品語境信息建模，并使用共享的記憶網(wǎng)絡(luò)來捕捉商品之間的長期依賴，對多個模型進行了對比,在Top-K序列推薦中效果極佳
馬庫斯系統(tǒng)性地闡述了對當(dāng)前AI研究界的批判，從認(rèn)識科學(xué)領(lǐng)域中針對性地給出了11條可執(zhí)行的建議
MIS 和RMIS觸覺傳感器最常用的傳感原理是基于電氣的傳感器。這些觸覺傳感器進一步分為壓阻型、壓電型和電容型傳感器
應(yīng)用于MIS的觸覺傳感器主要是基于電學(xué)或光學(xué)原理開發(fā)的，應(yīng)該是小尺寸和圓柱形的，可在導(dǎo)管的管身或尖端集成
非接觸式檢測平臺FluSense由麥克風(fēng)陣列和熱成像攝像機組成，用于捕捉不同的候診室人群行為，包括咳嗽和語言活動以及候診室病人數(shù)量
通過機械機構(gòu)實現(xiàn)機械手到工具的動力傳遞，無需外部控制及供能，對機器人的避障路徑規(guī)劃影響極小
神經(jīng)網(wǎng)絡(luò)的敏感性分析方法可以分為變量敏感性分析、樣本敏感性分析兩種，變量敏感性分析用來檢驗輸入屬性變量對模型的影響程度，樣本敏感性分析用來研究具體樣本對模型的重要程度
