AMiner釋出的13期人工智慧研究報告
從4月到現在,AMiner一共發了13期報告,現在小編將報告連結彙總整理如下,有需要的小夥伴可自取,我們也會繼續釋出人工智慧領域的研究報告,敬請關注。
1.《自動駕駛與人工智慧研究報告》
https://www.aminer.cn/research_report/selfdriving?h=5425&download=true
2.《機器人與人工智慧研究報告》
https://static.aminer.cn/misc/article/robotics_beta.pdf
3.《區塊鏈基礎理論與研究概況》
https://www.aminer.cn/research_report/blockchain_public?h=4727&download=true
4.《行為經濟學與人工智慧研究報告》
https://www.aminer.cn/research_report/economic?h=5100&download=true
5.《機器翻譯與人工智慧研究報告》
https://www.aminer.cn/research_report/translation?h=5040&download=true
6.《通訊與人工智慧研究報告》
https://www.aminer.cn/research_report/communication?h=3150&download=true
7.《自動駕駛與人工智慧研究報告》前沿版
https://www.aminer.cn/research_report/selfdriving-new?h=5200&download=true
8.《自然語言處理研究報告》
https://www.aminer.cn/research_report/nlp?h=5200&download=true
9.《計算機圖形學研究報告》
https://www.aminer.cn/research_report/cg?h=10383&download=true
10.《超級計算機研究報告》
https://www.aminer.cn/research_report/sc?h=4654&download=true
11.《3D列印研究報告》
https://www.aminer.cn/research_report/3d?h=1201&download=true
12.《智慧機器人研究報告》(前沿版)
https://www.aminer.cn/research_report/rb?h=1201&download=true
13.《人臉識別研究報告》
https://www.aminer.cn/research_report/facerecognition?h=1201&download=true
ofollow,noindex">aminer學術頭條
AMiner平臺由清華大學計算機系研發,擁有我國完全自主智慧財產權。系統2006年上線,吸引了全球220個國家/地區800多萬獨立IP訪問,資料下載量230萬次,年度訪問量1000萬,成為學術搜尋和社會網路挖掘研究的重要資料和實驗平臺。
產業 自動駕駛 NLP 機器翻譯 人臉識別 報告
相關資料
Artificial Intelligence
在學術研究領域,人工智慧通常指能夠感知周圍環境並採取行動以實現最優的可能結果的智慧體(intelligent agent)
來源: Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.
Facial recognition
廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術,包括人臉影象採集、人臉定位、人臉識別預處理、身份確認以及身份查詢等;而狹義的人臉識別特指通過人臉進行身份確認或者身份查詢的技術或系統。 人臉識別是一項熱門的計算機技術研究領域,它屬於生物特徵識別技術,是對生物體(一般特指人)本身的生物特徵來區分生物體個體。
來源: 維基百科
Machine translation
機器翻譯(MT)是利用機器的力量「自動將一種自然語言(源語言)的文字翻譯成另一種語言(目標語言)」。機器翻譯方法通常可分成三大類:基於規則的機器翻譯(RBMT)、統計機器翻譯(SMT)和神經機器翻譯(NMT)。
來源:機器之心
self-driving
從 20 世紀 80 年代首次成功演示以來(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自動駕駛汽車領域已經取得了巨大進展。儘管有了這些進展,但在任意複雜環境中實現完全自動駕駛導航仍被認為還需要數十年的發展。原因有兩個:首先,在複雜的動態環境中執行的自動駕駛系統需要人工智慧歸納不可預測的情境,從而進行實時推論。第二,資訊性決策需要準確的感知,目前大部分已有的計算機視覺系統有一定的錯誤率,這是自動駕駛導航所無法接受的。
來源: 機器之心