Template error, template file not found
64x64

上海明日之星科技有限公司

推荐 0

浏览 327

一切皆可工业4.0,只在效率高低

说起液压,给人的感觉就是笨重但富有力量。而在北京亿美博科技有限公司多年的研究中,跳出固有思维禁锢,“将工程机械当做机器人”来做,使得原来非常笨拙的一个“大块头”,现在变成一个灵巧的、自主的、具有智能和功率强大的机器人,这就是亿美博“数字液压”工程机械机器人项目。而从实验室走向市场的过程中,亿美博为此也打造着“数字液压

阅读更多

64x64

上海明日之星科技有限公司

推荐 0

浏览 251

艾默生董事长范大为:中国经济增长是艾默生的机会

 艾默生董事长兼首席执行官范大为(DavidN.Farr)具备成为一家跨国公司领袖的所有特质。他乐观积极,努力工作,保持激情并且天性快乐。他不安于现状,随时准备迎接挑战。   但真正使他脱颖而出成为艾默生首席执行官的,是他在20多年前作出的一个高瞻远瞩的决策--说服时任首席执行官将公司业务扩展至亚洲,并在其任期内继续

阅读更多

64x64

机械设计

推荐 0

浏览 282

TensorFlow(一)——基础图模型

 穿插整理一系列以前的笔记,将围绕TensorFlow来讲解深度学习的知识,形式以原理解说+代码演示为主,首先来讲讲TensorFlow的基础知识。TensorFlow是基于计算图模型的深度学习框架,每个TensorFlow程序都有一个默认图,一般情况下我们在程序中所添加的操作(operation,简称op)都是添加

阅读更多

64x64

上海明日之星科技有限公司

推荐 0

浏览 320

立志与躬行 固高科技人才战略进入第二阶段

当时代悄然进步的时候,我们往往是后知后觉的。如今,固高科技与新汉股份合资成立新固兴,落子在“一带一路”的战略重地重庆时,我们才猛然发现,固高科技的格局又有了新突破。一方掌握精深的运动控制技术,一方拥有EtherCATMaster研发技术,“双剑合璧志存高远”。“新固兴将重点着眼于智能制造控制系统、机器人相关行业,以及

阅读更多

64x64

上海明日之星科技有限公司

推荐 0

浏览 176

威盛:开创工业物联网和VR应用的未来

 在11月1日开始的工博会上,全球高集成嵌入式平台及系统解决方案领导厂商威盛携旗下最前沿的产业理念和最先进的创新技术首次参展,吸引了众多观众的驻足。   提及威盛,大多数人的印象或许还停留在芯片产品的供应商方面。然而早于多年前,威盛就已经开始深度耕耘规模庞大的嵌入式市场,并高速进军物联网产业。   “随着用户个性化需

阅读更多

64x64

上海明日之星科技有限公司

推荐 0

浏览 187

引领中国智能制造三个key ——专访欧姆龙自动化(中国

 2016年工博会,欧姆龙隆重推出三个key,为中国智能制造带来更好的诠释。为了更好地了解欧姆龙的最新动态及战略,gongkong近期独家专访了欧姆龙自动化(中国)有限公司副总经理松山信也先生,请他来解读中国智能制造三个key。       欧姆龙副总经理松山信也先生接受gongkong网的访问   gongkong

阅读更多

64x64

机械设计

推荐 0

浏览 262

n-Armed Bandit Problem(二)

 在Bandit问题的第一期提到(n-ArmedBanditProblem(一)),我们可以使用贪婪算法来得到最大回报。这种贪婪算法有两种,即e等于0或e不等于0。接下来,我们可以分别写出它们的代码并得到实验结果。 根据之前假设,每个决策都会得到一个由高斯分布产生的随机回报值。而这个假设是固定不变的,因此我们可以先写

阅读更多

64x64

机械设计

推荐 0

浏览 195

n-Armed Bandit Problem(一)

 强化学习的核心就是一个最优函数使得总回报达到最大,这个最优方程又称为Bellman方程,而解决这种最优问题常用的思路就是动态规划(详见:RL(一)——马尔科夫决策过程,我对动态规划算法的理解(一)),如果不使用动态规划算法的话,那么后果就是计算量变得异常庞大,例如一个大小为5*5的棋盘,如果按照上一期中提到的状态空

阅读更多

64x64

密泰传动系统

推荐 0

浏览 280

什么是对抗式生成网络

1.GenerativeModelvsDiscriminativeModel首先,我们要明白机器学习中主要有两种模型,生成模型和判别模型。顾名思义,判别模型就是判别输入数据属于哪一类,例如卷积神经网络可以判别一幅图是不是包含猫;而生成模型并不知道数据是属于哪一类,它的作用是通过熟悉输入数据的特定分布,来产生一组新数据

阅读更多

64x64

密泰传动系统

推荐 0

浏览 352

基于强化学习开发人机对弈五子棋游戏

 上一期提到过,强化学习主要包括状态空间、价值函数、状态转移三个部分,通过状态之间的转移来得到每个状态的价值,强化学习的目标是使得总价值达到最大。注意,与监督学习不同的是,监督学习通常需要大量的样本来获得有价值的信息,而强化学习却不需要,强化学习可以不需要预先给定任何知识,只需要指定一定的策略和回报,它可以通过不断地

阅读更多

热门专栏

Template error, template file not found