99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

人工神經(jīng)網(wǎng)絡(luò)識(shí)別9萬(wàn)張圖像,數(shù)小時(shí)發(fā)現(xiàn)6883個(gè)新隕石坑

DPVg_AI_era ? 來(lái)源:未知 ? 作者:李倩 ? 2018-03-20 14:06 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

最近,美國(guó)和加拿大的研究人員用人工智能發(fā)現(xiàn)了月球上近7000個(gè)此前未被發(fā)現(xiàn)的隕石坑,僅用時(shí)幾個(gè)小時(shí)。未來(lái),人類(lèi)將有可能在這些隕石坑巨大的陰影下建立月球基地。

人類(lèi)離開(kāi)地球后的第一個(gè)家園可能很快就會(huì)被找到。

最近,美國(guó)賓夕法尼亞州立大學(xué)的Ari Silburt和加拿大多倫多大學(xué)的Mohamad Ali-Dib領(lǐng)導(dǎo)的研究小組,利用人工智能發(fā)現(xiàn)了月球上近7000個(gè)此前未被發(fā)現(xiàn)的隕石坑,僅用時(shí)幾個(gè)小時(shí)。

專(zhuān)家說(shuō),未來(lái),人類(lèi)可以在隕石坑巨大的陰影下建立月球基地,這樣可以保護(hù)殖民者免受太陽(yáng)輻射的危險(xiǎn)。

人工神經(jīng)網(wǎng)絡(luò)識(shí)別9萬(wàn)張圖像,數(shù)小時(shí)發(fā)現(xiàn)6883個(gè)新隕石坑

過(guò)去,人們?cè)谟?jì)算月球上的隕石坑時(shí),需要手動(dòng)查看圖像,找到并計(jì)算隕石坑的數(shù)量,然后根據(jù)圖像大小計(jì)算它們的實(shí)際大小。

研究人員也曾嘗試過(guò)開(kāi)發(fā)算法來(lái)識(shí)別和計(jì)算月球隕石坑,但是當(dāng)它們用于新的、以前看不見(jiàn)的隕石坑時(shí),往往表現(xiàn)不佳。

Ali-Dib和他的同事開(kāi)發(fā)的算法可以很好地發(fā)現(xiàn)不容易識(shí)別的月球,甚至水星等其他星球上的隕石坑。

該算法經(jīng)過(guò)訓(xùn)練以識(shí)別火山口的邊緣,然后對(duì)照先前發(fā)現(xiàn)的火山口的數(shù)據(jù)庫(kù)進(jìn)行檢查,算法使用這些信息來(lái)確認(rèn)新的形狀符合已知的火山口形狀。這使得算法可以區(qū)分隕石坑和其他地質(zhì)形狀,包括山脈和山脊。

為了確定其準(zhǔn)確性,研究團(tuán)隊(duì)首先在覆蓋三分之二的月球的大型數(shù)據(jù)集上訓(xùn)練神經(jīng)網(wǎng)絡(luò),然后在余下三分之一的月球上測(cè)試他們的訓(xùn)練網(wǎng)絡(luò)。最終的結(jié)果表現(xiàn)非常好,它能夠識(shí)別兩倍于傳統(tǒng)手動(dòng)計(jì)數(shù)的隕石坑。而實(shí)際上上,它能夠在月球上識(shí)別出約7000個(gè)以前不明的隕石坑。

專(zhuān)家將90000幅月球表面圖像輸入到人造神經(jīng)網(wǎng)絡(luò),并對(duì)圖像進(jìn)行分類(lèi)并確定直徑大于5公里的隕石坑。這張圖片顯示了AI在非月亮照片上的識(shí)別能力。

當(dāng)機(jī)器進(jìn)行測(cè)試時(shí),它找到了6883個(gè)新隕石坑,使這個(gè)尺寸的已知隕石坑總數(shù)增加了一倍。該圖像顯示原始圖像(左),AI對(duì)火山口位置(中心)的預(yù)測(cè)以及這些預(yù)測(cè)疊加在原始圖像上(右圖)

然而,人工智能確實(shí)不時(shí)出現(xiàn)失誤,錯(cuò)誤地識(shí)別出了一些隕石坑,而忽略了其他的隕石坑。大約四分之一正確識(shí)別的隕石坑的真實(shí)位置沒(méi)有顯示(紅色)

Silburt博士說(shuō),一旦模型有了更多的改進(jìn),AI就可以用來(lái)發(fā)現(xiàn)成千上萬(wàn)、身份不明的5公里以下的隕石坑。

未來(lái),Ali-Dib表示計(jì)劃將進(jìn)一步改進(jìn)算法,使研究人員能夠找到更多的隕石坑,并在其他太陽(yáng)系體如火星、谷神星(Ceres)、木星和土星的衛(wèi)星上使用。

通過(guò)隕石坑研究太陽(yáng)系,2030年人類(lèi)登月找到定居點(diǎn)?

了解隕石坑在月球上的大小和位置非常重要,因?yàn)樗鼮槲覀兊奶?yáng)系歷史提供了一個(gè)研究窗口。 Ali-Dib指出,通過(guò)研究各種形狀、大小和年齡的撞擊坑,研究人員可以更好地了解太陽(yáng)系早期發(fā)生的物質(zhì)分布和物理現(xiàn)象。

由于月球沒(méi)有大氣、板塊構(gòu)造和水,所以幾乎沒(méi)有受到地表侵蝕,因此一些隕石坑的形成時(shí)間可以達(dá)到40億年。大隕石坑的年齡也可以通過(guò)計(jì)算里面有多少個(gè)小隕石坑來(lái)確定。

LRO拍攝的月球隕石坑

這次研究使用的許多圖像是通過(guò)美國(guó)國(guó)家航空航天局的月球偵察軌道飛行器(Lunar Reconnaissance Orbiter ,LRO)獲取,該飛行器在2009年發(fā)射升空,這是美國(guó)“重返月球”計(jì)劃的第一步,為美國(guó)下一步載人探月以及探索太陽(yáng)系提供重要數(shù)據(jù)。

LRO返回月球全部數(shù)據(jù),如日間溫度地圖、月球大地測(cè)量網(wǎng)格、高分辨率彩色成像和月球的UV反照率(這是衡量太陽(yáng)輻射被天文物體反射回太空中的比例的測(cè)量值)。

月球偵察軌道飛行器LRO(意境圖)

LRO有助于確定月球上潛在資源點(diǎn),具有極高的科學(xué)價(jià)值,資源點(diǎn)能夠?yàn)槿祟?lèi)提供良好的地形和未來(lái)機(jī)器人和人類(lèi)執(zhí)行月球任務(wù)所需的安全環(huán)境。

歐洲航天局推動(dòng)的“月球村”計(jì)劃大使Bernard Foing教授曾表示,到2030年,可能會(huì)有六到十個(gè)人類(lèi)先驅(qū)者在月球上找到定居點(diǎn),到2040年人類(lèi)在月球上的數(shù)量可能增長(zhǎng)到100人。

Bernard Foing

“到了2050年,可能會(huì)有一千人,然后......自然你可以設(shè)想讓家人在那里工作?!盉ernard Foing說(shuō)。

Bernard Foing認(rèn)為,潛在的月球資源包括玄武巖,這是一種火山巖,它可用作打印3D衛(wèi)星的原材料。這些衛(wèi)星可以從月球上發(fā)射,因?yàn)槠渲亓χ挥械厍虻囊恍〔糠帧?/p>

未來(lái)人類(lèi)月球定居點(diǎn)(意境圖)

此外,月球還擁有氦3,這是我們這個(gè)星球上罕見(jiàn)的同位素,它理論上可以用來(lái)為地球產(chǎn)生更清潔,更安全的核能。

月球上的水被凝結(jié)在月亮兩極的冰上,而水可以分離成氫氣和氧氣,兩種氣體在混合時(shí)會(huì)爆炸——這能提供火箭燃料。

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:【月球殖民靠AI】神經(jīng)網(wǎng)絡(luò)發(fā)現(xiàn)7000個(gè)新隕石坑,人類(lèi)2030年或找到月球定居點(diǎn)

文章出處:【微信號(hào):AI_era,微信公眾號(hào):新智元】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)在多個(gè)方面存在顯著差異,以下是對(duì)兩者的比較: 一、結(jié)構(gòu)特點(diǎn) BP神經(jīng)網(wǎng)絡(luò) : BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 02-12 15:53 ?662次閱讀

    BP神經(jīng)網(wǎng)絡(luò)圖像識(shí)別中的應(yīng)用

    BP神經(jīng)網(wǎng)絡(luò)圖像識(shí)別中發(fā)揮著重要作用,其多層結(jié)構(gòu)使得網(wǎng)絡(luò)能夠?qū)W習(xí)到復(fù)雜的特征表達(dá),適用于處理非線性問(wèn)題。以下是對(duì)BP神經(jīng)網(wǎng)絡(luò)圖像識(shí)別中應(yīng)
    的頭像 發(fā)表于 02-12 15:12 ?673次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

    在上一篇文章中,我們介紹了傳統(tǒng)機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)和多種算法。在本文中,我們會(huì)介紹人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法,供各位老師選擇。 01 人工
    的頭像 發(fā)表于 01-09 10:24 ?1184次閱讀
    <b class='flag-5'>人工</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法

    卷積神經(jīng)網(wǎng)絡(luò)在自然語(yǔ)言處理中的應(yīng)用

    自然語(yǔ)言處理是人工智能領(lǐng)域的一個(gè)重要分支,它致力于使計(jì)算機(jī)能夠理解、解釋和生成人類(lèi)語(yǔ)言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)作為一種強(qiáng)大的模型,在圖像識(shí)別和語(yǔ)音處理等領(lǐng)域取
    的頭像 發(fā)表于 11-15 14:58 ?803次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    在深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識(shí)別、自然語(yǔ)言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常見(jiàn)的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)
    的頭像 發(fā)表于 11-15 14:53 ?1867次閱讀

    深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)模型

    深度學(xué)習(xí)近年來(lái)在多個(gè)領(lǐng)域取得了顯著的進(jìn)展,尤其是在圖像識(shí)別、語(yǔ)音識(shí)別和自然語(yǔ)言處理等方面。卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)的一個(gè)分支,因其在圖像處理
    的頭像 發(fā)表于 11-15 14:52 ?844次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的基本原理與算法

    ),是深度學(xué)習(xí)的代表算法之一。 一、基本原理 卷積運(yùn)算 卷積運(yùn)算是卷積神經(jīng)網(wǎng)絡(luò)的核心,用于提取圖像中的局部特征。 定義卷積核:卷積核是一個(gè)小的矩陣,用于在輸入圖像上滑動(dòng),提取局部特征。
    的頭像 發(fā)表于 11-15 14:47 ?1774次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    傳統(tǒng)神經(jīng)網(wǎng)絡(luò)(前饋神經(jīng)網(wǎng)絡(luò)) 2.1 結(jié)構(gòu) 傳統(tǒng)神經(jīng)網(wǎng)絡(luò),通常指的是前饋神經(jīng)網(wǎng)絡(luò)(Feedforward Neural Networks, FNN),是一種最簡(jiǎn)單的
    的頭像 發(fā)表于 11-15 09:42 ?1125次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)圖像處理中的應(yīng)用

    長(zhǎng)短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),它能夠?qū)W習(xí)長(zhǎng)期依賴(lài)關(guān)系。雖然LSTM最初是為處理序列數(shù)據(jù)設(shè)計(jì)的,但近年來(lái),它在圖像處理領(lǐng)域也展現(xiàn)出了巨大的潛力。 LSTM基本原理
    的頭像 發(fā)表于 11-13 10:12 ?1617次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)在語(yǔ)音識(shí)別中的應(yīng)用實(shí)例

    語(yǔ)音識(shí)別技術(shù)是人工智能領(lǐng)域的一個(gè)重要分支,它使計(jì)算機(jī)能夠理解和處理人類(lèi)語(yǔ)言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,特別是長(zhǎng)短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)的引入,語(yǔ)音
    的頭像 發(fā)表于 11-13 10:03 ?1850次閱讀

    Moku人工神經(jīng)網(wǎng)絡(luò)101

    不熟悉神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí),或者想了解神經(jīng)網(wǎng)絡(luò)如何優(yōu)化加速實(shí)驗(yàn)研究,請(qǐng)繼續(xù)閱讀,探索基于深度學(xué)習(xí)的現(xiàn)代智能化實(shí)驗(yàn)的廣闊應(yīng)用前景。什么是神經(jīng)網(wǎng)絡(luò)?“人工
    的頭像 發(fā)表于 11-01 08:06 ?662次閱讀
    Moku<b class='flag-5'>人工</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>101

    關(guān)于卷積神經(jīng)網(wǎng)絡(luò),這些概念你厘清了么~

    必須通過(guò)決策閾值做出決定。 另一個(gè)區(qū)別是AI并不依賴(lài)固定的規(guī)則,而是要經(jīng)過(guò)訓(xùn)練。訓(xùn)練過(guò)程需要將大量貓的圖像展示給神經(jīng)網(wǎng)絡(luò)以供其學(xué)習(xí)。最終,神經(jīng)網(wǎng)絡(luò)將能夠獨(dú)立
    發(fā)表于 10-24 13:56

    【飛凌嵌入式OK3576-C開(kāi)發(fā)板體驗(yàn)】RKNN神經(jīng)網(wǎng)絡(luò)-車(chē)牌識(shí)別

    LPRNet基于深層神經(jīng)網(wǎng)絡(luò)設(shè)計(jì),通過(guò)輕量級(jí)的卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)車(chē)牌識(shí)別。它采用端到端的訓(xùn)練方式,不依賴(lài)字符分割,能夠直接處理整車(chē)牌圖像,并
    發(fā)表于 10-10 16:40

    國(guó)產(chǎn)芯上運(yùn)行TinyMaxi輕量級(jí)的神經(jīng)網(wǎng)絡(luò)推理庫(kù)-米爾基于芯馳D9國(guó)產(chǎn)商顯板

    本篇測(cè)評(píng)由優(yōu)秀測(cè)評(píng)者“短笛君”提供。本文將介紹基于米爾電子MYD-YD9360商顯板(米爾基于芯馳D9360國(guó)產(chǎn)開(kāi)發(fā)板)的TinyMaxi輕量級(jí)的神經(jīng)網(wǎng)絡(luò)推理庫(kù)方案測(cè)試。 算力測(cè)試TinyMaix
    發(fā)表于 08-09 18:26

    FPGA在深度神經(jīng)網(wǎng)絡(luò)中的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network, DNN)作為其核心算法之一,在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域取得了顯著成果。然而,傳統(tǒng)的深度
    的頭像 發(fā)表于 07-24 10:42 ?1200次閱讀