91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(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
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,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)識別9萬張圖像,數(shù)小時發(fā)現(xiàn)6883個新隕石坑

DPVg_AI_era ? 來源: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個此前未被發(fā)現(xiàn)的隕石坑,僅用時幾個小時。未來,人類將有可能在這些隕石坑巨大的陰影下建立月球基地。

人類離開地球后的第一個家園可能很快就會被找到。

最近,美國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個此前未被發(fā)現(xiàn)的隕石坑,僅用時幾個小時。

專家說,未來,人類可以在隕石坑巨大的陰影下建立月球基地,這樣可以保護殖民者免受太陽輻射的危險。

人工神經(jīng)網(wǎng)絡(luò)識別9萬張圖像,數(shù)小時發(fā)現(xiàn)6883個新隕石坑

過去,人們在計算月球上的隕石坑時,需要手動查看圖像,找到并計算隕石坑的數(shù)量,然后根據(jù)圖像大小計算它們的實際大小。

研究人員也曾嘗試過開發(fā)算法來識別和計算月球隕石坑,但是當(dāng)它們用于新的、以前看不見的隕石坑時,往往表現(xiàn)不佳。

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

該算法經(jīng)過訓(xùn)練以識別火山口的邊緣,然后對照先前發(fā)現(xiàn)的火山口的數(shù)據(jù)庫進行檢查,算法使用這些信息來確認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。

為了確定其準確性,研究團隊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,它能夠識別兩倍于傳統(tǒng)手動計數(shù)的隕石坑。而實際上上,它能夠在月球上識別出約7000個以前不明的隕石坑。

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

當(dāng)機器進行測試時,它找到了6883個新隕石坑,使這個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對火山口位置(中心)的預(yù)測以及這些預(yù)測疊加在原始圖像上(右圖)

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

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

未來,Ali-Dib表示計劃將進一步改進算法,使研究人員能夠找到更多的隕石坑,并在其他太陽系體如火星、谷神星(Ceres)、木星和土星的衛(wèi)星上使用。

通過隕石坑研究太陽系,2030年人類登月找到定居點?

了解隕石坑在月球上的大小和位置非常重要,因為它為我們的太陽系歷史提供了一個研究窗口。 Ali-Dib指出,通過研究各種形狀、大小和年齡的撞擊坑,研究人員可以更好地了解太陽系早期發(fā)生的物質(zhì)分布和物理現(xiàn)象。

由于月球沒有大氣、板塊構(gòu)造和水,所以幾乎沒有受到地表侵蝕,因此一些隕石坑的形成時間可以達到40億年。大隕石坑的年齡也可以通過計算里面有多少個小隕石坑來確定。

LRO拍攝的月球隕石坑

這次研究使用的許多圖像是通過美國國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“重返月球”計劃的第一步,為美國下一步載人探月以及探索太陽系提供重要數(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(這是衡量太陽輻射被天文物體反射回太空中的比例的測量值)。

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,具有極高的科學(xué)價值,資源點能夠為人類提供良好的地形和未來機器人和人類執(zhí)行月球任務(wù)所需的安全環(huán)境。

歐洲航天局推動的“月球村”計劃大使Bernard Foing教授曾表示,到2030年,可能會有六到十個人類先驅(qū)者在月球上找到定居點,到2040年人類在月球上的數(shù)量可能增長到100人。

Bernard Foing

“到了2050年,可能會有一千人,然后......自然你可以設(shè)想讓家人在那里工作。”Bernard Foing說。

Bernard Foing認為,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,因為其重力只有地球的一小部分。

未來人類月球定居點(意境圖)

此外,月球還擁有氦3,這是我們這個星球上罕見的同位素,它理論上可以用來為地球產(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,兩種氣體在混合時會爆炸——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或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。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)問題,請聯(lián)系本站處理。 舉報投訴

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

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

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

    評論

    相關(guān)推薦
    熱點推薦

    為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡(luò)引擎?

    我想知道為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡(luò)引擎,請問?您能否舉一些關(guān)于他們的用例的例子?
    發(fā)表于 03-25 06:01

    神經(jīng)網(wǎng)絡(luò)的初步認識

    日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí),而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大腦中神經(jīng)
    的頭像 發(fā)表于 12-17 15:05 ?423次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認識

    自動駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)啥?

    在自動駕駛領(lǐng)域,經(jīng)常會聽到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò),簡稱為CNN,是一種專門用來處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學(xué)習(xí)模型。CNN在圖像處理中尤其常見,因為
    的頭像 發(fā)表于 11-19 18:15 ?2177次閱讀
    自動駕駛中常提的卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>是<b class='flag-5'>個</b>啥?

    NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹

    (q7_t) 和 16 位整數(shù) (q15_t)。 卷積神經(jīng)網(wǎng)絡(luò)示例: 本示例中使用的 CNN 基于來自 Caffe 的 CIFAR-10 示例。神經(jīng)網(wǎng)絡(luò)由 3 卷積層組成,中間散布著 ReLU
    發(fā)表于 10-29 06:08

    構(gòu)建CNN網(wǎng)絡(luò)模型并優(yōu)化的一般化建議

    ,從而得到對我們有價值的識別信息。但這種迭代性并不是十分必要的,因為從實踐來看,即使只有單層網(wǎng)絡(luò)的模型,只要擁有充分數(shù)量的神經(jīng)元,也可以獲得較高的準確率。不過該種方式的一重要缺點就是
    發(fā)表于 10-28 08:02

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗

    模型。 我們使用MNIST數(shù)據(jù)集,訓(xùn)練一卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型,用于手寫數(shù)字識別。一旦模型被訓(xùn)練并保存,就可以用于對新圖像進行推理和預(yù)測。要使用生成的模型進行推理,可以按照以下步
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重數(shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲器內(nèi)。 在仿真環(huán)境下,可將其存于一文件,并在 Verilog 代碼中通過 readmemh 函數(shù)
    發(fā)表于 10-20 08:00

    人工智能工程師高頻面試題匯總:循環(huán)神經(jīng)網(wǎng)絡(luò)篇(題目+答案)

    后臺私信雯雯老師,備注:循環(huán)神經(jīng)網(wǎng)絡(luò),領(lǐng)取更多相關(guān)面試題隨著人工智能技術(shù)的突飛猛進,AI工程師成為了眾多求職者夢寐以求的職業(yè)。想要拿下這份工作,面試的時候得展示出你不僅技術(shù)過硬,還得能解決問題。所以
    的頭像 發(fā)表于 10-17 16:36 ?795次閱讀
    <b class='flag-5'>人工</b>智能工程師高頻面試題匯總:循環(huán)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>篇(題目+答案)

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時間連續(xù)性與動態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲的神經(jīng)結(jié)構(gòu),盡管這種微生物的
    的頭像 發(fā)表于 09-28 10:03 ?1459次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時間連續(xù)性與動態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    神經(jīng)網(wǎng)絡(luò)的并行計算與加速技術(shù)

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而,神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加,這使得傳統(tǒng)的串行計算方式面臨著巨大的挑戰(zhàn),如計算速度慢、訓(xùn)練時間長等
    的頭像 發(fā)表于 09-17 13:31 ?1245次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計算與加速技術(shù)

    基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真模型解決方案

    在基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真(DPD)模型中,使用不同的激活函數(shù)對整個系統(tǒng)性能和能效有何影響?
    的頭像 發(fā)表于 08-29 14:01 ?3602次閱讀

    無刷電機小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測方法的研究

    摘要:論文通過對無刷電機數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實現(xiàn)轉(zhuǎn)角預(yù)測,并采用改進遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機故障診斷中的應(yīng)用

    摘要:針對傳統(tǒng)專家系統(tǒng)不能進行自學(xué)習(xí)、自適應(yīng)的問題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點,很大程度上降低了對電機
    發(fā)表于 06-16 22:09

    神經(jīng)網(wǎng)絡(luò)RAS在異步電機轉(zhuǎn)速估計中的仿真研究

    眾多方法中,由于其結(jié)構(gòu)簡單,穩(wěn)定性好廣泛受到人們的重視,且已被用于產(chǎn)品開發(fā)。但是MRAS仍存在在低速區(qū)速度估計精度下降和對電動機參數(shù)變化非常敏感的問題。本文利用神經(jīng)網(wǎng)絡(luò)的特點,使估計更為簡單、快速
    發(fā)表于 06-16 21:54

    基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

    本文的目的是在一神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者MATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出,然后通過python程序?qū)xt文件轉(zhuǎn)化為coe文件,(coe
    的頭像 發(fā)表于 06-03 15:51 ?1430次閱讀
    基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析