【2018】易观：2018年中国人工智能应用市场专题分析

2019中国信通院白皮书合集：-量子信息技术发展与应用研究报告（2019年） 2019-12-26-2017-2019年中国信通院车联网白皮书合集 2020-01-02-2019年中国信通院白皮书合集 2019-12-30-《移动应用（App）数据安全与个人信息保护白皮书（2019年）》 2019-12-29-电信网络诈骗治理与人工智能应用白皮书（2019年） 2019-12-29-中国-东盟网络安全产业发展现状研究报告(2019) 2019-12-28-数字经济治理白皮书（2019） 2019-12-26-数字贸易发展与影响白皮书（2019） 2019-12-26-北斗技术与产业发展白皮书（2019） 2019-12-26-车联网白皮书（C-V2X分册） 2019-12-26-互联网法律白皮书（2019年） 2019-12-19-2019互联网设备-智能音箱安全白皮书 2019-12-19-云游戏产业发展白皮书（2019年）——5G助力云游戏产业快速发展 2019-12-16-大数据白皮书(2019) 2019-12-10-《“5G+云+AI”：数字经济新时代的引擎》 2019-12-09-中国智慧杆塔白皮书（2019） 2019-12-03-云运营支撑服务白皮 2019-11-27-数据基础设施白皮书2019 2019-11-18-《物联网终端安全白皮书（2019）》 2019-11-15-中国工业百强县（市）、百强区发展报告（2019年） 2019-11-13-中国工业发展研究报告(2019) 2019-11-13-投资与科技调研报告（2019年） 2019-11-12-区块链赋能新型智慧城市白皮书（2019年） 2019-11-08-区块链白皮书(2019) 2019-11-08-数字普惠金融发展白皮书（2019年） 2019-11-07-移动金融应用安全白皮书（2019年） 2019-11-06-“5G+金融”应用发展白皮书（2019年） 2019-11-04-C-V2X业务演进白皮书 2019-11-04-车辆高精度定位白皮书 2019-11-04-5G应用创新发展白皮书——2019年第二届“绽放杯”5G应用征集... 2019-11-02-新型智慧城市发展研究报告（2019年） 2019-11-01-离散制造业边缘计算解决方案白皮书（征求意见稿） 2019-10-31-中国宽带发展白皮书（2019年） 2019-10-31-《千兆宽带网络商业应用场景白皮书》(英文版) 2019-10-16-数字孪生城市研究报告（2019年） 2019-10-11-全球数字经济新图景（2019年） 2019-10-11-中国网络安全产业白皮书（2019年） 2019-09-18-IPv6网络安全白皮书 2019-09-18-全球人工智能战略与政策观察（2019） 2019-08-26-软件开发包（SDK）安全与合规白皮书（2019） 2019-08-19-人工智能数据安全白皮书(2019) 2019-08-09-中国信息无障碍发展白皮书（2019年） 2019-07-26-5G时代智慧医疗健康白皮书（2019年） 2019-07-24-《LTE-V2X安全技术》白皮书 2019-07-18-5G新媒体行业白皮书 2019-07-17-《基于AI的智能切片管理和协同》白皮书 2019-07-17-《5G同步组网架构及关键技术》白皮书 2019-07-17-中国互联网行业发展态势暨景气指数报告 2019-07-11-中国金融科技生态白皮书（2019年） 2019-07-10-开源软件知识产权风险防控研究报告（2019年） 2019-07-10-混合云白皮书（2019） 2019-07-04-电信云白皮书(2019) 2019-07-04-金融行业开源治理白皮书（2019年） 2019-07-03-开源产业白皮书（2019年） 2019-07-03

近年来，目睹了卷积神经网络（CNN）在各种计算机视觉和人工智能应用中的广泛普及。
然而，功能的提高是以大量密集的计算复杂性为代价的，这阻碍了它在诸如移动或嵌入式设备之类的资源受限的应用中的使用。
尽管人们越来越关注内部网络结构的加速，但很少考虑视觉输入的冗余性。
在本文中，我们首次尝试直接从视觉输入中减少CNN加速的空间和通道冗余。
所提出的方法称为ESPACE（消除空间和信道冗余），它通过以下三个步骤起作用：首先，通过一组低秩的卷积滤波器降低卷积层的3D通道冗余度。
其次，提出了一种新颖的基于掩模的选择性处理方案，该方案通过跳过视觉输入的不显着空间位置来进一步加快卷积操作。
第三，通过反向传播使用训练数据对加速网络进行微调。
在ImageNet2012上评估了提出的方法，并在两个广泛采用的CNN（即AlexNet和GoogLeNet）上实现了该方法。
与CNN加速的几种最新方法相比，该方案已证明在AlexNet和GoogLeNet上分别以5.48倍和4.12倍的加速比提供了最新的加速功能，而分类精度的下降却最小。

目前基于深度学习模型的预测在真实场景中具有不确定性和不可解释性，给人工智能应用的落地带来了不可避免的风险。
首先阐述了风险分析的必要性以及其需要具备的3个基本特征：可量化、可解释、可学习。
接着，分析了风险分析的研究现状，并重点引见了笔者最近提出的一个可量化、可解释和可学习的风险分析技术框架。
最后，讨论风险分析的现有以及潜在的应用，并展望其未来的研究方向。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。