Chinas neuer Algorithmus für künstliche Intelligenz verbessert die Datenübertragungsgeschwindigkeit
Der Reporter erfuhr von der Southwest University, dass das Forschungsteam der Schule ein niedrigrangiges Tensor-Recovery-Modell, eine Theorie und einen Algorithmus basierend auf binärer Quantisierung veröffentlicht hat, die dazu beitragen, die Geschwindigkeit und Genauigkeit der Datenübertragung in großem Maßstab zu verbessern, während gleichzeitig die Hardwarekosten gesenkt und ermöglicht werden Datenübertragung. , Komprimierung und Konservierung sind "kostengünstiger". Entsprechende Forschungsergebnisse wurden von der internationalen Fachzeitschrift „IEEE Model Analysis and Machine Intelligence Transactions“ im Bereich der künstlichen Intelligenz online veröffentlicht.
Laut dem korrespondierenden Autor des Artikels und Professor Wang Jianjun von der School of Mathematics and Statistics der Southwest University, mit der kontinuierlichen Erweiterung der Anwendung von Technologien der künstlichen Intelligenz, die Menge der Datenübertragung in den Bereichen Bild- und Videoverarbeitung, Muster, Erkennung und Computer Vision ist enorm. Aufgrund der Hardwarekosten und der Anforderungen an die Datenübertragungsgeschwindigkeit kann das derzeit übliche Verfahren der Low-Rank-Tensor-Recovery (LRTR) jedoch keine hochpräzise Quantisierung von Signalen im groß angelegten Datenübertragungsprozess erreichen, und der daraus resultierende Quantisierungsfehler die Wiederherstellungsleistung des Systems beeinflusst. Als Antwort auf dieses Problem schlug das Forschungsteam von Wang Jianjun ein Modell, eine Theorie und einen Algorithmus zur Wiederherstellung von niederrangigen Tensoren vor, die auf binärer Quantisierung basieren.Das Prinzip besteht darin, das binäre Messverfahren mit der Wiederherstellung von niederrangigen Tensoren zu kombinieren, sodass der Quantisierungsprozess integriert ist in das Modell für die Verarbeitung, um den Einfluss des Quantisierungsfehlers auf die Systemwiederherstellungsleistung effektiv zu kontrollieren und die Mängel vorhandener Algorithmen auszugleichen.
Die Testergebnisse zeigen, dass dieser neue Algorithmus in praktischen Anwendungen wie der Gesichtsbildwiederherstellung und der multispektralen Bildwiederherstellung eine höhere Genauigkeit der Wiederherstellung erreicht hat und die erhaltenen Bilddaten klarer sind. Während der neue Algorithmus die Hardwarekosten der Datenübertragung reduziert, wird auch die Datenverarbeitungsgeschwindigkeit verbessert, wodurch Daten mit höherer „Kosteneffizienz“ übertragen, komprimiert und gespeichert werden können.
Gegenwärtig arbeitet das Forschungsteam von Wang Jianjun mit verwandten Unternehmen in den Bereichen mobile Kommunikationsterminals und medizinische Bildverarbeitung zusammen, um die technologische Aktualisierung von inländischen mobilen Terminals zu fördern, die Verarbeitungsgeschwindigkeit der MRT in der medizinischen Behandlung zu erhöhen und die wirtschaftlichen Kosten zu senken. Es wird erwartet, dass der neue Algorithmus auch mit Radarbildtechnologie kombiniert wird, um eine Rolle bei der meteorologischen Überwachung, der geologischen Prospektion und anderen Bereichen zu spielen.
Comments
Post a Comment