返回列表 当前位置:首页>核心技术

硅基SDL源起

人工智能领域的
开天辟地

GUIJI

2018年硅基智控横空出世

  • 2016年6月提出了超深度学习的新一代人工智能理论,以及针对自动驾驶的多目的最佳化控制的机器学习模型,机器学习「机智获得」理论,可以动态描述自动驾驶安全行驶的「安全决策」对抗学习的理论。SDL技术可以解决目前谷歌,百度等国际大公司所面临的L4以上的自动驾驶控制所遇到的屏障。
  • 2017年9月英国人工智能之父Hinton宣布了“深度学习”确实存在不可解的问题要终结CNN。
  • 2017年10月SDL技术获得北京机器人大会海内外专家学者的认可。
  • 2018年3月广州硅基智控科技有限公司成立。
  • 2018年7月顾问组成立。
  • 2018年8月新一代人工智能技术SDL成为“北京共识”。
  • 2018年9月自动驾驶SDL技术在小车上系统论证成功。
  • 2018年10月进入L4级别自动驾驶中车研发。
  • 2018年11月硅基智控图像识别技术获得中国中车的青睐和认可。
  • 2018年12月中国中车邀请硅基智控洽谈“智轨列车”技术合作。

SDL的技术发明
突破

从有监督学习到无监督学习的突破

用最大概率尺度,通过迭代获得最大概率的空间,在最大概率的空间中设置一个最佳逼近的模型,在不断的趋近最大概率空间的过程中不断的提高最佳逼近模型的逼近能力,从而实现自动学习的效果。

机器决断机的诞生

GUIJI

  • 真与假的判断

    这个算法就是来源于强对抗机器学习,例如判断商品标识的真伪,就是依据机器学习所获得的真标识的知识,通过强对抗学习获得真伪的判断依据。

  • 强化学习的判断

    传统的强化学习容易陷入NP问题,以及陷入局域最佳解的问题的存在。

  • 行驶状态的判断

    使用多目的的强对抗学习的机器决断机,可以绕过NP问题从而获得自动驾驶决策的最佳化的判断。

新一代人工智能SDL
模型的特点

  • 强大性

    针对目标函数的处理能力与处理精度可以无限的深入,学习次数无限小,学习数据规模无限大,以及可构成超大人工智能系统。

  • 实用性

    具有自律性,自组织能力,各种硬件环境的适用,即使小模型,小负荷,也可以解决大任务。

  • 透明性

    学习结果可超越统计学的公式化结果,无黑箱问题,具有系统可分析性。

  • 组合性

    SDL模型所构成的标准的三层新型神经网络,可以根据各种需求进行组合,具有积木式结构,可以实现系统组态,易于设计成AI芯片。

为什么SDL模型如此强大?

用于汽车环境识别的

强大的SDL分散机器学习模型

在辅助驾驶/自动驾驶等场景中,准确、迅速地找出场景中所有的行人车辆位置

SDL模型与深度学习的对抗

  • 深度学习

    百万次的训练得到千万个数据集
    用暴力计算获得应用效果
  • SDL模型

    通过空间映射只用若干次训练
    同样可获得千万个要素的特征
    向量

超越谷歌百度的自动驾驶
多目的控制

在辅助驾驶/行驶周围环境,障碍物识别(摄像头,微波雷达,激光探测器等)通过分析车辆结构特征,准确识别场景中车辆的刹车灯亮灯等属性

新的AI时代用「机智获得」
承载智慧

在在辅助驾驶/自动驾驶中,在各种复杂道路环境中准确、迅速的识别道路车道线信息及多种车道线属性

回到顶部

在线咨询

关注我们

二维码