AI 人工智慧 wiki的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

整合式邊緣AI運算平台之封裝基板ID辨識

為了解決AI 人工智慧 wiki的問題，作者蔡政達 這樣論述：

摘要 IASBTRACT II致謝 IV目錄 V表目錄 VIII圖目錄 IX一、 緒論 11.2 研究動機 11.2 研究目標 2二、 文獻探討 32.1 工業人工智慧 32.1 EDGE AI 42.3 人工智慧、機器學習、深度學習 52.3.1 深度學習如何運作 62.4 電腦視覺與深度學習 82.4.1 卷積神經網路CNN的特性 92.5 物件偵測 102.5.1 OBJECT DETECTION模型的架構 102.5.2 YOLOV4 模型的架構 11三、 系統硬體架構及軟體開發環境建置 123.1系統硬體架構 123.1.1 樹莓派

4(RASPBERRY PI 4) 123.1.2 電子顯微鏡 143.1.3 HDMI TO CSI-2 MODULE 153.1.4 安裝電子顯微鏡於樹莓派並進行測試 153.1.4.1 安裝HDMI to CSI-2 Module於樹莓派 153.1.4.2 啟動樹莓派的相機模組 173.1.4.3 使用樹莓派終端機測試取的電子顯微鏡影像 183.2軟體開發環境&系統流程圖 193.2.1 PYTHON 程式語言 193.2.2 OPENCV 193.2.3 安裝RASPBERRY PI OS 至MICRO-SD卡 203.2.3.1下載及安裝專屬工具：Raspbe

rry Pi Imager 203.2.4 在樹莓派安裝OPENCV 233.2.4 在PC端建置PYTHON虛擬環境並安裝相關套件 253.2.5 建立標記工具及使用 253.2.5.1 安裝標記工具 263.2.5.2 使用標記工具 263.2.5.3 VOC格式轉換成Yolo格式 273.2.6 WIN10 SERVER(GPU) & DARKNET YOLOV4環境建置 283.2.6.1 前置準備安裝相關軟體及模組 293.2.6.2在Windows編譯Darknet 443.2.7 專案開發軟體系統流程 563.2.7.1 軟體系統流程圖_物件偵測＋文字辨識(

1類別) 563.2.7.2 軟體系統流程圖_物件偵測＋文字辨識(36類別) 583.2.7.3教練模型與專用模型運作循環 59四、 實驗操作及結果 604.1 整合實驗平台說明 604.2 訓練資料收集 614.3 訓練資料清洗(轉換) 634.4 訓練資料標註 644.4.1 以人工方式標記訓練資料 644.4.2 以自動標註程式標記訓練資料 654.4.3 使用VOC轉換成YOLO格式之程式 664.4.4 DATE AUGMENTATION 664.4.5 訓練圖片及標註資料彙整 674.5 建立訓練組態資料結構 684.5.1組態資料結構說明 684.

5.2 自動化生成組態資料結構程式使用說明 704.6 訓練模型 724.6.1 DARKNET訓練模型語法說明 724.6.2 TINY模型網路架構選用說明 734.6.3訓練模型評估指標說明 754.6.4 訓練模型結果說明 784.7 部署測試(推論) 824.7.1 將模型權重打包封裝成推論用程式 824.7.2 將推論程式部署到邊緣運算平台 844.7.3 推論驗證及辨識結果 85五、 研究結論與建議 985.1 結論 985.2 未來工作 99六、 參考文獻 100

中國大陸反壟斷法之研究 - 以人工智慧演算法為核心

為了解決AI 人工智慧 wiki的問題，作者黃山 這樣論述：

演算法的出現給予了電子化交易重大的影響，許多企業採用演算法來維持自己的競爭優勢，以達到利益最大化。然而其中許多行為卻嚴重限制了競爭，這對已經存在許久的競爭法與執法機關而言，變成了一個急需解決的課題。中國大陸在近幾年躍身成為世界科技強國，對於人工智慧的研究更是不遺餘力。從80年代開始，中國大陸致力發展電腦科技。中國大陸作為世界大經濟體之一，相較其他先進國家而言，競爭法的設立慢了許多。經過各方努力，總算有屬於自己的反壟斷執法標準後，卻又面臨到演算法崛起的競爭。本研究透過文獻分析法，分析並整理中國大陸目前的演算法發展程度，再藉由分析中國大陸著名壟斷案件 - 「百度案」以及「阿里巴巴案」，來探討目前

中國大陸對於演算法與反壟斷的困境與改革方向。其後整合各國反壟斷執法機關針對演算法的因應態度，與中國大陸進行對比。結論則是整理了目前演算法的概況與在中國大陸的發展，並總結了演算法與反壟斷之間的影響後，提出建議。