Μετάβαση στο περιεχόμενο

Αναζήτηση στην κοινότητα

Εμφάνιση αποτελεσμάτων για τις ετικέτες 'μπαλόνι'.

  • Αναζήτηση με βάση τις ετικέτες

    Πληκτρολογήστε τις ετικέτες και χωρίστε τες με κόμμα.
  • Αναζήτηση με βάση τον συγγραφέα

Τύπος περιεχομένου


Φόρουμ

  • Ειδήσεις
    • Ειδήσεις
  • Εργασίες Μηχανικών
    • Τοπογραφικά-Χωροταξικά
    • Αρχιτεκτονικά
    • Στατικά
    • Μηχανολογικά
    • Ηλεκτρολογικά
    • Περιβαλλοντικά
    • Διάφορα
  • Εργασιακά-Διαδικαστικά
    • Άδειες-Διαδικασίες
    • Αυθαίρετα
    • Οικονομικά-Αμοιβές
    • Εργασιακά
    • Ασφαλιστικά
    • Εκπαίδευση
    • Ειδικότητες-Συλλογικά Όργανα
  • Εργαλεία
    • Προγράμματα Η/Υ
    • Εξοπλισμός
    • Διαδίκτυο
    • Showroom
  • Γενικά
    • Αγγελίες
    • Κουβέντα
    • Δράσεις-Προτάσεις προς φορείς
    • Michanikos.gr
    • Θέματα Ιδιωτών
  • Δοκιμαστικό's Θεματολογία γενική

Κατηγορίες

  • 1. Τοπογραφικά-Πολεοδομικά
    • 1.1 Λογισμικό
    • 1.2 Νομοθεσία
    • 1.3 Έντυπα
    • 1.4 Μελέτες-Βοηθήματα
    • 1.5 Συνέδρια-Ημερίδες
  • 2. Συγκοινωνιακά - Οδοποιίας
    • 2.1 Λογισμικό
    • 2.2 Νομοθεσία
    • 2.3 Έντυπα
    • 2.4 Μελέτες-Βοηθήματα
    • 2.5 Συνέδρια-Ημερίδες
  • 3. Αρχιτεκτονικά - Σχεδιαστικά
    • 3.1 Λογισμικό
    • 3.2 Νομοθεσία
    • 3.3 Έντυπα
    • 3.4 Μελέτες-Βοηθήματα
    • 3.5 Συνέδρια-Ημερίδες
  • 4. Στατικά - Εδαφοτεχνικά
    • 4.1 Λογισμικό
    • 4.2 Νομοθεσία
    • 4.3 Έντυπα
    • 4.4 Μελέτες-Βοηθήματα
    • 4.5 Συνέδρια-Ημερίδες
  • 5. Μηχανολογικά
    • 5.1 Λογισμικό
    • 5.2 Νομοθεσία
    • 5.3 Έντυπα
    • 5.4 Μελέτες-Βοηθήματα
    • 5.5 Συνέδρια-Ημερίδες
  • 6. Ηλεκτρολογικά
    • 6.1 Λογισμικό
    • 6.2 Νομοθεσία
    • 6.3 Έντυπα
    • 6.4 Μελέτες-Βοηθήματα
    • 6.5 Συνέδρια-Ημερίδες
  • 7. ΑΠΕ - Φωτοβολταϊκά
    • 7.1 Λογισμικό
    • 7.2 Νομοθεσία
    • 7.3 Έντυπα
    • 7.4 Μελέτες-Βοηθήματα
    • 7.5 Συνέδρια-Ημερίδες
  • 8. Περιβαλλοντικά
    • 8.1 Λογισμικό
    • 8.2 Νομοθεσία
    • 8.3 Έντυπα
    • 8.4 Μελέτες-Βοηθήματα
    • 8.5 Συνέδρια-Ημερίδες
  • 9. Υδραυλικά - Λιμενικά
    • 9.1 Λογισμικό
    • 9.2 Νομοθεσία
    • 9.3 Έντυπα
    • 9.4 Μελέτες-Βοηθήματα
    • 9.5 Συνέδρια-Ημερίδες
  • 10. Διαχείριση Έργων - Εκτιμήσεις - Πραγματογνωμοσύνες
    • 10.1 Λογισμικό
    • 10.2 Νομοθεσία
    • 10.3 Έντυπα
    • 10.4 Μελέτες-Βοηθήματα
    • 10.5 Συνέδρια-Ημερίδες
  • 11. Δημόσια Έργα - Ασφάλεια και Υγιεινή
    • 11.1 Λογισμικό
    • 11.2 Νομοθεσία
    • 11.3 Έντυπα
    • 11.4 Μελέτες-Βοηθήματα
    • 11.5 Συνέδρια-Ημερίδες
  • 12. Αμοιβές - Φορολογικά - Άδειες
    • 12.1 Λογισμικό
    • 12.2 Νομοθεσία
    • 12.3 Έντυπα - Αιτήσεις
    • 12.4 Συνέδρια-Ημερίδες
  • 13. Αυθαίρετα
    • 13.1 Λογισμικό
    • 13.2 Νομοθεσία
    • 13.3 Έντυπα
    • 13.4 Συνέδρια-Ημερίδες
  • 14. Διάφορα

Categories

  • Ειδήσεις
    • Νομοθεσία
    • Εργασιακά
    • Ασφαλιστικά-Φορολογικά
    • Περιβάλλον
    • Ενέργεια-ΑΠΕ
    • Τεχνολογία
    • Χρηματοδοτήσεις
    • Έργα-Υποδομές
    • Επικαιρότητα
    • Αρθρογραφία
    • Michanikos.gr
    • webTV
    • Sponsored

Βρείτε αποτελέσματα...

Βρείτε αποτελέσματα που...


Ημερομηνία δημιουργίας

  • Start

    End


Τελευταία ενημέρωση

  • Start

    End


Φιλτράρισμα με βάση τον αριθμό των...

Εντάχθηκε

  • Start

    End


Ομάδα


Επάγγελμα


Ειδικότητα

  1. Το ενισχυμένο μοντέλο εκμάθησης ΑΙ ελέγχει τα μπαλόνια πολύ πιο αποτελεσματικά. Την αλλαγή συστήματος πλοήγησης έκανε η Alphabet στα Loon μπαλόνια της που εκπέμπουν internet, καθώς πλέον αξιοποιεί τη τεχνητή νοημοσύνη (AI) που αναπτύχθηκε σε συνεργασία με την Google AI και όχι στους χειροποίητους αλγόριθμους που είχαν γραφτεί. Ένα ενισχυμένο σύστημα εκμάθησης είναι υπεύθυνο για την πλοήγηση του μπαλονιών πάνω από την Κένυα, όπου τα Loon μπαλόνια ενεργοποίησαν την πρώτη τους εμπορική λειτουργία. Η εταιρεία σημειώνει πως είναι η πρώτη φορά όπου ένα τέτοιο σύστημα εκμάθησης χρησιμοποιείται σε ένα αεροδιαστημικό σύστημα. τονίζοντας ότι η ανάπτυξη είναι πολύ ενδιαφέρον διότι το σύστημα ελέγχου μπορεί να εφαρμοστεί σε πραγματικές συνθήκες. Παλαιότερα, η AI βρήκε τρόπο να νικήσει τους καλύτερος παίκτες των DOTA 2 και CSGO. Η AI του Loon είναι σε θέση να βρει την βέλτιστη διαδρομή σε πολύ συντομότερο χρονικό διάστημα από το προηγούμενο σύστημα πλοήγησης, ενώ παράλληλα είναι πιο οικονομικό στην κατανάλωση ενέργειας. Πλέον τα μπαλόνια κάνουν την ίδια ή και μεγαλύτερη απόσταση, με την ίδια ισχύ. Οπότε είναι πολύ πιθανό να δούμε το ρεκόρ λειτουργίας 312 ημερών να ξεπεραστεί. Για να "εκπαιδευτεί" η AI, Loon και Google χρησιμοποίησαν προσομοιώσεις δοκιμής και σφάλματος (trial and error) πριν ξεκινήσουν οι πραγματικές δοκιμασίες στο Περού. Η ομάδα σύγκρινε τις ικανότητες με ένα χειροποίητο σύστημα ονόματος StationSeeker, σε μια διαδρομή διαρκείας 39 ημερών στον Ειρηνικό Ωκεανό. Η AI ήταν σε θέση να κρατήσει τα μπαλόνια στην προσδιορισμένη περιοχή για μεγαλύτερη διάρκεια και με μικρότερη κατανάλωση, πολύ σημαντικό καθώς έτσι θα παρέχει σταθερή κάλυψη internet. To StationSeeker από την άλλη είχε την τάση να πηγαίνει ευθεία, προσπερνώντας τον στόχο του και αναγκαζόταν να επιστρέψει. Τέλος, το σύστημα της AI είχε στόχο να παραμένει στο σημείο που έπρεπε όσο πιο παθητικά γίνεται για μεγαλύτερη εξοικονόμηση, ενώ έκανε ελιγμούς που η ομάδα του Loon δεν είχε ξαναδεί. View full είδηση
  2. Το ενισχυμένο μοντέλο εκμάθησης ΑΙ ελέγχει τα μπαλόνια πολύ πιο αποτελεσματικά. Την αλλαγή συστήματος πλοήγησης έκανε η Alphabet στα Loon μπαλόνια της που εκπέμπουν internet, καθώς πλέον αξιοποιεί τη τεχνητή νοημοσύνη (AI) που αναπτύχθηκε σε συνεργασία με την Google AI και όχι στους χειροποίητους αλγόριθμους που είχαν γραφτεί. Ένα ενισχυμένο σύστημα εκμάθησης είναι υπεύθυνο για την πλοήγηση του μπαλονιών πάνω από την Κένυα, όπου τα Loon μπαλόνια ενεργοποίησαν την πρώτη τους εμπορική λειτουργία. Η εταιρεία σημειώνει πως είναι η πρώτη φορά όπου ένα τέτοιο σύστημα εκμάθησης χρησιμοποιείται σε ένα αεροδιαστημικό σύστημα. τονίζοντας ότι η ανάπτυξη είναι πολύ ενδιαφέρον διότι το σύστημα ελέγχου μπορεί να εφαρμοστεί σε πραγματικές συνθήκες. Παλαιότερα, η AI βρήκε τρόπο να νικήσει τους καλύτερος παίκτες των DOTA 2 και CSGO. Η AI του Loon είναι σε θέση να βρει την βέλτιστη διαδρομή σε πολύ συντομότερο χρονικό διάστημα από το προηγούμενο σύστημα πλοήγησης, ενώ παράλληλα είναι πιο οικονομικό στην κατανάλωση ενέργειας. Πλέον τα μπαλόνια κάνουν την ίδια ή και μεγαλύτερη απόσταση, με την ίδια ισχύ. Οπότε είναι πολύ πιθανό να δούμε το ρεκόρ λειτουργίας 312 ημερών να ξεπεραστεί. Για να "εκπαιδευτεί" η AI, Loon και Google χρησιμοποίησαν προσομοιώσεις δοκιμής και σφάλματος (trial and error) πριν ξεκινήσουν οι πραγματικές δοκιμασίες στο Περού. Η ομάδα σύγκρινε τις ικανότητες με ένα χειροποίητο σύστημα ονόματος StationSeeker, σε μια διαδρομή διαρκείας 39 ημερών στον Ειρηνικό Ωκεανό. Η AI ήταν σε θέση να κρατήσει τα μπαλόνια στην προσδιορισμένη περιοχή για μεγαλύτερη διάρκεια και με μικρότερη κατανάλωση, πολύ σημαντικό καθώς έτσι θα παρέχει σταθερή κάλυψη internet. To StationSeeker από την άλλη είχε την τάση να πηγαίνει ευθεία, προσπερνώντας τον στόχο του και αναγκαζόταν να επιστρέψει. Τέλος, το σύστημα της AI είχε στόχο να παραμένει στο σημείο που έπρεπε όσο πιο παθητικά γίνεται για μεγαλύτερη εξοικονόμηση, ενώ έκανε ελιγμούς που η ομάδα του Loon δεν είχε ξαναδεί.
×
×
  • Create New...

Σημαντικό

Χρησιμοποιούμε cookies για να βελτιώνουμε το περιεχόμενο του website μας. Μπορείτε να τροποποιήσετε τις ρυθμίσεις των cookie, ή να δώσετε τη συγκατάθεσή σας για την χρήση τους.