經(jīng)過(guò)5年左右的人工智能相關(guān)工作和學(xué)習(xí)的經(jīng)驗(yàn)積累，本團(tuán)隊(duì)將于2020年開(kāi)始正式承接人工智能相關(guān)項(xiàng)目課題以及各類研究型科研任務(wù)。目前，本團(tuán)隊(duì)的關(guān)于人工智能相關(guān)項(xiàng)目領(lǐng)域的軟硬件以及布局如下：

1.計(jì)算機(jī)/服務(wù)器設(shè)備

目前人工智能的深度學(xué)習(xí)算法是建立在大數(shù)據(jù)的基礎(chǔ)上的，人工智能在工作過(guò)程中首先要對(duì)大數(shù)據(jù)進(jìn)行挖掘，然后再利用大數(shù)據(jù)訓(xùn)練人工智能模型。如最為常見(jiàn)的數(shù)據(jù)庫(kù)有ImageNet數(shù)據(jù)庫(kù)，UCI數(shù)據(jù)庫(kù)，RAWDAD數(shù)據(jù)庫(kù)，AWS數(shù)據(jù)庫(kù)，NASA數(shù)據(jù)庫(kù)，Webhose數(shù)據(jù)庫(kù)，BROAD數(shù)據(jù)庫(kù)，MNIST數(shù)據(jù)庫(kù)，CIFAR-10數(shù)據(jù)庫(kù)，Caltech101數(shù)據(jù)庫(kù)，SVHN數(shù)據(jù)庫(kù)，耶魯人臉數(shù)據(jù)庫(kù)，TIMIT聲學(xué)。

    本團(tuán)隊(duì)目前配置 P720 聯(lián)想工作站主機(jī)雙顆CPU金牌/256G內(nèi)存/P5000顯卡。 

此外，如果是個(gè)人PC電腦，建議配置32G內(nèi)存，I7-9700或者以上8核CPU，顯卡6G或者以上電腦。

對(duì)于剛?cè)腴T初學(xué)者，可以使用google等大公司的云服務(wù)。

2.人工智能軟件平臺(tái)

   目前，我們開(kāi)發(fā)人工智能，如深度學(xué)習(xí)，強(qiáng)化學(xué)習(xí)等。涉及到的軟件有如下幾個(gè)：

   A.仿真1，使用MATLAB2019a或者以上版本，最新版本的MATLAB提供了大量的深度學(xué)習(xí)，強(qiáng)化學(xué)習(xí)工具箱，對(duì)于擅長(zhǎng)使用MATLAB各行各業(yè)科研人員是一個(gè)不錯(cuò)的選擇。

   B.仿真2，python開(kāi)發(fā)，使用pycharm等平臺(tái)進(jìn)行人工智能開(kāi)發(fā)，一般需要安裝下TensorFlow/caffe等

   C.linux下python開(kāi)發(fā)，安裝Ubuntu操作系統(tǒng)，使用python進(jìn)行開(kāi)發(fā)

   D.基于FPGA的人工智能算法的硬件實(shí)現(xiàn)。本團(tuán)隊(duì)主要使用xilinx的vivado/ SDSOC/ Vitis等平臺(tái)開(kāi)發(fā)。

3.人工智能開(kāi)發(fā)板硬件平臺(tái)

    目前，本團(tuán)隊(duì)對(duì)于一些通用性的小型人工智能項(xiàng)目，采用的硬件開(kāi)發(fā)板平臺(tái)為  

Xilinx的zynq/ zynq UltraScale+ MPSoC等

NVIDIA 的Jetson TX2等

4.熟悉的AI模型

   比較熟悉的深度學(xué)習(xí)算法包括R-CNN，SPPNet，F(xiàn)ast R-CNN，F(xiàn)aster R-CNN，MTCNN，RNN，Char RNN，LSTM，pointnet/pointnet++，Efficientnet，AlexNet，GoogleNet，LeNet，ZF Net，VGGNet，ResNet等等。

   比較熟悉的強(qiáng)化學(xué)習(xí)算法包括Q-Learning，SARSA，DQN，Actor-Critic，TPRO，Off-Policy，DDOG，PPO，梯度策略，反向強(qiáng)化學(xué)習(xí)等等。

5.本團(tuán)隊(duì)人工智能業(yè)務(wù)范圍

    常規(guī)深度學(xué)習(xí)算法/強(qiáng)化學(xué)習(xí)算法的python仿真/MATLAB仿真，使用FPGA在zynq等芯片平臺(tái)中實(shí)現(xiàn)。

特殊領(lǐng)域深度學(xué)習(xí)的研發(fā)，開(kāi)發(fā)特殊用途的深度學(xué)習(xí)算法以及對(duì)現(xiàn)有深度學(xué)習(xí)算法的改進(jìn)，并支持各類通用數(shù)據(jù)庫(kù)或者客戶提供特定數(shù)據(jù)庫(kù)的性能驗(yàn)證支持。

1).基于深度學(xué)習(xí)的人臉識(shí)別系統(tǒng)

2).基于深度學(xué)習(xí)的物體識(shí)別系統(tǒng)

3).基于深度學(xué)習(xí)的車輛識(shí)別系統(tǒng)

4).基于深度學(xué)習(xí)的數(shù)字識(shí)別系統(tǒng)

5).基于深度學(xué)習(xí)的人體健康識(shí)別系統(tǒng)

6).基于深度學(xué)習(xí)的人體步態(tài)識(shí)別系統(tǒng)

7).基于深度學(xué)習(xí)的手勢(shì)識(shí)別系統(tǒng)

…………………

6.廣告推廣

R-CNN算法matlab代做，SPPNet算法matlab代做，F(xiàn)ast R-CNN算法matlab代做，F(xiàn)aster R-CNN算法matlab代做，MTCNN算法matlab代做，RNN算法matlab代做，Char RNN算法matlab代做，LSTM算法matlab代做，pointnet/pointnet++算法matlab代做，Efficientnet算法matlab代做，AlexNet算法matlab代做，GoogleNet算法matlab代做，LeNet算法matlab代做，ZF Net算法matlab代做，VGGNet算法matlab代做，ResNet算法matlab代做，Q-Learning算法matlab代做，SARSA算法matlab代做，DQN算法matlab代做，Actor-Critic算法matlab代做，TPRO算法matlab代做，Off-Policy算法matlab代做，DDOG算法matlab代做，PPO算法matlab代做，梯度策略算法matlab代做，反向強(qiáng)化學(xué)習(xí)算法matlab代做

R-CNN算法python代做，SPPNet算法python代做，F(xiàn)ast R-CNN算法python代做，F(xiàn)aster R-CNN算法python代做，MTCNN算法python代做，RNN算法python代做，Char RNN算法python代做，LSTM算法python代做，pointnet/pointnet++算法python代做，Efficientnet算法python代做，AlexNet算法python代做，GoogleNet算法python代做，LeNet算法python代做，ZF Net算法python代做，VGGNet算法python代做，ResNet算法python代做，Q-Learning算法python代做，SARSA算法python代做，DQN算法python代做，Actor-Critic算法python代做，TPRO算法python代做，Off-Policy算法python代做，DDOG算法python代做，PPO算法python代做，梯度策略算法python代做，反向強(qiáng)化學(xué)習(xí)算法python代做

R-CNN算法FPGA代做，SPPNet算法FPGA代做，F(xiàn)ast R-CNN算法FPGA代做，F(xiàn)aster R-CNN算法FPGA代做，MTCNN算法FPGA代做，RNN算法FPGA代做，Char RNN算法FPGA代做，LSTM算法FPGA代做，pointnet/pointnet++算法FPGA代做，Efficientnet算法FPGA代做，AlexNet算法FPGA代做，GoogleNet算法FPGA代做，LeNet算法FPGA代做，ZF Net算法FPGA代做，VGGNet算法FPGA代做，ResNet算法FPGA代做，Q-Learning算法FPGA代做，SARSA算法FPGA代做，DQN算法FPGA代做，Actor-Critic算法FPGA代做，TPRO算法FPGA代做，Off-Policy算法FPGA代做，DDOG算法FPGA代做，PPO算法FPGA代做，梯度策略算法FPGA代做，反向強(qiáng)化學(xué)習(xí)算法FPGA代做。

Python深度學(xué)習(xí)算法代做，Python強(qiáng)化學(xué)習(xí)算法代做；

MATLAB深度學(xué)習(xí)算法代做，MATLAB強(qiáng)化學(xué)習(xí)算法代做；

基于FPGA的深度學(xué)習(xí)實(shí)現(xiàn)，基于FPGA的強(qiáng)化學(xué)習(xí)實(shí)現(xiàn)；