深度学习进入太空，用于寻找月球登陆点

本文摘要：NASA搜集了大量数据，但从所搜集的数据中得出结论简单的信息却又是另外一其实了。(公众号：)消息，据TC报导，NASA早已开始召募像英特尔这样的科技公司，去协助它分析数据。它的合作伙伴还包括英特尔2016年并购的深度自学公司Nervana，它可以协助将数字转化成为简单的信息。 通过人工智能系统，研究人员需要分析从卫星搜集的大量月球3D图像，总数据量超过了大约200TB。从图像中，研究人员可分解月球的两极的地图，并详尽定位出有陨石坑的方位，这必须解决了因表面阴影带给的度艰难。

NASA搜集了大量数据，但从所搜集的数据中得出结论简单的信息却又是另外一其实了。(公众号：)消息，据TC报导，NASA早已开始召募像英特尔这样的科技公司，去协助它分析数据。它的合作伙伴还包括英特尔2016年并购的深度自学公司Nervana，它可以协助将数字转化成为简单的信息。

通过人工智能系统，研究人员需要分析从卫星搜集的大量月球3D图像，总数据量超过了大约200TB。从图像中，研究人员可分解月球的两极的地图，并详尽定位出有陨石坑的方位，这必须解决了因表面阴影带给的度艰难。

英特尔人工智能产品部总经理Naveen Rao称之为，“NASA搜集的数据相比之下远超过了其理解能力。研究界一般来说在提供近期最差的计算出来工具上比不上企业。”这也是英特尔想要拜托的原因。

他还说道，研究人员可以在约两个多星期内用于大部分现成的技术来研究这些数据，而用Nervana的系统需要已完成任务时，人类研究只必须两三个小时左右的时间，准确率为98.4％。享有了这些数据结果，NASA可以在月球上确认更佳的着陆点，还能减少月球车的太阳能的拒绝接受量。

它也有可能协助构建部署自动驾驶的探测车，因为能获得更加详细的月球表面图像。这项计划也是NASA前沿发展实验室FDL的一部分，它想要人工智能技术解决问题空间探寻问题，比如空间资源和行星防卫。

这些问题很合适用机器学习来解决问题，因为往往牵涉到大量数据，并借此推理小说出有简单的科学知识。版权文章，予以许可禁令刊登。

下文闻刊登须知。

本文关键词：深度,学习,进入,太空,用于,寻找,月球,登陆,点,开云app官网

本文来源：开云app官网-www.hbtcnc168.com