ديسمبر 18, 2023

اقترحت WiMi شبكة عصبية متكررة هجينة معمارية تستند إلى الاعتراف بالنية للتعاون بين الإنسان والروبوت

By أنور

(SeaPRwire) –   أعلنت شركة ويمي هولوغرام كلاود إنك (NASDAQ: WIMI) (“ويمي” أو “الشركة”)، وهي أحد مزودي تقنية الواقع الافتراضي المعزز بالهولوغرام الرائدة عالميا، اليوم عن اقتراحها لهيكل شبكة عصبية متكررة مهجنة قائمة على الاعتراف بنية التعاون بين الإنسان والروبوت. الشبكة العصبية المتكررة المهجنة هي نموذج يجمع بين الشبكة العصبية المتكررة (RNN) والشبكة العصبية التكافئية (CNN). RNN هي شبكة عصبية مناسبة لنمذجة البيانات التسلسلية ومعالجتها، حيث يمكنها استيعاب المعلومات الزمنية والعلاقات السياقية في البيانات من خلال الاتصالات المتكررة وتحديث الحالة الخفية، مما يمكّنها من استيعاب المعلومات الزمنية والعلاقات السياقية في مجموعات البيانات بفعالية. تستطيع CNN استخلاص ملامح البيانات بفعالية. تجمع الشبكة العصبية المتكررة المهجنة مزايا RNN و CNN، مما يمكّنها من استيعاب معلومات التسلسل بشكل أفضل والملامح المحلية، وبالتالي يمكنها التعامل مع الاعتراف بنية التعاون بين الإنسان والروبوت بشكل أفضل.

في هيكل الشبكة العصبية المتكررة المهجنة، يتم تعريض البيانات المدخلة أولاً لعملية استخلاص الملامح عن طريق CNN، ثم النمذجة الزمنية عن طريق طبقة متكررة، ثم ربط الملامح بالنية عن طريق طبقة متصلة بالكامل. خلال عملية التدريب، يتم استخدام خوارزمية الانتشار العكسي لتحسين معاملات النموذج لتحسين دقة الاعتراف بالنية.

تتألف الشبكة العصبية المتكررة المهجنة القائمة على الاعتراف بنية التعاون بين الإنسان والروبوت التابعة لشركة ويمي مما يلي:

طبقة الإدخال: تتلقى طبقة الإدخال البيانات الخام من سيناريو التعاون بين الإنسان والروبوت، مثل الكلام أو الصور أو النص. يتطلب أنواع البيانات المختلفة إجراء عمليات معالجة واستخلاص الملامح المناسبة قبل الإدخال لتمثيل المعلومات بشكل أفضل.

طبقة الحلقة: تستخدم طبقة الحلقة RNN لالتقاط معلومات التسلسل في البيانات المدخلة. تشمل وحدات RNN الشائعة الاستخدام ذاكرة العمل طويلة الأجل (LSTM) ووحدة البوابة المتكررة (GRU). من خلال الاتصالات المتكررة، يمكن لـ RNN نمذجة مجموعة البيانات المدخلة ونقل المعلومات التاريخية إلى الطبقات اللاحقة.

طبقة تكافئية: تستخدم طبقة تكافئية CNN لاستخلاص الملامح المحلية للبيانات المدخلة. من خلال عملية التكافؤ والتجميع، يمكن لـ CNN استخلاص الارتباطات المكانية والزمنية في البيانات المدخلة بفعالية.

طبقة الدمج: تدمج طبقة الدمج مخرجات طبقتي الحلقة والتكافئية للحصول على ملامح أكثر شمولاً وتنوعاً، ويتم تغذية الملامح المدمجة إلى الطبقة التالية.

طبقة المخرج: تصمم طبقة المخرج وفقا للمهمة المحددة، على سبيل المثال يمكن استخدام طبقة متصلة بالكامل ودالة التشبع للتصنيف متعدد الفئات. يمكن أن يمثل نتيجة طبقة المخرج فئة أو توزيع احتمال نية التعاون بين الإنسان والروبوت.

استخدام هيكل الشبكة العصبية المتكررة المهجنة للاعتراف بنية التعاون بين الإنسان والروبوت يمكن أن يحسن بشكل كبير كفاءة وجودة التعاون بين الإنسان والروبوت. يعتبر الاعتراف بنية التعاون بين الإنسان والروبوت مجال بحث مهم يمكن الروبوت من فهم نوايا وأهداف الإنسان بشكل أفضل، مما يتيح التعاون الأكثر ذكاءً وكفاءة بين الإنسان والروبوت. من خلال فهم النوايا بدقة، يمكن للروبوتات الاستجابة بشكل أفضل ومساعدة البشر على تحقيق المهام، مما يحسن الكفاءة العملية. بالإضافة إلى ذلك، يمكن أن يحسن الاعتراف بنية التعاون بين الإنسان والروبوت تجربة المستخدم في التفاعل مع الروبوتات. إذا تمكنت الروبوتات من التعرف على نية الإنسان بدقة والاستجابة على النحو المناسب، سيشعر المستخدم بالطبيعية والراحة، مما يعزز ثقة المستخدم ورضاه عن الروبوتات. يمكن تطبيق الاعتراف بنية التعاون بين الإنسان والروبوت في مجالات مختلفة مثل المنزل الذكي والمكتب الذكي والرعاية الصحية الذكية وغيرها لجلب المزيد من الميزات والمنافع لحياة الناس وعملهم.

في مجال الاعتراف بنية التعاون بين الإنسان والروبوت القائم على الشبكة العصبية المتكررة المهجنة، هناك اتجاهات بحثية أخرى تستحق الاستكشاف أكثر. حاليًا، يعتمد الاعتراف بنية التعاون بين الإنسان والروبوت بشكل رئيسي على البيانات النصية، لكن التفاعل الفعلي بين الإنسان والروبوت ينطوي غالبًا على معلومات متعددة الوسائط مثل الكلام والصور والفيديو وغيرها. ستحاول شركة ويمي دمج المعلومات متعددة الوسائط في هيكل الشبكة العصبية المتكررة المهجنة القائم على الاعتراف بنية التعاون بين الإنسان والروبوت. في المستقبل، ستحاول شركة ويمي دمج المعلومات متعددة الوسائط في الشبكة العصبية المتكررة المهجنة واستخدام التعلم الانتقالي لتعزيز الاعتراف بنية التعاون بين الإنسان والروبوت، وستواصل توسيع نطاق تطبيق الاعتراف بنية التعاون بين الإنسان والروبوت من خلال مزيد من البحث والاستكشاف.

حول شركة ويمي هولوغرام كلاود
تعتبر شركة ويمي هولوغرام كلاود إنك (NASDAQ: WIMI) مزوداً شاملاً للحلول التقنية المتخصصة في الواقع الافتراضي بالهولوغرام، وتركز على مجالات مهنية مثل برمجيات الواقع الافتراضي المعزز بالهولوغرام للسيارات، وتقنية ليدار النبضي ثلاثي الأبعاد، ومعدات الحقل الضوئي للواقع الافتراضي بالهولوغرام المثبتة على الرأس، وأشباه الموصلات للواقع الافتراضي بالهولوغرام، وبرمجيات الحوسبة السحابية للواقع الافتراضي بالهولوغرام، وتقنيات الواقع الافتراضي بالهولوغرام لملاحة السيارات وغيرها.

يتم توفير المقال من قبل مزود محتوى خارجي. لا تقدم SeaPRwire (https://www.seaprwire.com/) أي ضمانات أو تصريحات فيما يتعلق بذلك.

القطاعات: العنوان الرئيسي، الأخبار اليومية

يوفر SeaPRwire تداول بيانات صحفية في الوقت الفعلي للشركات والمؤسسات، مع الوصول إلى أكثر من 6500 متجر إعلامي و 86000 محرر وصحفي، و3.5 مليون سطح مكتب احترافي في 90 دولة. يدعم SeaPRwire توزيع البيانات الصحفية باللغات الإنجليزية والكورية واليابانية والعربية والصينية المبسطة والصينية التقليدية والفيتنامية والتايلندية والإندونيسية والملايو والألمانية والروسية والفرنسية والإسبانية والبرتغالية ولغات أخرى. 

بيانات المستقبل
يحتوي هذا البيان الصحفي على “بيانات مستقبلية” ضمن نطاق قانون إصلاح الأوراق المالية الخاصة لعام 1995. تشير هذه البيانات المستقبلية