阿里云RPA（机器人流程自动化）干货系列之二：认识RPA（下）
导读：本文是阿里云RPA（机器人流程自动化）干货系列之二，主要介绍了RPA的发展齐纳经和主要使用场景有哪些，目前国内外主流的RPA厂商以及RPA的未来在哪。
一、RPA的发展前景
根据Gartner的最新研究，2018年全球机器人流程自动化（RPA）软件的开支预计将达到6.8亿美元，同比增长57％，到2022年支出达到24亿美元。
DL：深度学习(神经网络)的简介、基础知识(神经元/感知机、训练策略、预测原理)、算法分类、经典案例应用之详细攻略
深度学习（Deep Learning, DL）或阶层学习（hierarchical learning）是机器学习的技术和研究领域之一，通过建立具有阶层结构的人工神经网络（Artifitial Neural Networks, ANNs），在计算系统中实现人工智能 。由于阶层ANN能够对输入信息进行逐层提取和筛选，因此深度学习具有表征学习（representation learning）能力 ，可以实现端到端的监督学习和非监督学习 。此外，深度学习也可参与构建强化学习（reinforcement learning）系统，形成深度强化学习 。
万字长文 | 多目标跟踪最新综述（基于Transformer/图模型/检测和关联/孪生网络）（下）
随着自动驾驶技术的发展，多目标跟踪已成为计算机视觉领域研究的热点问题之一。MOT 是一项关键的视觉任务，可以解决不同的问题，例如拥挤场景中的遮挡、相似外观、小目标检测困难、ID切换等。为了应对这些挑战，研究人员尝试利用transformer的注意力机制、利用图卷积神经网络获得轨迹的相关性、不同帧中目标与siamese网络的外观相似性，还尝试了基于简单 IOU 匹配的 CNN 网络、运动预测的 LSTM。为了把这些分散的技术综合起来，作者研究了过去三年中的一百多篇论文，试图提取出近年来研究者们更加关注的解决 MOT 问题的技术。
智能时代的桥梁：人工智能技术在现代交通系统中的应用
本文将探讨人工智能（AI）技术在现代交通系统中的创新性应用。通过分析AI如何优化交通流量、提高安全性和增强用户体验，我们将揭示这一技术如何成为连接智能城市与高效出行的关键纽带。文章还将讨论AI技术面临的挑战及其对未来交通发展的潜力。
未来已来：AI技术的最新趋势与前沿探索
【7月更文第20天】在这个日新月异的时代，人工智能（AI）已经从科幻概念逐渐深入到我们日常生活的方方面面，其发展速度之快超乎想象。从基础的语音识别、图像分析到复杂的决策制定、自动驾驶，AI技术正以前所未有的力量推动着社会进步。本文将带您一同展望AI技术的未来发展方向，深入探讨量子计算、生物计算等新兴领域的前沿探索，以及它们如何重新定义AI的边界。
ONNX 在自动驾驶汽车中的应用案例
【8月更文第27天】随着自动驾驶技术的快速发展，高效的模型部署和跨平台的支持变得尤为重要。Open Neural Network Exchange (ONNX) 作为一种开放的模型格式，可以促进不同深度学习框架之间的模型转换，同时支持多种硬件平台上的高效执行。本文将探讨 ONNX 在自动驾驶系统中的应用，特别是如何在感知、决策和控制等核心环节中发挥作用。