(SeaPRwire) – กรุงเทพฯ, วันที่ 16 พฤศจิกายน 2566 — WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” หรือ “บริษัท”) ผู้นําระดับโลกในเทคโนโลยี Hologram Augmented Reality (“AR”) ได้ประกาศว่าได้พัฒนาการสร้างภาพโฮโลแกรมเสียงด้วยการเรียนรู้ลึกด้วยคลื่นสนามไร้การควบคุมเพื่อแก้ไขข้อจํากัดของวิธีการสร้างภาพโฮโลแกรมเสียงแบบดั้งเดิม และปรับปรุงประสิทธิภาพและความแม่นยําของการประมวลผลข้อมูลเสียง.
สิ่งสําคัญของการสร้างภาพโฮโลแกรมเสียงด้วยการเรียนรู้ลึกด้วยคลื่นสนามไร้การควบคุมของ WiMi คือ สามารถสร้างภาพโฮโลแกรมของข้อมูลเสียงได้โดยไม่ต้องมีการควบคุมหรือการมนุษย์ มันเป็นสิ่งที่เฉพาะตัวที่ใช้วิธีการเรียนรู้ไร้การควบคุมเพื่อเรียนรู้แบบและลักษณะในข้อมูลคลื่นสนามเสียงผ่านอัลกอริทึมเรียนรู้ลึก ซึ่งไม่เพียงแต่ปรับปรุงประสิทธิภาพการประมวลผลข้อมูลเสียงเท่านั้น แต่ยังเปิดโอกาสให้ประยุกต์ใช้ในหลากหลายสาขา เช่น การวินิจฉัยทางการแพทย์ การทดสอบวัสดุ และการตรวจสอบไม่ทําลาย หลักการของเทคนิคการสร้างภาพโฮโลแกรมเสียงด้วยการเรียนรู้ลึกด้วยคลื่นสนามไร้การควบคุมมีดังนี้:
การเก็บข้อมูล: ก่อนอื่นต้องเก็บข้อมูลเสียงซึ่งสามารถบันทึกการสะท้อน การกระจาย หรือการแพร่กระจายของคลื่นเสียงผ่านเซนเซอร์ โดยข้อมูลเหล่านี้จะรวมถึงข้อมูลเช่น ความถี่ คลื่นความยาว ระยะเวลา และข้อมูลความถี่ของคลื่นเสียงบันทึกเป็นชุดข้อมูลเวลา ข้อมูลเหล่านี้เป็นข้อมูลคลื่นสนามเสียง.
การประมวลข้อมูลก่อนการ: ข้อมูลคลื่นสนามเสียงมักต้องผ่านขั้นตอนการประมวลผลก่อนเพื่อกําจัดสิ่งรบกวน ปรับช่วงของค่าความถี่ เป็นต้น เพื่อให้คุณภาพและความเหมือนกันของข้อมูล.
โมเดลเรียนรู้ลึกด้วยคลื่นสนาม: เป็นส่วนสําคัญของเทคโนโลยี ซึ่งใช้โมเดลเรียนรู้ลึกเพื่อประมวลผลข้อมูลคลื่นสนามเสียง โมเดลอาจเป็นเครือข่ายประสาทแบบการรับรู้ (CNN) หรือโครงสร้างเครือข่ายประสาทอื่นที่เหมาะสมกับการประมวลผลคลื่นสนาม.
การเรียนรู้ไร้การควบคุม: สิ่งสําคัญคือการใช้วิธีการเรียนรู้ไร้การควบคุม ซึ่งแตกต่างจากการเรียนรู้ด้วยการควบคุมที่ต้องอาศัยข้อมูลที่มีป้ายชื่อเพื่อนํามาฝึกโมเดล โดยข้อมูลคลื่นสนามเสียงเองก็มีข้อมูลอยู่แล้วที่โมเดลต้องเรียนรู้.
การเรียนรู้ลักษณะ: โมเดลเรียนรู้ลึกจะเรียนรู้ลักษณะและแบบแผนในข้อมูลอย่างช้อยๆ เมื่อประมวลผลข้อมูลคลื่นสนามเสียง โดยลักษณะเหล่านี้อาจรวมถึงความถี่ คลื่นความยาว เฟส และความถี่ของคลื่นเสียง โมเดลจะรู้ว่าลักษณะใดที่สําคัญต่อการสร้างภาพโฮโลแกรมเสียง.
การสร้างภาพโฮโลแกรมเสียง: เมื่อโมเดลได้เรียนรู้ลักษณะและแบบแผนเพียงพอแล้ว จะสามารถใช้ข้อมูลเหล่านั้นสร้างภาพโฮโลแกรมเสียงได้ ภาพโฮโลแกรมเสียงเป็นการแสดงถึงการมีปฏิสัมพันธ์และการแพร่กระจายของคลื่นเสียงเข้าวัตถุหรือสิ่งแวดล้อมต่างๆ.
บทความนี้ให้บริการโดยผู้ให้บริการเนื้อหาภายนอก SeaPRwire (https://www.seaprwire.com/) ไม่ได้ให้การรับประกันหรือแถลงการณ์ใดๆ ที่เกี่ยวข้องกับบทความนี้
หมวดหมู่: ข่าวสําคัญ ข่าวประจําวัน
SeaPRwire ให้บริการกระจายข่าวประชาสัมพันธ์แก่ลูกค้าทั่วโลกในหลายภาษา(Hong Kong: AsiaExcite, TIHongKong; Singapore: SingdaoTimes, SingaporeEra, AsiaEase; Thailand: THNewson, THNewswire; Indonesia: IDNewsZone, LiveBerita; Philippines: PHTune, PHHit, PHBizNews; Malaysia: DataDurian, PressMalaysia; Vietnam: VNWindow, PressVN; Arab: DubaiLite, HunaTimes; Taiwan: EAStory, TaiwanPR; Germany: NachMedia, dePresseNow)
การปรับโมเดลและการปรับแต่ง: ระหว่างการฝึก อาจต้องปรับแต่งโมเด