(SeaPRwire) –   بكين، 16 نوفمبر 2023 – أعلنت شركة WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” أو “الشركة”)، مقدم عالمي رائد لتقنية الواقع الافتراضي المعزز بالهولوغرام (“AR”)، أنها طورت بناء هولوغرام صوتي يعتمد على التعلم العميق غير الموجه لمجال الموجة لمعالجة القيود التي تواجه طرق بناء الهولوغرام الصوتي التقليدية وتحسين كفاءة ودقة معالجة البيانات الصوتية.

المفتاح في بناء الهولوغرام الصوتي المعتمد على التعلم العميق غير الموجه لمجال الموجة التابع لشركة WiMi هو أنه يمكنه بناء الهولوغرامات للبيانات الصوتية تلقائيًا دون الحاجة إلى الإشراف أو التدخل البشري. وهو فريد من نوعه في استخدامه لنهج التعلم غير الموجه لتعلم الأنماط والملامح تلقائيًا في بيانات مجال الموجة الصوتية من خلال خوارزميات التعلم العميق. وهذا لا يحسن فقط كفاءة معالجة البيانات الصوتية بشكل كبير، بل يمكّن أيضًا من تطبيقات في مجالات متنوعة مثل التشخيص الطبي واختبار المواد وفحص عدم التلف.

ويمكن تلخيص مبدأ تقنية بناء الهولوغرام الصوتي المعتمدة على التعلم العميق غير الموجه لمجال الموجة على النحو التالي:

جمع البيانات: أولاً، يتم جمع البيانات الصوتية التي يمكنها التقاط انعكاس أو استشتات أو انتشار موجات الصوت من خلال الحساسات. وتتضمن هذه البيانات معلومات مثل سعة وتردد وطور موجات الصوت، وعادة ما تسجل على هيئة سلسلة زمنية. وتشكل هذه البيانات بيانات مجال الموجة الصوتية.

معالجة ما قبل البيانات: عادة ما تخضع بيانات مجال الموجة الصوتية لعدد من خطوات ما قبل المعالجة لإزالة الضوضاء وتعديل نطاق سعة البيانات وما إلى ذلك. وهذا يضمن جودة البيانات وتجانسها.

نموذج التعلم العميق لمجال الموجة: هذه هي الجزء الأساسي من التقنية. يتم استخدام نموذج التعلم العميق لمعالجة بيانات مجال الموجة الصوتية. قد يكون هذا النموذج شبكة عصبونية طويلة أو أي هيكل آخر للشبكة العصبونية مناسب لمعالجة بيانات مجال الموجة.

التعلم غير الموجه: المفتاح هنا هو استخدام طريقة التعلم غير الموجه. على عكس التعلم الموجه التقليدي، لا يتطلب التعلم غير الموجه بيانات مصنفة لتوجيه تدريب النموذج. فبيانات مجال الموجة الصوتية بحد ذاتها تحتوي على ثروة من المعلومات يحتاج النموذج فقط لتعلمها.

تعلم الملامح: يتعلم النموذج التعليمي تدريجيًا الملامح والأنماط في البيانات من خلال تشكيل بيانات مجال الموجة الصوتية. وقد تشمل هذه الملامح تردد وطول الموجة والطور والسعة وما إلى ذلك لموجات الصوت. ويعترف النموذج تلقائيًا بأهم الملامح لإعادة بناء الهولوغرام الصوتي.

إعادة بناء الهولوغرام الصوتي: بمجرد تعلم النموذج ما يكفي من الملامح والأنماط، يمكنه استخدام هذه المعلومات لتوليد الهولوغرامات الصوتية. والهولوغرام الصوتي هو تمثيل بصري لكيفية تفاعل وانتشار موجات الصوت في أجسام أو وسط مختلفة.

تحسين النموذج وضبطه: أثناء التدريب، قد يتطلب الأمر تحسين النموذج وضبطه لضمان أن الهولوغرامات الصوتية المولدة ذات جودة ودقة عاليتين. وقد يتطلب ذلك استخدام خوارزميات الانتشار إلى الخلف ودوال الخسارة لضبط معلمات النموذج.

تستخدم تقنية بناء الهولوغرام الصوتي التابعة لشركة WiMi المعتمدة على التعلم العميق غير الموجه لمجال الموجة نموذج التعلم العميق لتعلم الأنماط والملامح في بيانات مجال الموجة الصوتية تلقائيًا، ثم تستخدم هذه المعلومات لتوليد الهولوغرامات الصوتية. ونظرًا لتطبيق التعلم غير الموجه، يمكن تطبيقها على مجموعة واسعة من مهام إعادة بناء البيانات الصوتية دون الحاجة إلى كميات كبيرة من البيانات المصنفة للتدريب. ومن المتوقع أن تحسن هذه النهج كفاءة ودقة بناء الهولوغرام الصوتي وتجلب طرق أكثر كفاءة ودقة وابتكارًا لتحليل البيانات الصوتية في عدة صناعات.

يمثل بناء الهولوغرام الصوتي أهمية كبيرة في البحث العلمي لاستكشاف خصائص المواد والتشخيص الطبي والاستكشاف الجيولوجي. وستدفع تطوير هذه التقنية حدود البحث العلمي ومساعدة حل المشكلات المعقدة. في المجال الطبي، يمكنها تحسين التصوير الطبي بالموجات فوق الصوتية وزيادة دقة تشخيص الأمراض ومساعدة الأطباء على فهم حالات مرضاهم بشكل أفضل. وهذا مهم لتحسين صحة المرضى ونوعية الرعاية الصحية. في الهندسة والتصنيع، يمكن استخدامها للكشف عن العيوب في المواد والهياكل وتحسين الرقابة على الجودة في خطوط الإنتاج والحد من الخسائر وتكاليف الصيانة. وفي مجال استكشاف الموارد الجيولوجية، يمكنها مساعدة استكشاف الموارد تحت السطح وتحسين كفاءة الاستكشاف والحد من هدر الموارد. تمثل هذه التقنية اتجاه المستقبل نحو التلقائية والذكاء. فهي تستغل مفاهيم التعلم العميق والتعلم غير الموجه لجعل معالجة البيانات الصوتية أكثر ذكاء وتلقائية.

يجلب بناء الهولوغرام الصوتي المعتمد على التعلم العميق غير الموجه لمجال الموجة التابع لشركة WiMi طرق أكثر كفاءة ودقة وابتكارًا لتحليل البيانات الصوتية في عدة صناعات، ويوعد بدفع الابتكار العلمي والتقني وتحسين التشخيص الطبي ورفع جودة الإنتاج الصناعي وتسهيل البحث العلمي وفتح المزيد من فرص وإمكانات التطبيقات مثل استكشاف الموارد. وتعتبر تطوير هذه التقنية مهمة لحل المشكلات المعقدة وتعزيز رفاه المجتمع.

عن شركة WiMi Hologram Cloud

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

توفر SeaPRwire خدمات توزيع البيانات الصحفية للعملاء العالميين بلغات متعددة(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) 

تعتبر شركة WiMi Hologram Cloud, Inc. (NASDAQ: WIMI) مزودًا تقنيًا شاملاً للحلول التقنية الهولوغرافية السحابية التي تركز على المجالات المهنية بما في ذلك برمجيات نظام عرض الرؤية الأمامية الهولوغرافية للسيارات الذكية، وتقنية ليدار البولس 3D الهولوغرافي