國際合作研究深度學習與物理研究交叉領域取得新進展
復旦大學高分子科學系張紅東課題組李劍鋒副教授與加拿大滑鐵瀘大學陳征宇教授合作,在深度學習與物理研究交叉領域取得新進展,提出了一種全新的概念表征方法。近日,研究成果以《用強關聯神經網絡進行結構預測與反向設計》(“Structural Prediction and Inverse Design by a Strongly Correlated Neural Network”)為題發表于《物理評論快報》(Physical Review Letters 123, 108002)。將深度學習或神經網絡運用于研究自然語言或其它學科時,首先需要對涉及的一些概念(詞或物理實體)進行恰當的、充分地表征。過去,人們大多采用靜態熱點表征(One-Hot Encoding)或向量表征(Vector Representation),此兩種表征方式雖可描述概念的特征,卻不能反映環境對其屬性之影響,亦不能體現概念的功能。“我常在想,大腦是不是......閱讀全文
國際合作研究-深度學習與物理研究交叉領域取得新進展
復旦大學高分子科學系張紅東課題組李劍鋒副教授與加拿大滑鐵瀘大學陳征宇教授合作,在深度學習與物理研究交叉領域取得新進展,提出了一種全新的概念表征方法。近日,研究成果以《用強關聯神經網絡進行結構預測與反向設計》(“Structural Prediction and Inverse Design by
深度學習在雷達中的研究綜述(二)
其中,?J(w,b)?為對應自編碼器代價函數,?β?為控制系數性懲罰因子權重。2.3 DBN基本原理DBN是一個概率生成模型,其建立一個觀測數據與標簽之間的聯合分布。并且DBN由多個受限玻爾茲曼機(Restricted Boltzmann Machine, RBM)組成,典型的DBN結構如圖4所示。
深度學習在雷達中的研究綜述(三)
3.2 基于SAE的SAR圖像處理研究SAE的特點是可自動從無標記數據中學習特征,并且給出比原始數據更好的特征描述,進一步通過該學習到的特征得到更好的分類效果。有學者將其應用于地物目標分類、艦船分類以及城市變化檢測等場景。并且通過SAE對SAR圖像進行分析,其與傳統方法相比,展現SAE具有自動學習高
深度學習在雷達中的研究綜述(一)
深度學習在雷達中的研究綜述王俊,?鄭彤,?雷鵬,?魏少明????摘要:雷達通過發射天線發射電磁波,經過不同物體反射接收到相應的反射波,對其接收結果進行分析,能得到物體距雷達的位置,徑向運動速度等信息,所以對雷達信號的分析具有重要的研究意義。近些年深度學習成為各個領域的研究熱點,而在雷達領域同樣可通過
基于深度學習的時間序列預測研究獲進展
時間序列預測是大規模數據無損壓縮和極端天氣預報等領域的核心技術。隨著應用場景多樣化和數據復雜性提升,現有模型在異構數據的統一表達、長序列結構依賴建模、極端天氣波動捕捉等方面存在挑戰。中國科學院計算機網絡信息中心人工智能團隊圍繞上述挑戰開展研究,提出一系列創新算法與模型,并在實際系統部署應用。
研究團隊在深度學習泛化能力研究中獲進展
近日,中國科學院沈陽自動化研究所機器人學國家重點實驗室在深度學習泛化能力研究中取得進展,相關研究成果Depth selection for deep ReLU nets in feature extraction and generalization為題,發表在IEEE Transactions
AI偵探敲碎深度學習黑箱
研究人員創建了能填補照片空白的神經網絡,以鑒別人工智能瑕疵。 Jason Yosinski坐在美國加州舊金山的一個小型玻璃辦公室內,陷入了對人工智能的沉思。作為優步公司的研究科學家,Yosinski正為在筆記本電腦上運行的人工智能(AI)進行“腦外科手術”。 很多AI將改變人類現代生活,例如
深度學習算法“解密”腦活動
英國《自然·醫學》雜志9月25日在線發表的一項研究,報告了一種可以分析四肢癱瘓患者大腦活動的深度學習算法。該算法已被用于向患者的前臂肌肉傳遞電刺激,從而恢復癱瘓肢體的功能性運動。 慢性癱瘓患者的生活質量可以通過腦機接口加以改善。腦機接口可以將控制運動的中樞神經系統回路和輔助設備(例如計算機光標
深度學習驅動大氣降尺度技術研究取得進展
在全球氣候變化研究中,將低分辨率的大尺度氣候模式數據轉化為高分辨率區域數據,是準確評估極端天氣與區域微氣候的關鍵。然而,現有主流國際工具普遍受限于固定尺度約束。近日,中國科學院南海海洋研究所等團隊,研發出一種基于隱式神經網絡混合專家模型(MINet)的大氣降尺度新方法。團隊通過多尺度隱式特征構建,和
美國IBM研究院實現深度學習性能突破
美國IBM研究院近日宣布,通過全新的分布式深度學習軟件,實現了接近理想的擴展能力,該軟件在64臺IBM Power系統服務器中的256個GPU上并行運行深度學習框架,實現了95%的擴展效率,并使運算速度與準確率得到了顯著提升。此前最佳的系統擴展能力是Facebook人工智能研究院所取得的89%
深度學習驅動大氣降尺度技術研究取得進展
在全球氣候變化研究中,將低分辨率的大尺度氣候模式數據轉化為高分辨率區域數據,是準確評估極端天氣與區域微氣候的關鍵。然而,現有主流國際工具普遍受限于固定尺度約束。近日,中國科學院南海海洋研究所等團隊,研發出一種基于隱式神經網絡混合專家模型(MINet)的大氣降尺度新方法。團隊通過多尺度隱式特征構建,和
物理所王磊等發布深度學習算法-稠密氫體系應用成功
氫是宇宙中最豐富的元素,也是元素周期表中最簡單的元素。在常溫常壓下,氫以氣態分子的形式存在。然而,在一些極端的條件下,例如巨行星內核、聚變實驗中,稠密的氫(或其同位素)表現出更加豐富的相圖,其中可能包含原子液體、金屬氫、高溫超導、液態超導等。稠密氫中包含等量的質子和電子,是一個簡單干凈的量子多體系統
量子物理與機器學習結合研究取得進展
生成模型(Generative Model)是機器學習領域的重要課題和研究前沿,也被認為是通往人工智能的必由之路。歷史上,物理學為生成型學習提供了很多新思路。比如,著名的玻爾茲曼機(Boltzmann Machine)就來自于統計物理中的伊辛模型及相關的反伊辛問題。最近,中國科學院物理研究所/北
新疆理化所在深度學習預測抗癌多肽研究中取得進展
癌癥是人類健康最致命的殺手,在全球范圍內每年造成數百萬人的死亡。傳統的物理和化學方法,包括靶向治療、化療和放射治療等醫療實踐中常見的治療手段,在一定程度上能殺死病變癌細胞,但是同時也會殺死大量正常的細胞,帶來嚴重的副作用。這些治療手段費用昂貴且預后效果不佳,迫切需要開發新的定向清除癌細胞,治療癌
研究人員基于深度學習無創獲得血液輸入函數
全面量化大腦PET圖像,常常需要精確的血流輸入函數。然而傳統方法中,獲取這一函數通常依賴于侵入性且耗時的動脈導管采血,這在臨床實踐中往往難以實現。7月2日,中國科學院深圳先進技術研究院副研究員孫濤團隊與河南省人民醫院副院長王梅云團隊合作,在醫學影像頂級期刊《IEEE醫學影像匯刊》發表最新研究。研究團
深度學習技術及應用國家工程研究中心正式揭牌
《中國科學報》近日獲悉,經國家發展和改革委員會批復,深度學習技術及應用國家工程研究中心(以下簡稱工程研究中心) 納入新序列管理。4月26日,工程研究中心舉行了揭牌儀式。 揭牌儀式 ?圖片來源:工程研究中心 納入新序列管理后,工程研究
深度學習技術及應用國家工程研究中心正式揭牌
《中國科學報》近日獲悉,經國家發展和改革委員會批復,深度學習技術及應用國家工程研究中心(以下簡稱工程研究中心) 納入新序列管理。4月26日,工程研究中心舉行了揭牌儀式。 揭牌儀式 ?圖片來源:工程研究中心 納入新序列管理后,工程研究
TPU將成深度學習的未來?(二)
能夠進行數據推理的第二代TPU第一代的TPU只能用于深度學習的第一階段,而新版則能讓神經網絡對數據做出推論。谷歌大腦研究團隊主管Jeff Dean表示:“我預計我們將更多的使用這些TPU來進行人工智能培訓,讓我們的實驗周期變得更加快速。”“在設計第一代TPU產品的時候,我們已經建立了一個相對
深度學習協助預測厄爾尼諾-|《自然》論文
《自然》發表的一篇論文Deep learning for multi-year ENSO forecasts報道了一種可以提前一年半預測厄爾尼諾事件的深度學習方法,克服了該領域內長期存在的一項挑戰。用來預測厄爾尼諾現象的CNN預測系統來源: Ham et al. 厄爾尼諾事件發生于太平洋東部和
TPU將成深度學習的未來?(一)
在Google I/O 2016的主題演講進入尾聲時,谷歌的CEO皮采提到了一項他們這段時間在AI和機器學習上取得的成果,一款叫做Tensor Processing Unit(張量處理單元)的處理器,簡稱TPU。在這個月看來,第一代的TPU處理器已經過時。在昨天凌晨舉行的谷歌I/O 2017
深度學習算法準確追蹤動物運動
根據英國《自然·神經科學》雜志8月21日在線發表的一項研究,美國哈佛大學團隊運用一種新型深度學習算法,成功追蹤動物運動及行為,其準確度可達到人工水平,而且無需采用追蹤標記物或進行費時的手動分析。專家認為,這一成果打開了海量的數據來源之門。 準確追蹤行為發生期間的身體運動部位是運動科學的一項重要
計算成像可解釋性深度學習重建方法研究取得進展
傅里葉疊層成像是一種新興的計算成像技術,其成像的正向模型包括光瞳函數的低通濾波、光瞳在頻域內的掃描采樣、傅里葉變換和復雜的成像噪聲污染。傳統基于深度神經網絡學習(如卷積神經網絡)方法在遠距離場景下,環境噪聲干擾更為復雜,高分辨率圖像重建難度顯著增加。 中國科學院西安光學精密機械研究所科研團隊提
新光學芯片可實現高效“深度學習”
美國麻省理工學院(MIT)科學家在12日出版的《自然·光學》雜志上發表論文稱,他們開發出一種全新的光學神經網絡系統,能執行高度復雜的運算,從而大大提高“深度學習”系統的運算速度和效率。 “深度學習”系統通過人工神經網絡模擬人腦的學習能力,現已成為計算機領域的研究熱門。但由于在模擬神經網絡任務中
深度學習復興:向人工智能邁進
它是未來的一部分,我們才剛剛開始。圖片來源:BRUCE ROLFF 3年前,美國加利福尼亞州山景城神秘的谷歌X實驗室的研究人員從YouTube視頻中提取了1000萬個靜態圖像,并將其輸入“谷歌大腦”——由1000臺計算機構成的網絡,從而試圖像一個蹣跚學步的孩子一樣吸收這個世界的信息。經過3
人工智能進入“深度學習+”階段
雖然從底層技術看,ChatGPT并不算創新,但其社會影響遠遠超出了預期。這款由美國人工智能公司OpenAI開發的聊天機器人,2022年11月推出后火遍全球,成為史上增長最快的消費者應用程序。 讓機器和真人自由對話,一直是人工智能領域的重要目標之一。ChatGPT的爆火背后,其實是深度學習技術的
新光學芯片可實現高效“深度學習”
美國麻省理工學院(MIT)科學家在12日出版的《自然·光學》雜志上發表論文稱,他們開發出一種全新的光學神經網絡系統,能執行高度復雜的運算,從而大大提高“深度學習”系統的運算速度和效率。 “深度學習”系統通過人工神經網絡模擬人腦的學習能力,現已成為計算機領域的研究熱門。但由于在模擬神經網絡任務中
利用深度學習對短文本產品名稱分類的研究
一、研究背景 在數字化浪潮的沖擊下,基于產品質量安全監管的信息化基礎,運用大數據、自然語言處理、機器學習等技術,讓信息橫向在不同區域間、縱向在各級市場監管部門流通,是一個有重要意義且需要我們在業務支撐工作中不斷思考的議題。 為了實現數據賦能,一方面要實現數據的持續有效匯集,另一方面要加強數據分析
基于深度學習的化纖外觀缺陷語義分割
摘要: 針對化纖外觀缺陷檢測使用基于深度學習的語義分割方法,總結了自2014年以來基于深度學習的典型語義分割方法,并在此基礎上應用到化纖外觀檢測項目上,取得了不錯的效果。 01 化纖外觀缺陷檢測背景 化纖作為紡織制造的原料,由化纖生產企業進入下游紡織企業前會收卷形成絲餅,但在絲餅
人臉檢測發展:從VJ到深度學習(五)
在過去十幾年的探索過程中,涌現出的特征不勝枚舉,這里只選取了部分比較有代表性和反映了人們探索思路的特征進行舉例。這里所有列舉的特征都有一個共同的特點:都由科研工作者根據自己的經驗手工設計,這些特征的設計反映了人們對問題的理解和思考。雖然隨著不斷的改進,設計出的特征已經日臻完善,但直到現在
人臉檢測發展:從VJ到深度學習(六)
還有一種比較典型的結構是樹形的級聯結構,從形狀上來看其和金字塔式的級聯結構是一樣的,也是從上往下分類器的數目逐層增多,區別就在于樹形的級聯結構中沒有同一層分類器之間的橫向連接,只有相鄰層分類器之間的縱向連接,即一個窗口在同一層上不會由多個分類器進行分類,而會直接被送往下一層或者被排除。樹