搜索结果: 1-15 共查到“计算机科学技术 深度学习”相关记录53条 . 查询时间(0.099 秒)
近些年,联邦学习(Federated learning,FL)由于能够打破数据壁垒,实现孤岛数据价值变现,受到了工业界和学术界的广泛关注.然而,在实际工程应用中,联邦学习存在着数据隐私泄露和模型性能损失的问题.为此,首先对这两个问题进行数学描述与分析.然后,提出一种自适应模型聚合方案,该方案能够设定各参与者的Mini-batch值和自适应调整全局模型聚合间隔,旨在保证模型精度的同时,提高联邦学习训...
中国科学院高能物理研究所第三次人工智能深度学习研讨会召开（图）
第三次 人工智能 深度学习 研讨会 中国科学院高能物理研究所
2023/6/21
目前，人工智能大模型正处于快速发展阶段，以深度学习为代表的人工智能算法和大规模训练数据的结合，推动了大模型的兴起。在物理研究领域，人工智能大模型在数据分析与模式识别、物理模拟与预测、物理系统优化与控制等多方面均具有潜在的巨大应用前景。
2023年6月7日，中国科学院深圳先进技术研究院/深港脑科学创新研究院王立平团队在Nature子刊Translational Psychiatry杂志在线发表了题为“Systematic evaluation of a predator stress model of depression in mice using a hierarchical 3D-motion learning framew...
近日，中国科学院上海光学精密机械研究所量子光学重点实验室副研究员刘红林与香港理工大学教授赖溥祥课题组、上海理工大学教授张大伟合作，在基于深度学习的散射成像机理与应用边界的研究方面取得重要进展。相关成果以The physical origin and boundary of scalable imaging through scattering media: a deep learning-base...
江南大学人工智能与计算机学院吴小俊教授团队在人工智能顶级期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》发表深度学习最新研究成果（图）
吴小俊 人工智能 深度学习 模式识别 IEEE TPAMI
2023/4/21
近日，江南大学人工智能与计算机学院吴小俊教授团队的李辉博士等在深度学习及多模态视觉信息融合研究中取得重要进展，研究成果以“LRRNet: A Novel Representation Learning Guided Fusion Framework for Infrared and Visible Images”为题发表在人工智能领域顶级学术期刊《IEEE Transactions on Patt...
2023年4月17日，研究所郝沛课题组和中国科学院分子植物科学卓越创新中心李轩课题组合作，在国际学术期刊《Genome Biology》发表了题为“DeepEdit: single-molecule detection and phasing of A-to-I RNA editing events using nanopore direct RNA sequencing”的研究论文。该研究利用深...
布匹瑕疵检测是纺织工业中产品质量评估的关键环节,实现快速、准确、高效的布匹瑕疵检测对于提升纺织工业的产能具有重要意义.在实际布匹生产过程中,布匹瑕疵在形状、大小及数量分布上存在不平衡问题,且纹理布匹复杂的纹理信息会掩盖瑕疵的特征,加大布匹瑕疵检测难度。
Academy of Mathematics and Systems Science, CAS Colloquia & Seminars：从深度学习到智能空间组学：原理、方法与应用
深度学习 智能 空间组学
2023/4/7
深度学习作为一种黑箱模型，是通过大量计算实验得到的，其数学原理逐渐引起研究者的广泛关注，同时在各科学领域得到广泛应用。该报告将从两种不同的角度简要介绍深度学习的数学理解与认识：一、从多层卷积稀疏编码模型的编码初始化和字典矩阵设计的角度，建立跨连神经网络与多层卷积稀疏编码模型的等价联系；二、提出深度残差神经网络是在Wasserstein空间学习测地曲线的理论。最后，将简要介绍深度学习如何赋能空间组学...
Academy of Mathematics and Systems Science, CAS Colloquia & Seminars： 从深度学习到智能空间组学：原理、方法与应用
深度学习 黑箱模型 计算实验
2023/4/7
深度学习作为一种黑箱模型，是通过大量计算实验得到的，其数学原理逐渐引起研究者的广泛关注，同时在各科学领域得到广泛应用。该报告将从两种不同的角度简要介绍深度学习的数学理解与认识：一、从多层卷积稀疏编码模型的编码初始化和字典矩阵设计的角度，建立跨连神经网络与多层卷积稀疏编码模型的等价联系；二、提出深度残差神经网络是在Wasserstein空间学习测地曲线的理论。最后，将简要介绍深度学习如何赋能空间组学...
近日，中国科学院自动化研究所研究员曾毅课题组基于人类和生物视觉系统中广泛存在的幻觉轮廓现象启发，提出了一种将机器学习视觉数据集转换成幻觉轮廓样本的方法，量化测量了当前的深度学习模型对幻觉轮廓识别能力。实验结果证明从经典的到最先进的深度神经网络均难以像人一样具有较好的幻觉轮廓识别能力。相关研究成果发表在Patterns上。
科学家利用深度学习模型探究药物与多组学数据间的关联
深度学习 药物 多组学 数据间
2023/2/21
患有糖尿病等基础疾病患者的药物反应模式是相对复杂的，可能涉及多个器官和因素，而大部分影响机制仍然是未知的。近年来，表型和多组学筛查可用于揭示疾病特征，并为研究药物在疾病进展中发挥的作用机制提供了新的手段。然而，多组学数据分析面临着数据降维、数据异质性与整合困难等多方面挑战。
我国科学家基于深度学习技术研发“数字流式”眼底彩照智能筛选系统
深度学习技术 数字流式 眼底彩照 智能筛选系统
2023/2/21
2021年9月22日，美国FDA首次公布了已获得许可的人工智能（Artificial Intelligence, AI）相关医疗器械名单，并于2022年10月5日再次进行补充，截至目前，该清单已有521项产品及相关信息，这意味着医学人工智能研究已经进入临床转化应用阶段。然而，大多数基于AI的模型是基于实验室预处理过的高质量图像进行构建的，这并不代表真实世界同样适用。既往真实世界研究显示，约21%现...
设计出一种基于学习去噪的近似消息传递(Learned denoising-based approximate message passing,LDAMP)的深度学习网络,将其应用于量子状态的估计.该网络将去噪卷积神经网络与基于去噪的近似消息传递算法相结合,利用量子系统输出的测量值作为网络输入,通过设计出的带有去噪卷积神经网络的LDAMP网络重构出原始密度矩阵,从大量的训练样本中提取各种不同类型密度...
可视化方法是数据科学的一种关键手段，被广泛应用于如图像识别、单细胞测序分析和生物标志物发现。可视化依赖数据科学中的降维技术，即将高维数据映射到低维空间，以观察数据的全局和局部分布。例如，在分析图像数据时，高维的图像被可视化方法映射到二维空间中以展示图像与图像之间的相关性。
Academy of Mathematics and Systems Science, CAS Colloquia & Seminars：基于深度学习的图像修复
深度学习 图像修复 计算机图形学
2022/12/8
图像修复是计算机图形学与计算机视觉领域交叉的重要研究问题，在文物修复、数字取证、虚拟场景编辑、影视特效制作等领域具有重要的应用价值。图像修复的目标是用语义合理且视觉逼真的内容填充缺失区域，同时也与图像的剩余部分保持一致。本报告描述图像修复的研究进展，重点展示我们在图像修复问题的三个近期研究工作，以及探讨未来的研究工作。