搜索结果: 1-13 共查到“计算机科学技术 深度Q网络”相关记录13条 . 查询时间(0.123 秒)
Cell Reports苏州大学合作发现深度神经网络解密磷酸化位点的功能景观(图)
神经网络 磷酸化 蛋白质
2023/9/12
铁水硅含量是反映高炉冶炼过程中热状态变化的灵敏指示剂,但无法实时在线检测,造成铁水质量调控盲目.为此,提出一种基于动态注意力深度迁移网络(Attention deep transfer network,ADTNet)的高炉铁水硅含量在线预测方法.首先,针对传统深度网络静态建模思路无法准确描述过程变量与铁水硅含量之间的关系,提出一种基于注意力机制模块的输入过程变量与输出硅含量之间的动态关系描述方法。
我国学者在动态深度神经网络研究方面取得进展
动态深度 神经网络 计算机视觉
2022/6/29
在国家自然科学基金项目(批准号:62022048、61906106)资助下,清华大学黄高研究团队在动态深度神经网络研究方面取得进展。研究成果以"基于自适应聚焦的高效视频识别(Adaptive Focus for Efficient Video Recognition)"为题,于2021年10月17日发表于《国际计算机视觉会议》(International Conference on Compute...
剑桥大学等研究发现:理论上稳定准确深度神经网络实际不存在
神经网络 剑桥大学 深度学习
2022/6/29
当下,深度神经网络应用越来越广泛,帮助设计微芯片,预测蛋白质折叠,并在复杂游戏中胜过人类,性能越来越强大。但也有大量证据证明,它们通常是不稳定的。一个非常明显的表现是,深度神经网络接收到的数据的微小变化,就可能会导致结果的巨大变化。例如《One pixel attack for fooling deep neural networks》研究中所揭示的,改变图像上的一个像素,AI就把马识别成青蛙。哈...
基于深度神经网络的时空编码磁共振成像超分辨率重建方法
磁共振成像 时空编码 超分辨率重建 深度神经网络
2022/3/5
深度信念网络(Deep belief network,DBN)是一种基于深度学习的生成模型,克服了传统梯度类学习算法在处理深层结构所面临的梯度消失问题,近几年来已成为深度学习领域的研究热点之一.基于分阶段学习的思想,人们设计了不同结构和学习算法的深度信念网络模型.本文在回顾总结深度信念网络的研究现状基础上,给出了其发展趋势.首先,给出深度信念网络的基本模型结构以及其标准的学习框架,并分析了深度信念...
何清龙等-Geophysics:人工智能深度神经网络地震速度分析技术(图)
人工智能 深度神经网络 地震速度 分析技术
2021/1/26
中国科学院地质与地球物理研究所博士后何清龙与合作导师王彦飞研究员提出了一种基于深度神经网络(DNN)的全波形反演地质体结构的通用反演方法。该方法的主要思想是基于万能逼近定理,使用深度神经网络的权重对物理参数进行重新参数化,将原反演问题转化为物理原理约束下的网络参数的重构问题。该反演方法的优势是:重参数化的网络具有对抗神经网络的功能(GAN),网络的稀疏表示信息使得该方法具有隐式正则化的作用,因此适...
中国科学院上海药物研究所蒋华良、郑明月团队采用了多任务深度神经网络(multitask deep neural network)建立分类模型解决化合物的激酶谱预测问题。多任务深度神经网络通过任务间的迁移学习,可以高效解决具有相关性的多类别分类问题,对于众多激酶靶标,共享的保守催化域使得多重活性预测任务紧密相关。因此,利用多任务深度神经网络可以有效减少特定激酶数据不足对模型泛化性能的限制。此外,多任...
基于深度神经网络的可穿戴心电图疾病自动诊断研究取得进展(图)
深度神经网络 可穿戴 心电图疾病 自动诊断
2019/7/11
近日,中国科学院深圳先进技术研究院数字所生物医学信息技术研究中心研究员李烨及其团队成员姚启航、王如心、樊小毛和刘记奎等针对可穿戴心电信号提出了一种基于时空特征融合的深度神经网络,实现了9类心律失常的自动分析诊断,有效提升了疾病自动分析的准确率。该成果以Multi-class Arrhythmia detection from 12-lead varied-length ECG using Atte...
基于维特比算法的深度神经网络语音端点检测
语音端点检测 深度神经网络 维特比 语音识别
2017/11/11
语音端点检测(voiceactivitydetection,VAD)是在连续语音信号中,将语音和非语言片段分离的技术。VAD
在语音识别、说话人识别、语音编码等领域起着重要作用。传统 VAD算法在类型已知的噪声环境下可以达到较好
的性能,但在实际情况中,未知噪声的影响通常会使系统性能下降显著,在差异化噪声下的 VAD是端点检测的研
究难点。在总结现有语音端点检测算法基础上,提出了一种基于深度...
清华大学量子信息中心段路明教授研究组发现深度神经网络和量子多体问题存在紧密关联,证明利用深度神经网络模型可以有效表示几乎所有量子多体系统的波函数,展示了神经网络和深度学习算法在量子多体问题研究中的巨大潜力,该成果的研究论文《利用深度神经网络对量子多体态的有效表示》(Efficient representation of quantum many-body states with deep neur...