搜索结果: 46-60 共查到“计算机科学技术 神经网络”相关记录997条 . 查询时间(0.145 秒)
全波形反演（FWI）是一种非线性拟合观测地震记录从而获得高清晰速度模型的最优化算法。FWI能够通过拟合浅层初至波和反射波获得较准确的浅层速度模型。但是，FWI通常无法通过拟合深层反射波获得较准确的深层速度模型（包括背景速度和反射界面信息），因为模型梯度中的反射界面信息（偏移成分）比背景速度信息（层析成像成分）更加显著。因此，FWI主要更新深层反射界面而不是深层背景速度，而背景速度的误差会降低反射界...
一种具有生物合理性的类脑脉冲神经网络训练方法（图）
类脑智能 神经网络训练 生物合理性
2022/6/6
近日，中国科学院自动化研究所类脑智能研究中心研究员曾毅团队提出并实现了一种具有生物合理性的类脑脉冲神经网络训练方法，该方法能够在提高脉冲神经网络的性能的同时，明显降低网络的延迟以及能源消耗。相关研究成果发表于《细胞》出版社旗下期刊《模式》（Patterns）。
2022年5月7日，中科尚易健康科技(北京)有限公司总经理黄金丽（左一）、技术总监刘贵臻（左二）以及中国中医科学院针灸研究所针灸医学工程研究室主任张维波研究员（右一）等一行专家领导来我实验室开展技术交流，实验室主任李卫军研究员（右二）出席了交流会。与会专家一致认可中医科技化传承的重要社会意义及重大应用价值，未来拟进一步加强产学研合作，加速AI视觉技术在中医非药物治疗领域的应用及产业化，为推动祖国中...
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
单扫描时空编码磁共振成像是一种新型超快速磁共振成像技术，它对磁场不均匀和化学位移伪影有较强的抵抗性，但是其固有的空间分辨率较低，因此通常需要进行超分辨率重建，以在不增加采样点数的情况下提高时空编码磁共振图像的空间分辨率。然而，现有的重建方法存在迭代求解时间长、重建结果有混叠伪影残留等问题。为此，本文提出了一种基于深度神经网络的单扫描时空编码磁共振成像超分辨率重建方法。该方法采用模拟样本训练深度神经...
近些年来,胶囊神经网络(Capsnets)由于拥有强大的文本特征学习能力而被应用到文本分类任务中。目前的研究工作大都将提取到的文本多元语法特征视为同等重要,而忽略了单词所对应的各个多元语法特征的重要程度由具体上下文决定的这一事实,这将直接影响到模型对整个文本的语义理解。针对上述问题,该文提出了多尺度特征部分连接胶囊网络(MulPart-Capsnets)。该方法将多尺度特征注意力融入到Capsne...
东南大学崔铁军院士团队在基于数字编码超表面阵列的可编程衍射神经网络方面取得重要进展（图）
东南大学 崔铁军 数字编码超表面 衍射神经网络 可编程 机器学习 人工智能 电磁超材料 计算电磁学
2022/2/23
近日，东南大学毫米波国家重点实验室、东南大学电磁空间研究院、琶洲实验室智能超材料研究中心崔铁军院士团队联合北京大学李廉林教授，使用多层透射式数字编码超表面构建了可实时调节的全衍射式神经网络（可编程人工智能机，PAIM），成功实现了网络参数的实时编程和光速计算特性，并展示了多种应用案例，包括图像识别、强化学习和通信多通道编解码等，在国际上首次实现和展示了微波空间全衍射式可调神经网络。相关工作以A p...
针对无刷直流电机驱动系统功率开关管故障诊断存在由于特征提取效果差而导致识别准确率低等问题，提出一种基于二维卷积神经网络2D-CNN（two-dimensional convolution neural network）自适应特征提取的故障检测方法，避免人工提取特征的复杂性及不确定性。以相电流作为故障敏感信号进行FFT预处理，并将一维数据转换为矩阵形式作为2D-CNN的输入数据，然后利用Adam优化...
中国人工智能学会神经网络与计算智能专业委员会成立于2005年，是全国大专院校、高新企业及科研单位从事神经网络与计算智能研究的专业技术人员进行学术交流的专业性学术组织。专委会的研究领域主要包括半导体神经元器件与神经形态电路、半导体人工神经网络算法及硬件化系统、类脑神经认知计算芯片、类脑神经认知计算系统及其应用、智能信息处理、模式识别以及以半导体微电子技术、连接主义计算技术、智能化信号处理为基础的多学...
基于神经网络的CFD粗网格模拟优化方法研究
神经网络 粗网格 数值模拟 优化
2021/12/23
为缓解使用计算流体力学（ComputationalFluidDynamics，CFD）程序进行反应堆热工水力数值模拟中计算效率和计算精度之间的突出矛盾，以实现在较高计算效率下得到较高精度的计算结果，研究借助机器学习（MachineLearning，ML）中的前馈神经网络（FeedforwardNeuralNetwork，FNN）方法，通过对一定数量物理过程类似但具体参数不同的工况在粗网格、细网格两...
基于卦限卷积神经网络的3D点云分析
深度学习 点云 卦限卷积神经网络 局部几何特征
2021/12/23
基于深度学习的三维点云数据分析技术得到了越来越广泛的关注,然而点云数据的不规则性使得高效提取点云中的局部结构信息仍然是一大研究难点.本文提出了一种能够作用于局部空间邻域的卦限卷积神经网络(Octant convolutional neural network,Octant-CNN),它由卦限卷积模块和下采样模块组成.针对输入点云,卦限卷积模块在每个点的近邻空间中定位8个卦限内的最近邻点,接着通过多...
半导体神经网络与智能计算系统课题组是我国最早开展类脑计算硬件研究的科研团队，从1990年起，经过30年持续、不间断的研究和实践，形成了一套具有独创性的涵盖类脑神经计算算法、类脑神经形态芯片以及软硬件系统的完整体系。以课题组为核心筹建了北京市半导体神经网络智能感知与计算技术重点实验室、中国科学院半导体研究所类脑计算技术中心等重要研究平台。团队负责人为鲁华祥研究员，共有在职职工12人，其中高级职称5人...
基于机器学习预测化合物性能的方法在材料研发的虚拟筛选中发挥着重要作用。现有方法通过人工提取特征构建传统机器学习模型，存在着特征提取困难以及难以处理简化分子线性输入(SMILES)码等问题。为了解决这些问题，本文提出了一种端到端的图神经网络预测树脂材料高温性能的方法。首先将树脂材料的SMILES码表示为图形，其中顶点代表原子，边代表化学键；然后通过构建分子图的图神经网络得到分子的向量表示；最后通过构...
为了更好的培养在读硕博研究生的科研系统性、创新性和独立性，同时加强在读学生培养中的过程管理，形象认知计算课题组在原来的学生分小组周会的基础上，增加一次课题组统一安排的每两个月一轮的科研进展工作汇报。
为了更好的培养在读硕博研究生的科研系统性、创新性和独立性，同时加强在读学生培养中的过程管理，形象认知计算课题组在原来的学生分小组周会的基础上，增加一次课题组统一安排的每两个月一轮的科研进展工作汇报。