搜索结果: 76-90 共查到“计算机科学技术 神经网络”相关记录997条 . 查询时间(0.466 秒)
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...
神经网络技术检测玻璃钢缺陷精度高
神经网络技术 玻璃 钢缺陷 精度高
2020/12/14
俄罗斯托木斯克理工大学开发出一种利用神经网络技术检测半透明材料缺陷的新方法，测量精度超过所有其他方法。相关研究结果发表在最近的《无损评估》上。
利用人工智能神经网络助医生诊断病情
人工智能 神经网络 医生 诊断病情
2020/11/17
莫斯科市政府网站日前发布消息称，一种基于人工智能的神经网络模块正在应用于莫斯科的医疗系统。神经网络可以在三周的时间内分析10万份的莫斯科医疗数据。
近日，我所分子反应动力学国家重点实验室傅碧娜研究员、张东辉院士团队在化学反应的非绝热势能面构建中取得新进展，提出了一种新的神经网络方法用来构建包含锥形交叉的非绝热势能面。在物理化学过程中，玻恩－奥本海默近似只有在所研究的电子态与其他电子态能量都足够分离的情况下才有效。而当电子态出现简并或者近简并时，玻恩－奥本海默近似失效。非绝热过程的动力学模拟原则上可以在绝热表象中进行，但当体系的电子态发生简并，...
北京大学信息科学技术学院微纳电子学系黄如院士-杨玉超研究员课题组在针对优化问题的忆阻暂态混沌神经网络研究中取得重要进展（图）
黄如 院士 杨玉超 研究员 优化问题 忆阻暂态混沌 神经网络
2020/8/15
为了提高效率、合理利用资源，人们无时无刻不在面对着各种优化问题，需要在特定条件约束下寻找最佳的解决方案。这些优化问题广泛存在于科学研究、工程与日常生活中，包括物流的运输、资源的调度、智慧工厂与工程设计等。然而，解决这些复杂优化问题往往需要消耗大量硬件和时间资源，并且容易陷入局部极小值。因此，开发微缩化、高效率、低功耗的优化求解器硬件将为未来终端智能决策提供重要基础，是研究人员亟待解决的难题。为此，...
中国科学院地质与地球物理研究所博士后耿智与合作导师王彦飞研究员提出了一种基于数据驱动的能进行有效地震数据分类的自动搜索神经网络架构(SeismicPatchNet, SPN)（图1）。假设嵌入在勘探地震数据中的关键信号特征可以被ANN捕获，则描述其参数比传统的CNN架构要少得多。该研究设计了具有特定地震振幅序列的概念性信号斑块（图1a），以海洋天然气水合物为例，这些信号类似于水合物的关键地震反射；...
中国科学院地质与地球物理研究所博士后耿智与合作导师王彦飞研究员提出了一种基于数据驱动的能进行有效地震数据分类的自动搜索神经网络架构(SeismicPatchNet, SPN)（图1）。假设嵌入在勘探地震数据中的关键信号特征可以被ANN捕获，则描述其参数比传统的CNN架构要少得多。该研究设计了具有特定地震振幅序列的概念性信号斑块（图1a），以海洋天然气水合物为例，这些信号类似于水合物的关键地震反射；...
在计算机图形学中，为了虚拟化真实世界的物体(如人或者动物等)，三维形状通常需要离散化为网格（mesh），用于真实感渲染。但是，因为设备的差异或采集方式的不同，很难针对单个三维形状得到的相同的离散化方式（固定的分辨率和连接关系）。这种同一个形状具有不同的离散化方式是计算机图形学有别于其他学科的一个重要特点，而现有的图神经网络无法有效统一不同离散化下的特征，这极大地限制了图神经网络在图形学领域的发展。
近年来，基于梯度反向传播的脉冲神经网络（SNN）训练方法逐渐兴起。在这种训练方法下，SNN能够在保留神经元内部动力学的同时获得较好的性能。 在此基础上，自动化所听觉模型与认知计算团队模仿刻画视听觉系统神经元侧向作用的数学模型动态神经场，提出了具有侧向作用的SNN——LISNN，用于图像识别任务。并且在测试中，根据侧向作用的动力学特点，人为加入噪声以验证侧向作用对网络鲁棒性的提升。
神经网络正则变换（图）
神经网络 正则变换
2020/5/7
正则变换是物理、力学家和天文学家处理哈密顿体系的经典方法。通过找到合适的变量替换，正则变换可以简化、甚至是彻底求解哈密顿体系的动力学。例如，19世纪法国科学家夏尔·德劳奈发表了约1800页的解析推导，试图使用正则变换化简“日-地-月”的三体问题。虽然正则变换方法是哈密顿力学中的基本工具，它在更复杂的多体问题中的广泛应用受限于繁复的人工操作和解析计算。利用正则变换与现代机器学习中的正则化流方法(No...
人脑可以高效地处理和完成各项任务，神经系统在这个过程中扮演着重要的角色。生物神经网络由神经元相互连接组成，神经系统将从感受器收集的信息传输到大脑，并将大脑的指令传达给各个组织单元，保证生命活动正常的进行。生物神经元通过突触前端释放神经递质，诱导突触后端离子浓度（例如Na +，Cl-，K +）与动作电位发生变化，从而实现信息的传递。目前，仿生人工神经形态器件已可实现基本的神经突触功能模拟，完成单个功...
中国科学院自动化研究所曾毅研究团队将大脑中基于好奇学习的规则与更具生物合理性的脉冲神经网络(Spiking Neural Networks, SNNs)相结合，在达到同等正确率的情况下，极大降低计算能耗。与该课题组由张铁林副研究员、曾毅研究员等人的前期工作，领域内领先的纯生物合理的脉冲神经网络VPSNN(电压驱动的以塑性为中心的SNN)(发表于AAAI 2018)相比，在MNIST手写数字识别问题...
针对实装试验难以实现某型反装甲武器系统全样本条件下的打击效果预测，提出一种基于梯度搜索技术的改进BP神经网络的反装甲武器系统打击效果模型，建立影响预测结果的影响因子量化值和目标靶车打击效果的量化值之间的对应关系，利用作战试验历史数据作为样本训练模型，最后以某次真实试验结果检验模型。结果表明，打击效果预测值与真实值吻合较好，BP神经网络可实现对该武器系统对靶车打击效果进行有效预测，可为火力打击方案制...
形象认知计算课题组面向前沿科技发展趋势与社会需求，主要开展深度建模、高性能集成电路、类脑神经网络、人工智能等多学科交叉领域的新理论、新方法、新技术的研究，逐步形成“理论-实践-理论”不断升华的创新研究体系。研究团队包括研究员、副研究员、助理研究员、高级工程师、助理工程师、科研助理、博士后以及硕博士研究生30余人。
作为一种无创的成像技术，功能磁共振（fMRI）通过检测血氧浓度来推断大脑的活动状态，在认知科学以及精神疾病研究中被广泛应用。但是fMRI影像具有维度高、信噪比低等特点，基于fMRI的脑疾病分类问题通常具有高维小样本的特点，常用的解决方案是采用脑模板或者独立成分分析等对原始的fMRI脑区进行划分，然后计算兴趣脑区或空间成分的时间序列相关值（Time Courses, TCs）得到脑功能连接矩阵，并在...