搜索结果: 1-15 共查到“计算机科学技术 学习算法”相关记录127条 . 查询时间(0.208 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...
2023年5月19日,中国科学院上海光学精密机械研究所研究员王俊团队在基于机器学习算法实现二维材料层数识别和物性检测方面取得进展,相关文章以Thickness Determination of Ultrathin 2D Materials Empowered by Machine Learning Algorithms为题发表于《激光与光子学评论》(Laser & Photonics Review...
我国科学家利用机器学习算法对颌骨关键特征点自动还原实现复杂颌骨缺损精准重建
机器学习算法 颌骨 特征点 颌骨缺损
2022/12/16
基于双尺度约束模型的BN结构自适应学习算法
贝叶斯网络 结构学习 约束模型 遗传算法
2021/8/20
在无先验信息的情况下,贝叶斯网络(Bayesian network,BN)结构搜索空间的规模随节点数目增加呈指数级增长,造成BN结构学习难度急剧增加.针对该问题,提出基于双尺度约束模型的BN结构自适应学习算法.该算法利用最大互信息和条件独立性测试构建大尺度约束模型,完成BN结构搜索空间的初始化.在此基础上设计改进遗传算法,在结构迭代优化过程中引入小尺度约束模型,实现结构搜索空间小尺度动态缩放.同时...
脑效应连接(Effective connectivity,EC)网络是人脑连接组研究中一项重要的研究课题,识别脑效应连接网络已成为评价正常脑功能及其与神经退化疾病相关损伤的一种有效手段.针对从功能性磁共振成像数据中进行脑效应连接网络的学习问题,提出了一种将多源信息与蚁群优化过程相融合的学习方法.新方法首先利用弥散张量成像数据获取感兴趣区域的结构约束信息,并利用正相关的皮尔森信息来压缩蚁群搜索的空间...
德国开发出能自动识别转移癌细胞的深度学习算法
德国 自动识别 转移癌细胞 深度学习算法
2020/1/7
亥姆霍茨慕尼黑中心2019年12月12日消息:该研究中心与慕尼黑大学、慕尼黑工大合作开发了一款不仅能自动识别扩散的癌细胞,而且还能找到分散在小鼠全身单个癌细胞的算法。
中国科学院沈阳自动化研究所研发出终身度量学习算法(图)
中国科学院沈阳自动化研究所 终身度量 学习算法
2019/7/12
近日,中国科学院沈阳自动化研究所机器人学研究室研究员丛杨团队提出了一种终身度量学习算法,相关成果发表于IEEE Transactions on Cybernetics。在线度量/相似性学习具有有效处理大规模数据的优势,已经在数据挖掘、信息检索和计算机视觉等领域获得成功的实际应用。不同于大量存在的离线学习度量模型的批量学习方法,在线学习能利用一个或者一组样本迭代的更新度量模型,同时能更适合序列数据的...
清华大学量子信息中心段路明研究组发现具有指数加速的量子机器学习算法(图)
清华大学量子信息中心 段路明 研究组 指数加速 量子 机器学习算法
2018/12/10
清华大学量子信息中心段路明教授和其博士研究生郜勋、张正宇发现具有指数加速的量子机器学习算法,展示了量子计算机在人工智能研究领域中的巨大潜力,该成果的研究论文“基于生成模型的量子机器学习算法”( A quantum machine learning algorithm based on generative models)近日发表于科学子刊《科学·进展》(Science Advances)上。
清华大学量子信息中心段路明研究组发现具有指数加速的量子机器学习算法(图)
清华大学量子信息中心 段路明 指数加速 量子机器 学习算法
2018/12/10
清华大学量子信息中心段路明教授和其博士研究生郜勋、张正宇发现具有指数加速的量子机器学习算法,展示了量子计算机在人工智能研究领域中的巨大潜力,该成果的研究论文“基于生成模型的量子机器学习算法”( A quantum machine learning algorithm based on generative models)近日发表于科学子刊《科学·进展》(Science Advances)上。
新型机器学习算法研究取得进展
新型机器 学习算法
2017/12/4
2017年11月23日,机器学习国际会议Advances in Neural Information Processing Systems (NIPS)在线发表了我校理学院陈洪副教授与美国Heng Huang 教授(University of Pittsburgh)等合作研究论文“Group Sparse Additive Machine”和“Regularized Modal Regress...
脉冲神经元应用脉冲时间编码神经信息,监督学习的目标是对于给定的突触输入产生任意的期望脉冲序列.但由于神经元脉冲发放过程的不连续性,构建高效的脉冲神经元监督学习算法非常困难,同时也是该研究领域的重要问题.基于脉冲序列的核函数定义,提出了一种新的脉冲神经元监督学习算法,特点是应用脉冲序列核构造多脉冲误差函数和对应的突触学习规则,并通过神经元的实际脉冲发放频率自适应地调整学习率.将该算法用于脉冲序列的学...
脉冲神经网络是进行复杂时空信息处理的有效工具,但由于其内在的不连续和非线性机制,构建高效的脉冲神经网络监督学习算法非常困难,同时也是该研究领域的重要问题.本文介绍了脉冲神经网络监督学习算法的基本框架,以及性能评价原则,包括脉冲序列学习能力、离线与在线处理性能、学习规则的局部特性和对神经网络结构的适用性.此外,对脉冲神经网络监督学习算法的梯度下降学习规则、突触可塑性学习规则和脉冲序列卷积学习规则进行...