工学 >>> 计算机科学技术 >>> 人工智能 >>> 计算神经网络 >>>
搜索结果: 1-15 共查到知识要闻 计算神经网络相关记录223条 . 查询时间(2.561 秒)
2024年5月31日,《Neuroscience Bulletin》期刊在线发表题为《小鼠神经元全脑投射谱与动态信息耦合》的研究论文,该研究由中国科学院脑科学与智能技术卓越创新中心(神经科学研究所)孙衍刚研究组联合华中科技大学武汉光电国家研究中心付玲教授研究团队共同合作完成。该研究开发了一种将神经元全脑投射组和动态信息耦合的方法,为深入理解大脑工作原理提供了重要基础。
人脑能够运行非常复杂且庞大的神经网络,总功耗却仅为20瓦,远小于现有的人工智能系统。因此,在算力比拼加速,能耗日益攀升的今日,借鉴人脑的低功耗特性发展新型智能计算系统成为极具潜力的方向。
2024年4月30日,中国科学院上海高等研究院(以下简称“上海高研院”)上海光源中心的粒子加速器微波技术团队在微波结构领域取得重要进展,原创性地提出了一种基于正交双模式的极化方向可变偏转腔的新概念,并基于神经网络和多目标算法等智能算法实现了复杂微波结构设计。研究成果以 ”Design of a dual-mode transverse deflecting structure using neur...
人类复杂的行为由大脑中不同的功能网络所驱动。这些网络本质上是大脑区域的集合,通过彼此之间的功能性连接进行相互通信。它们的连通性表现于神经活动模式的时序特征。虽然已经有大量研究探索了大脑功能网络在行为中的作用,但人脑不同脑区到底参与哪些功能网络至今仍是未解之谜。其背后蕴含的是人脑如何在三维空间中协调功能网络之间的空间关系。
2024年4月15日,中国科学院云南天文台丁旭博士和季凯帆研究员利用机器学习的方法在TESS巡天数据中搜寻相接双星候选体。该研究成果于4月4日在国际天文学期刊The Astronomical Journal上在线发表。
边缘计算技术是赋能工业控制等高实时、高可靠应用的关键支撑技术,通过将计算资源部署于终端设备附近,可为工业现场提供丰富的算力资源,有效降低任务传输和处理时延。然而,由于终端设备上承载的任务异构多样,而无线网络的通信资源严重受限,易导致任务迁移过程中的计算资源抢占和无线网络拥塞。
中国科学院计算技术研究所研究员李振宇带领的国际合作团队对低时延网络传输开展研究。该研究在两个层面开展协同传输。首先,团队提出了多路径协同传输协议。移动终端通常可连接Wi-Fi、蜂窝网络等多种网络,存在多条传输路径。多路径传输的一大挑战在于路径传输质量存在差异,导致传输时延受限于慢路径。该研究提出了QoE感知的多路径传输调度机制,根据应用QoE需求,动态调整数据包分配和发送策略,以极少的冗余传输实现...
2024年1月11日下午,意大利卡利亚里大学郭巍博士后就“针对DNN模型的后门攻击”这一主题与浙江工商大学计算机科学与技术学院教师和研究生进行了线下分享和交流。本次讲座由浙江工商大学计算机科学与技术学院邵俊老师主持。
2024年1月4日,中国科学院海洋所李晓峰研究团队详细总结了卷积神经网络架构(CNN)在海洋遥感中的应用,研究成果在IEEE Geoscience and Remote Sensing Magazine(影响因子13.925)发表。过去40年里,遥感技术的不断发展极大地推动了海洋观测的进展,使海洋数据进入了大数据时代。高效、准确地处理和分析海洋大数据,以解决基于这些数据的实际问题,已成为一项重大挑...
2023年12月29日,中国科学院软件研究所天基综合信息系统重点实验室研究团队的论文Rethinking Causal Relationships Learning in Graph Neural Networks被人工智能领域顶级学术会议Association for the Advancement of Artificial Intelligence(AAAI)接收,共同第一作者为博士生高航、...
图神经网络(Graph Neural Network,GNN)是指使用神经网络来学习图结构数据,提取和发掘图结构数据中的特征和模式,满足聚类、分类、预测、分割、生成等图学习任务需求的算法总称。如何从图数据(网络数据)中学习有效的数据表征是大数据与人工智能时代的一大挑战。为此,本次汇报将从一种特殊的谱图神经网络(图卷积神经网络)出发,介绍相应的消息传递范式,揭示传统机器学习和图神经网络的内在关联,并...
2023年10月23日,中国科学技术大学蒋彬教授课题组在发展场诱导的原子神经网络力场研究方面取得重要进展。研究成果以“描述原子体系对于外场响应的通用机器学习力场(Universal machine learning for the response of atomistic systems to external fields)”为题,于2023年10月12日发表在《自然通讯》(Nature Co...
近日,中国科学技术大学蒋彬教授课题组在发展场诱导的原子神经网络力场研究方面取得重要进展。研究成果以“描述原子体系对于外场响应的通用机器学习力场(Universal machine learning for the response of atomistic systems to external fields)”为题,于2023年10月12日发表在《自然通讯》(Nature Communicati...
近日,生物医学工程学院沈定刚课题组 (IDEA Lab) 2020级硕士研究生张佳冬相继以“ A Generalized Dual-Domain Generative Framework with Hierarchical-Consistency for Medical Image Reconstruction and Synthesis”和“A Robust and Efficient AI A...
脉冲神经网络(Spiking Neural Network,SNN)被誉为第三代神经网络,使用更低层次的生物神经系统的抽象。它既是神经科学中研究大脑原理的基本工具,又因稀疏计算、事件驱动、超低功耗的特性,备受计算科学的关注。随着深度学习方法的引入,SNN的性能得到大幅提升,脉冲深度学习(Spiking Deep Learning)成为新兴的研究热点。传统SNN框架更多地关注生物可解释性,致力于构建...

中国研究生教育排行榜-

正在加载...

中国学术期刊排行榜-

正在加载...

世界大学科研机构排行榜-

正在加载...

中国大学排行榜-

正在加载...

人 物-

正在加载...

课 件-

正在加载...

视听资料-

正在加载...

研招资料 -

正在加载...

知识要闻-

正在加载...

国际动态-

正在加载...

会议中心-

正在加载...

学术指南-

正在加载...

学术站点-

正在加载...