WIKI资讯
WIKI资讯
对于大多数不能说话的人，“意念”隐藏在他们的大脑中，没有人能直接破译这些信号。三人研究小组，加州大学旧金山研究所的Gopala K. Anumanchipalli、Josh Chartier和加州大学伯克利分校的Edward F. Chang利用手术植入大脑电极获得的数据，将其转化成为了计算机生成语言。在新发表的《Nature》文章中，研究小组使用了神经网络计算模型，在某些情况下重建了单词和语句，使人类听者得以听懂。 过去的所有努力都未曾成功地重新创造出人们所期望的演讲。日内瓦大学神经工程师Stephanie Martin表示（未参与本研究）：“新研究展示的重建后的演讲是可以被人理解的……绝对令人兴奋”。 中风或生病后失去说话能力的人可以用眼睛或做其他小动作来控制光标或选择屏幕上的字母（已逝宇宙学家Stephen Hawking靠紧绷脸颊触发眼镜上的开关装置）。但是，没有一个大脑-计算机界面可以直接重新生成人脑海中的语句......阅读全文
人工神经网络是一种复杂的信息处理模型。随着神经网络研究的兴起，科学家们也将神经网络用于生物信息学，其中包括二级结构的预测、蛋白质结构的分类、折叠方式的预测以及基因序列的分析等等。将神经网络用于二级结构预测的最早是由Qian和Sejnowskit提出的，他们受到神经网络在文字语言处理方面应用的启发，将
0 引 言提高钢铁的生产效率一直是各大钢铁企业追求的目标。钢液中各物质含量的检测与分析在炼钢过程中占有十分重要的地位。激光诱导击穿光谱技术（LIBS）采用高能激光对物体表面进行照射，使物体的表面产生等离子体，利用光谱仪对等离子体的发射光谱进行分析研究。LIBS的最大特点是可以时时检测钢液中的物质成分
我的脑子一片空白”、“大脑停止了转动”，如果你还在用这样的语言形容自己发呆时的情形，那就大错特错了：神经成像研究发现，当我们休息或发呆时，大脑中始终存在着一些神秘的“背景”神经活动。更让人惊讶的是，当我们有意识做事时，大脑耗能量却仅为“背景活动”的 1/20。这些看不见的神经活动，就是“大脑暗能
摘要：近10 年来，人工智能技术得到了科技与工业界的极大的重视，预示着人类文明将进入智能时代。但是，作为智能时代基础的“智能科学”还远未成型。本文从电磁物理信息感知技术的独特视角，讨论智能科学如何发展的一些见解，指出人类智能与外在世界互为对偶问题、相互不可分割的根本属性，因此按人工智能所应对的对
肥胖是世界卫生组织确定的十大慢性疾病之一，而中国的肥胖现状更为严峻。世界卫生组织的最新报告显示，在我国现有近9000万肥胖者，这一数字已超越美国居世界首位。肥胖常与心血管、高血脂、糖尿病等疾病相伴，更增加了对人体健康的威胁。然而，怎样才算肥胖，如何对肥胖进行更确切的评估呢？2016年第3期《前沿
尽管新的算法模型在推动AI向前发展，但并不意味着它们的前景可以预见，也不意味着深度学习“不可救药”。 在当前的第三次人工智能（AI）浪潮之中，深度学习算法被认为是迄今为止“最为重大的AI革命”。此说法或许有所夸大，但深度学习对这一轮AI的大爆发而言的确功不可没。然而，最近以来，关于深度学习算
什么是循环神经网络（RNN），如何使用它们？本文所讨论的就是关于循环神经网络的基础内容，RNN 是变得日益流行的深度学习模型。本文不打算深入讲解其晦涩的数学原理，而是旨在让读者获得关于RNN 的抽象理解。 一般的循环神经网络信息 循环神经网络出现于20世纪 80年代，最近由于
2006年，Hinton提出的“贪婪算法”训练多层自编码器引领了一批专家去研究深度神经网络，包括LeCun和Bengio等。深度神经网络之所以取得巨大成功，笔者认为其最核心算法改进在于采用了一类简化的激活函数，即规则化线性单元（rectified linear unit，ReLU）。由图3可
移动机器人是机器人的重要研究领域，人们很早就开始移动机器人的研究。世界上第一台真正意义上的移动机器人是斯坦福研究院（SRI）的人工智能中心于1966年到1972年研制的，名叫Shakey，它装备了电视摄像机、三角测距仪、碰撞传感器、驱动电机以及编码器，并通过无线通讯系统由二台计算机控制，
在电子智能领域，所有类型的芯片厂商都不约而同的研发推出各种不同类型的AI处理器。国外大企，像高通、英伟达等，都已宣布推出用于智能手机和其他移动设备的神经引擎。例如在智能手机中添加AI功能和手机的Face ID应用等。使用边缘侧AI自行处理相比传输到云端处理更安全、私密，响应时间更快。按照整体大趋势，
2016年3月，AlphaGo与职业围棋选手的对局引发了人们对于人工智能的高度关注。计算机在一个公认的非常复杂的计算与智力任务中，打败了人类的顶尖选手，靠的是类人脑的智能吗？从系统的结构看，AlphaGo结合了深度神经网络训练与蒙特卡洛模拟[1]。广义的说，深度神经网络是类脑的计算形式，而蒙特卡
抑郁症是最常见的情绪障碍之一，许多研究表明抑郁症影响不同脑区的功能，并且抑郁症表现出的症状和神经网络传递紊乱有关。有趣的是，有一些抑郁症患者在没有任何治疗的情况下会自发缓解。脑电（EEG）信号作为反映人或者动物大脑信号连接和传递最直接的指标，并且脑内神经网络中功能连接异常的脑电数据作为抑郁症治疗的一
请读者朋友们先静下心来想想，你能想到的最沮丧、最棘手或者简单说来最烦恼的问题是什么?接下来，你再想想什么技术可以解决这些问题。为此，美国麻省理工学院(MIT)的《技术评论》杂志为读者朋友们遴选出了2013年的10大突破性技术，这些技术为解决问题而生，将会极大地扩展人类的潜能，也最有可能改变世界的
每个阶段还应该研究对应的人脑原生的驱动力，如生理需求、心理需求等，这些需求是驱动通用人工智能算法进行正确学习的必要源动力。第4个阶段研究对象为意识的本质，意识如何形成是一个根本科学问题，人工智能是否能产生意识更是一个哲学问题，这一根本问题的研究有助于解答人类一直寻求的答案：人是从哪里来的。有一点可以
人工神经网络广泛应用于人脸识别、语音翻译、医疗诊断、自动驾驶等重要领域,其性能主要由硬件算力决定，目前所广泛应用的神经网络硬件都基于数字电子架构。然而，该架构的两个本质局限—冯诺曼依瓶颈与电子速率瓶颈，极大限制了神经网络硬件的潜在算力。首先，数字架构中，数据的存储和运算是分布式的，因而在计算过程
北京时间12月22日消息，据科学日报报道，在过去的几十年，神经科学家一直在努力设计能够模拟人类大脑精确和迅速完成的视觉技巧，例如识别物体，的计算机网络。在此之前没有任何一个计算机模型可以匹配类人猿大脑在短暂一瞥后对视觉物体的识别能力。而现在，美国麻省理工学院神经科学家进行的最新研究发现了最新一代
持续性痛相关的海马结构突触联系和功能空间与时间可塑性：平面微电极阵列记录技术持续性痛相关的海马结构突触联系和功能空间与时间可塑性：平面微电极阵列记录技术 赵晓艳1 刘明刚1 袁东亮2 王燕2 何莹1 王丹丹1 陈雪峰2 张福康1 李华1 贺小生2 陈军1，2 *（*通讯作者）1首都医科大学
1月21日，中国科学院生物物理所、广州生物岛实验室研究员李栋课题组，与清华大学自动化系、脑与认知科学研究院教授戴琼海课题组，在Nature Methods上以长文（Article）形式发表了题为Evaluation and development of deep neural networks
近期，清华大学-中国工程院知识智能联合研究中心、中国人工智能学会吴文俊人工智能科学技术奖评选基地联合发布了《2019人工智能发展报告》，遴选了13个人工智能的重点领域，包括深度学习、计算机视觉、语音识别、机器人等热点前沿技术的基础及应用研究、发展动向等。 深度学习让图像、语音等感知类问题取得突
３月１９日，当前，人工智能的计算力、识别力快速发展，但想象力、创造力仍处瓶颈。为破解这一局限，科学家设计出一套类似“猫鼠游戏”的技术，让人工智能在自动学习中变得更“聪明”。 这种技术被称为“对抗性神经网络”技术，美国《麻省理工学院技术评论》日前将其评为２０１８年“全球十
外媒称，日本研究人员已经成功借助人工智能破译了人类的思维和想象，从而在理解人类思想及其背后的大脑机制领域获得了重大突破。 据阿根廷 21 世纪趋势网站 6 月 6 日报道，破解人类思维的内容是科学界长久以来的愿望。事实上，此前的种种研究也已经实现了破译人类所见、回忆、想象和梦境的内容。 例如
睁开眼睛就可以立即看到世界——这看起来很简单。但是，整个过程——从光子撞击视网膜开始，到以“看见”结束的过程，远非简单。大脑的基本任务之一 “看见”, 意味着要从照射到眼睛的光信号中在大脑重建有关世界的相关信息。由于此过程相当复杂，因此大脑中的神经细胞——神经元，也会以复杂的方式对图像做出反应。
差示扫描量热仪测定玻璃化温度的讨论非晶态高聚物从玻璃态到橡胶态，有一个转变——玻璃化转变。这个转变一般其温度区间不超过几度。但在转变前后，模量的减少达三个数量级。在实用上是从硬而脆的固体变成韧性的橡胶。所以，玻璃化转变是高聚物一个重要的特性。形成玻璃态的主要原因，可能是高聚物分子结构不对称，不能形成
研究人员创建了能填补照片空白的神经网络，以鉴别人工智能瑕疵。 Jason Yosinski坐在美国加州旧金山的一个小型玻璃办公室内，陷入了对人工智能的沉思。作为优步公司的研究科学家，Yosinski正为在笔记本电脑上运行的人工智能（AI）进行“脑外科手术”。 很多AI将改变人类现代生活，例如
中国科学院自动化研究所脑网络组研究中心与模式识别国家重点实验室团队提出正交权重修改算法，与情境信息处理模块相结合，使人工神经网络具备了强大的连续学习和情境依赖学习能力，有效解决灾难性遗忘等难题。相关成果已在线发表于Nature Machine Intelligence。 人工智能已成为21世纪
糖尿病视网膜病变、青光眼和白内障合称为人类视力的三大杀手。糖尿病性视网膜病变（DR）是糖尿病的严重并发症之一，目前，国际糖尿病联合会（IDF）发布的糖尿病调查数据显示，2015年中国糖尿病患者已经达到了1.096亿，糖尿病视网膜病变在糖尿病人群中的发病率达1/3。目前对于糖尿病视网膜病变的诊断，
[新智元导读]AI能够映射大脑神经元。人类大脑包含大约860亿个神经元，并且一个立方毫米的神经元可以产生超过1000TB的数据。由于其庞大的规模，绘制神经系统内部结构的过程是计算密集和繁琐的。为了加速这一过程，谷歌和德国马克斯普朗克神经生物学研究所的研究人员开发了一种基于深度学习的系统，可以自动
蛋白质二级结构的预测通常被认为是蛋白结构预测的第一步，二级结构是指α螺旋和β折叠等规则的蛋白质局部结构元件。不同的氨基酸残基对于形成不同的二级结构元件具有不同的倾向性。按蛋白质中二级结构的成分可以把球形蛋白分为全α蛋白、全β蛋白、α＋β蛋白和α/β蛋白等四个折叠类型。预测蛋白质二级结构的算法大多以已
研究人员首次将深度学习与贝叶斯假设检验结合，利用深度学习强化RNA可变剪接分析的准确性。 在生命科研领域，常有人说深度学习的基因组学应用好比是“一个盲人在一间黑暗的房子里寻找一顶并不存在的黑色帽子”。言下之意，是遗憾深度学习的基因组学应用并没有给人们带来太多惊喜。不过，近日宾夕法尼亚大学和费
另外，我们还希望能够构建起一套略有不同的策略网络版本； 其应该更小巧且速度更快。可以想象，如果Lusha的经验非常丰富，那么其用于处理每个位置的时间也将相应延长。在这种情况下，虽然她能够更好地缩小合理落子范围，但由于整个过程会不断重复，因此耗费时间可能会过长。所以，我们需要为这项工作