WIKI资讯
WIKI资讯
根据英国《自然·神经科学》杂志8月21日在线发表的一项研究，美国哈佛大学团队运用一种新型深度学习算法，成功追踪动物运动及行为，其准确度可达到人工水平，而且无需采用追踪标记物或进行费时的手动分析。专家认为，这一成果打开了海量的数据来源之门。 准确追踪行为发生期间的身体运动部位是运动科学的一项重要内容。但是，如果采用视频记录方式来追踪运动，研究人员要么需要费时费力地标记每一帧，要么需要在研究对象身体的预定点上放置标记物。而标记物可能干扰研究目标的行为，而且一般只适合有限类型的运动。 此次，哈佛大学科学家团队利用机器学习开发了一款开源运动追踪工具，名为“DeepLabCut”，它不受以上限制。研究团队先采用一个大型目标识别图像数据库对“DeepLabCut”进行了预训练。之后，“DeepLabCut”只需要接受小规模的人类标记图像（约200张）训练，即可完成一项新的追踪任务，从而方便神经科学家研究动物行为。 研究人员演示了这......阅读全文
人工智能（artificial intelligence，AI）即为研究、探索如何模拟人类智能并对人类智能进行扩展延伸的一门学科。现如今人工智能已成为人们广泛关注的焦点，其今后的发展将对各行各业产生深远的影响。机器学习（machine learning，ML）是实现人工智能的方法之一，是使计算机
人工智能（artificial intelligence，AI）即为研究、探索如何模拟人类智能并对人类智能进行扩展延伸的一门学科。现如今人工智能已成为人们广泛关注的焦点，其今后的发展将对各行各业产生深远的影响。机器学习（machine learning，ML）是实现人工智能的方法之一，是使计算机
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
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
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
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
上周五，《科学》杂志报道了英国诺丁汉大学流行病学家Stephen Weng博士团队发表在《PLOS ONE》上的重要研究成果，Weng博士团队将机器学习算法应用于电子病历的常规数据分析，发现与当前的心脏病预测方法相比，深度学习算法不仅可以更准确地预测心脏病发病风险，还可以降低假阳性患者数量(1)
相比GPU和GPP，FPGA在满足深度学习的硬件需求上提供了具有吸引力的替代方案。凭借流水线并行计算的能力和高效的能耗，FPGA将在一般的深度学习应用中展现GPU和GPP所没有的独特优势。同时，算法设计工具日渐成熟，如今将FPGA集成到常用的深度学习框架已成为可能。未来，FPGA将有效地
院士学术报告会|谭铁牛：人工智能是天使还是魔鬼？ （本文由科学大院根据谭铁牛院士在中科院第十九次院士大会上的报告整理而成，首发于科学大院） 尊敬的各位院士、各位同仁，会场的各位同学以及各位网友大家好！今天非常荣幸有机会跟大家汇报一下我本人关于人工智能的一些粗浅想法。我报告的题目是《人工智能：天使
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
当谷歌DeepMind的AlphaGo在2016年令人震惊地击败传奇围棋选手李世石(Lee Sedol)时，人工智能(AI)、机器学习和深度学习等术语被推入了技术主流。 人工智能通常被定义为电脑或机器展示或模拟智能行为的能力，比如特斯拉(Tesla)的自动驾驶汽车和苹果(apple)的数字助理
大数据分析与应用技术国家工程实验室是由北京大学牵头，联合中国科学院数学与系统科学研究院、北京奇虎科技有限公司、北京嘀嘀无限科技发展有限公司、中山大学、中国信息安全研究院等单位共同建设，并于2017年获国家发改委正式批复同意。 实验室以北京大数据研究院为支撑平台，计划建设大数据预处理技术平台、大数
Xeon Phi芯片 当地时间8月17日，英特尔数据中心集团执行副总裁戴安·布莱恩特在开发者大会（IDF）上宣布，将在2017年推出专为机器深度学习设计的芯片——Xeon Phi，代号Knights Mill。在此之前，英特尔刚刚以4亿美元收购了一家专注深度学习开发平台研究的初创公司Nervana
“我从来没有体验过生物钟。我从来没有听到过生物钟的滴答声。“ —— 美国知名影视喜剧明星珍·林奇（Jane Lynch）Insilico Medicine创始人兼首席执行官Alex Zhavoronkov博士 喜剧演员Jane Lynch大可以嘲笑一番生物钟，但对于我们大多数人来说，我们的生物
深度学习在雷达中的研究综述王俊, 郑彤, 雷鹏, 魏少明 摘要：雷达通过发射天线发射电磁波，经过不同物体反射接收到相应的反射波，对其接收结果进行分析，能得到物体距雷达的位置，径向运动速度等信息，所以对雷达信号的分析具有重要的
在美国圣何塞附近的研究室里，IBM用48块TrueNorth试验芯片构建了一个电子的啮齿动物大脑，每一块芯片都可以模拟大脑的一个基本构件。 最近连线杂志的记者在项目负责人Dharmendra Modha的带领下，近距离接触了整个工程。它体积就像一个浴室的医药箱，遍体是半透明塑料板，能清晰的看到
在《黑客帝国》火爆全球后，脑（脑）机（后）接（插）口（管）成为人们憧憬的未来，这个未来到底有几分科幻几分真实呢？我们的大脑是否真的可以和网络虚拟世界连接起来？著名科学家，脑机接口领域开创者，著有《脑机穿越》（湛庐文化出品）一书的米格尔 ？ 尼科莱利斯（Miguel Nicolelis）接受了雷锋
5.2 养殖浮筏信息提取近些年，极化SAR图像的识别分类得到了广泛地研究，主要可以分为非监督和有监督两大类方法[27]。非监督方法仅仅根据遥感数据自身特性，无需人工辅助实现最终聚类，更适合于大范围目标识别[28,29]。有监督分类方法不需要任何假设条件，针对精细化分类，可以获得较高的精度[30]。5
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，
人工智能技术在物流、医疗、金融、产业物联网等很多领域都有现实应用。对于关乎每个人健康的医疗领域而言，不管医生是不是接受，人工智能已强势闯入医疗界。 最近有两条消息再次把人工智能推向了高潮： 1.2017两会中人工智能第一次出现在政府工作报告中，关注人工智能的科技界因此热血沸腾。 2.世界癌
我们都知道，不论是多么好的物质生活都需要以安全的生存环境为前提，没有安全一切将变为一纸空谈。现实环境需要安全，网络环境更是如此。那么如何建立良好且安全的网络空间环境？怎样更好的将更广泛的技术（例如人工智能技术）与网络安全防护相结合？带着这些问题，中国科技网记者采访到了清华大学网络研究院的张超教授
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，
Rick Stevens 表示，首个先进癌症计算解决方案的联合设计（Joint Design of Advanced Computing Solutions for Cancer，JDACS4C）「成果」将于 2017 年第二季度的某个时间公开。JDACS4C 一共有三个试点项目，Rick 领导
昨天（9月10日）上午，阿里巴巴达摩院青橙奖第三届获奖名单正式揭晓，共10 位青年科学家，每人 100 万人民币奖金。在他们之中，最年轻者仅有 28 岁，获奖者的平均年龄也只有 32 岁。除了百万奖金之外，每位获奖者还将获得阿里全方位的科研资源支持。姜宇（清华大学）邓岳（北京航空航天大
基因组学正在探索DNA变异如何影响特定疾病，使用机器深度学习对DNA和细胞中关键分子的关系进行建模，从而让基因组学的研究更有效。 在用深度学习研究基因组学的时代，Deep Genomics推开了第一扇窗。Deep Genomics，即“Deep Learning + Genomics”，是
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
党的十九大报告提出，加强应用基础研究，拓展实施国家重大科技项目，突出关键共性技术、前沿引领技术、现代工程技术、颠覆性技术创新。其中“颠覆性技术”备受关注。什么是颠覆性技术？我国有哪些颠覆性技术创新在世界上位居前列？它们对我国和世界的经济社会发展将产生什么影响？我们该如何应对这些技术革新带来的巨
将人工智能（AI）用于医疗辅助诊断早已经不是什么新鲜事，仅AI医学影像辅助诊疗一项就有非常多的应用场景。然而，近日来自美国波士顿一家名为FDNA的数字医疗公司的研究人员大开脑洞，提出用深度学习技术仅仅通过“看面相”，就能帮助医生识别罕见基因疾病，并付诸实践。他们的研究于1月7日登上了《自然—医
如今，人工智能算法可以通过深度学习进行非常详尽的数据分析，从人脸识别到医学影响分析，人工智能算法的表现已经赶上甚至超越了人的表现。不过，进行这些任务的算法通常都是在建立在对成千上万的数据进行分析的基础上的。因此，在数据有限的情况下，人工智能的应用受到了限制，其中的一个例子就是新药研发领域。 最
除了编译时间外，吸引偏好上层编程语言的研究人员和应用科学家来开发FPGA的问题尤为艰难。虽然能流利使用一种软件语言常常意味着可以轻松地学习另一种软件语言，但对于硬件语言翻译技能来说却非如此。针对FPGA最常用的语言是Verilog和VHDL，两者均为硬件描述语言（HDL）。这些语言和传统