深度学习算法准确追踪动物运动
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
深度学习算法“解密”脑活动
英国《自然·医学》杂志9月25日在线发表的一项研究，报告了一种可以分析四肢瘫痪患者大脑活动的深度学习算法。该算法已被用于向患者的前臂肌肉传递电刺激，从而恢复瘫痪肢体的功能性运动。 慢性瘫痪患者的生活质量可以通过脑机接口加以改善。脑机接口可以将控制运动的中枢神经系统回路和辅助设备（例如计算机光标
深度学习算法准确追踪动物运动
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
深度学习算法－助力精准诊断结直肠肿瘤
根据发表在《Life Science Alliance》杂志上的新研究，一种新的深度学习算法可以快速，准确地分析来自结直肠肿瘤的几种基因组数据，以进行更准确的分类，从而有助于改善诊断和相关的治疗选择。 大肠肿瘤的发展方式各不相同，需要接受的药物类型也不同，生存率也大不相同。通常，基于对基因表达
“刷脸”窥见遗传病：深度学习算法助疾病诊断
去年8月的一天，美国特拉华州威尔明顿市内穆尔/阿尔法雷德爱杜邦儿童医院医学遗传学家Karen Gripp接待了一位年仅4岁的患者。 这个小女孩虽比同龄孩子稍矮，且已经失去了大部分乳牙和几颗已经长出来的成年牙齿，但并没有其他明显的罕见病指征。 Gripp曾阅读过描述Wiedemann-Ste
物理所王磊等发布深度学习算法－稠密氢体系应用成功
氢是宇宙中最丰富的元素，也是元素周期表中最简单的元素。在常温常压下，氢以气态分子的形式存在。然而，在一些极端的条件下，例如巨行星内核、聚变实验中，稠密的氢(或其同位素)表现出更加丰富的相图，其中可能包含原子液体、金属氢、高温超导、液态超导等。稠密氢中包含等量的质子和电子，是一个简单干净的量子多体系统
人工智能解锁新领域－深度学习算法助力发现古人类遗迹
近年来，深度学习作为机器学习的一个分支，在考古学中迅速普及应用，使得考古工作的效率得到提升。除了用于发现考古遗迹，预测、翻译古文字，人工智能还参与了部分文物的修复过程。 人工智能继续探索新领域，这次是考古。 近日，来自美国宾夕法尼亚州立大学、澳大利大悉尼大学等4所研究机构的研究人员，在著名考
深度学习算法优化序列特异性的CtoG单碱基编辑器
8月12日，Nature Communications发表了题为Optimization of C-to-G base editors with sequence context preference predictable by machine learning methods的研究论文，该研
研究人员开发出能自动识别转移癌细胞的深度学习算法
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。 癌症是全球最常见的死亡原因，但90%以上的癌症病人不是死于癌细胞扩散而非原发性肿瘤。由于生物发光法、MRI成像法等目前的技术分
AI侦探敲碎深度学习黑箱
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
比传统机器学习算法快1000倍——联想学习法
英国牛津大学材料系研究人员联合埃克塞特大学和明斯特大学的同事开发了一种片上光学处理器，能检测数据集中的相似性，速度比在电子处理器上运行的传统机器学习算法快1000倍。发表在《光学》杂志上的这项新研究的灵感来自诺贝尔奖获得者伊万·巴甫洛夫对经典条件反射的发现。巴甫洛夫在实验中发现，如果在喂食过程中提供
TPU将成深度学习的未来？（一）
在Google I/O 2016的主题演讲进入尾声时，谷歌的CEO皮采提到了一项他们这段时间在AI和机器学习上取得的成果，一款叫做Tensor Processing Unit（张量处理单元）的处理器，简称TPU。在这个月看来，第一代的TPU处理器已经过时。在昨天凌晨举行的谷歌I/O 2017
TPU将成深度学习的未来？（二）
能够进行数据推理的第二代TPU第一代的TPU只能用于深度学习的第一阶段，而新版则能让神经网络对数据做出推论。谷歌大脑研究团队主管Jeff Dean表示：“我预计我们将更多的使用这些TPU来进行人工智能培训，让我们的实验周期变得更加快速。”“在设计第一代TPU产品的时候，我们已经建立了一个相对
深度学习协助预测厄尔尼诺－|《自然》论文
《自然》发表的一篇论文Deep learning for multi-year ENSO forecasts报道了一种可以提前一年半预测厄尔尼诺事件的深度学习方法，克服了该领域内长期存在的一项挑战。用来预测厄尔尼诺现象的CNN预测系统来源: Ham et al. 厄尔尼诺事件发生于太平洋东部和
常见机器学习算法优缺点比较（四）
缺点 · 当观测样本很多时，效率并不是很高； · 对非线性问题没有通用解决方案，有时候很难找到一个合适的核函数； · 对缺失数据敏感； · 对于核的选择也是有技巧的（libsvm中自带了四种核函数：线性核、多项式核、RBF以及sigmoid核）： · 第一，如果样本数量小于特征
常见机器学习算法优缺点比较（一）
机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易，所以在实际应用中，我们一般都是采用启发式学习方式来实验。通常最开始我们都会选择大家普遍认同的算法，诸如SVM，GBDT，Adaboost，现在深度学习很火热，神经网络也是一个不错的选择。假如你在
准确预测身高？这种机器学习算法能做到
美国密歇根州立大学的研究人员近日开发出一种先进的算法，能够根据个人基因组来预测他们的身高、骨密度，甚至是教育水平。这项成果于近日发表在《Genetics》杂志十月刊上。 这项研究的负责人、密歇根州立大学的Stephen Hsu博士表示这仅仅是开始。“尽管我们现在验证了这一工具的这三个结果，但我
常见机器学习算法优缺点比较（二）
常见算法优缺点 1.朴素贝叶斯 朴素贝叶斯属于生成式模型（关于生成模型和判别式模型，主要还是在于是否是要求联合分布），非常简单，你只是做了一堆计数。如果注有条件独立性假设（一个比较严格的条件），朴素贝叶斯分类器的收敛速度将快于判别模型，如逻辑回归，所以你只需要较少的训练数据即可。即使
常见机器学习算法优缺点比较（三）
优点：实现简单，计算简单； 缺点：不能拟合非线性数据. 4.最近领算法——KNN KNN即最近邻算法，其主要过程为： 计算训练样本和测试样本中每个样本点的距离（常见的距离度量有欧式距离，马氏距离等）； 对上面所有的距离值进行排序； 选前k个最小距离的样本； 根据这k个样本的标签进行
新光学芯片可实现高效“深度学习”
美国麻省理工学院（MIT）科学家在12日出版的《自然·光学》杂志上发表论文称，他们开发出一种全新的光学神经网络系统，能执行高度复杂的运算，从而大大提高“深度学习”系统的运算速度和效率。 “深度学习”系统通过人工神经网络模拟人脑的学习能力，现已成为计算机领域的研究热门。但由于在模拟神经网络任务中
人工智能进入“深度学习+”阶段
虽然从底层技术看，ChatGPT并不算创新，但其社会影响远远超出了预期。这款由美国人工智能公司OpenAI开发的聊天机器人，2022年11月推出后火遍全球，成为史上增长最快的消费者应用程序。 让机器和真人自由对话，一直是人工智能领域的重要目标之一。ChatGPT的爆火背后，其实是深度学习技术的
新光学芯片可实现高效“深度学习”
美国麻省理工学院（MIT）科学家在12日出版的《自然·光学》杂志上发表论文称，他们开发出一种全新的光学神经网络系统，能执行高度复杂的运算，从而大大提高“深度学习”系统的运算速度和效率。 “深度学习”系统通过人工神经网络模拟人脑的学习能力，现已成为计算机领域的研究热门。但由于在模拟神经网络任务中
深度学习复兴：向人工智能迈进
它是未来的一部分，我们才刚刚开始。图片来源：BRUCE ROLFF 3年前，美国加利福尼亚州山景城神秘的谷歌X实验室的研究人员从YouTube视频中提取了1000万个静态图像，并将其输入“谷歌大脑”——由1000台计算机构成的网络，从而试图像一个蹒跚学步的孩子一样吸收这个世界的信息。经过3
机器学习新算法加速药物研发进程
据物理学家组织网2月6日报道，加拿大多伦多大学的科研人员最新研制出了一套新的机器学习算法，能生成微小蛋白质分子的3D结构。研究人员指出，新算法有望彻底变革药物的研发进程以及我们对生命的理解。 研发人员之一、多伦多大学的博士生阿里·普勒贾尼解释称，确定蛋白质分子的3D原子结构对于理解它们的工作原
机器学习算法助力新模型实现羊肉精准溯源
近日，中国农业科学院农产品加工研究所肉品科学与营养工程创新团队将非靶向代谢组学与机器学习方法相结合，成功构建了羊肉产地精准判别模型，为羊肉产地精准溯源提供了新方法。相关研究成果发表于《食品化学X》（Food Chemistry: X）。受肉羊品种和饲养环境影响，羊肉品质具有鲜明的地域特征，因此地理标
深度学习模型成功识别胚胎发育过程
英国普利茅斯大学牵头的研究表明，一种新的深度学习人工智能（AI）模型可通过视频，识别出胚胎发育过程中发生的事件及其发生时间。29日发表在《实验生物学杂志》上的论文，重点介绍了这种名为“Dev-ResNet”的模型，它能识别出动物胚胎中何时发育出了关键功能，包括其心脏功能、孵化、爬行，甚至死亡。
人脸检测发展：从VJ到深度学习（六）
还有一种比较典型的结构是树形的级联结构，从形状上来看其和金字塔式的级联结构是一样的，也是从上往下分类器的数目逐层增多，区别就在于树形的级联结构中没有同一层分类器之间的横向连接，只有相邻层分类器之间的纵向连接，即一个窗口在同一层上不会由多个分类器进行分类，而会直接被送往下一层或者被排除。树
深度学习框架可预测锂电池寿命
近日，华东理工大学机械与动力工程学院、先进电池系统与安全重点实验室教授栾伟玲课题组与国家级高层次人才、华东理工大学讲席教授陈浩峰合作，在全球交通科学与技术领域期刊《交通电动化》发表论文，首次提出用于锂电池寿命预测相关的可解释性深度学习框架。 在锂电池寿命预测领域，建立全面的电池老化模型是项艰巨
人脸检测发展：从VJ到深度学习（四）
造成人脸检测速度慢的根本原因还在于输入规模过大，动辄需要处理几十上百万的窗口，如果这样的输入规模是不可避免的，那么有没有可能在处理的过程中尽快降低输入规模呢？如果能够通过粗略地观察快速排除掉大部分窗口，只剩下少部分窗口需要进行仔细的判别，则总体的时间开销也会极大地降低。从这样的想法出发，
人脸检测发展：从VJ到深度学习（五）
在过去十几年的探索过程中，涌现出的特征不胜枚举，这里只选取了部分比较有代表性和反映了人们探索思路的特征进行举例。这里所有列举的特征都有一个共同的特点：都由科研工作者根据自己的经验手工设计，这些特征的设计反映了人们对问题的理解和思考。虽然随着不断的改进，设计出的特征已经日臻完善，但直到现在
深度学习模型成功识别胚胎发育过程
英国普利茅斯大学牵头的研究表明，一种新的深度学习人工智能（AI）模型可通过视频，识别出胚胎发育过程中发生的事件及其发生时间。29日发表在《实验生物学杂志》上的论文，重点介绍了这种名为“Dev-ResNet”的模型，它能识别出动物胚胎中何时发育出了关键功能，包括其心脏功能、孵化、爬行，甚至死亡。普利茅