深度学习在雷达中的研究综述（二）
其中， J(w,b) 为对应自编码器代价函数， β 为控制系数性惩罚因子权重。2.3 DBN基本原理DBN是一个概率生成模型，其建立一个观测数据与标签之间的联合分布。并且DBN由多个受限玻尔兹曼机(Restricted Boltzmann Machine, RBM)组成，典型的DBN结构如图4所示。该网络由隐层和可视层组成，且层间存在连接，层内单元不存在连接。图 4 DBN结构示意图Fig.4 Typical DBN structure在典型的RBM中，其能量可表示为：其中， b , c , w 分别为对应可视层、隐层和可视层与隐层之间连接的权重， Nv 为可视层节点数， Nh 为隐层节点数， v 为可视层输出， h 为隐层输出。则......阅读全文
深度学习在雷达中的研究综述（二）
其中， J(w,b) 为对应自编码器代价函数， β 为控制系数性惩罚因子权重。2.3 DBN基本原理DBN是一个概率生成模型，其建立一个观测数据与标签之间的联合分布。并且DBN由多个受限玻尔兹曼机(Restricted Boltzmann Machine, RBM)组成，典型的DBN结构如图4所示。
深度学习在雷达中的研究综述（一）
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研究意义。近些年深度学习成为各个领域的研究热点，而在雷达领域同样可通过
深度学习在雷达中的研究综述（三）
3.2 基于SAE的SAR图像处理研究SAE的特点是可自动从无标记数据中学习特征，并且给出比原始数据更好的特征描述，进一步通过该学习到的特征得到更好的分类效果。有学者将其应用于地物目标分类、舰船分类以及城市变化检测等场景。并且通过SAE对SAR图像进行分析，其与传统方法相比，展现SAE具有自动学习高
研究团队在深度学习泛化能力研究中获进展
近日，中国科学院沈阳自动化研究所机器人学国家重点实验室在深度学习泛化能力研究中取得进展，相关研究成果Depth selection for deep ReLU nets in feature extraction and generalization为题，发表在IEEE Transactions
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
新疆理化所在深度学习预测抗癌多肽研究中取得进展
癌症是人类健康最致命的杀手，在全球范围内每年造成数百万人的死亡。传统的物理和化学方法，包括靶向治疗、化疗和放射治疗等医疗实践中常见的治疗手段，在一定程度上能杀死病变癌细胞，但是同时也会杀死大量正常的细胞，带来严重的副作用。这些治疗手段费用昂贵且预后效果不佳，迫切需要开发新的定向清除癌细胞，治疗癌
人脸检测发展：从VJ到深度学习（二）
选好了窗口，我们开始对窗口中的图像区域进行观察，目的是收集证据——真相只有一个，我们要依靠证据来挖掘真相！在处理图像的过程中，这个收集证据的环节我们称之为特征提取，特征就是我们对图像内容的描述。由于机器看到的只是一堆数值，能够处理的也只有数值，因此对于图像所提取的特征具体表示出来就是一个
无人驾驶之激光雷达深度剖析（二）
激光雷达的原理与结构与雷达原理相似，激光雷达使用的技术是飞行时间（TOF， Time of Flight）。具体而言，就是根据激光遇到障碍物后的折返时间，计算目标与自己的相对距离。激光光束可以准确测量视场中物体轮廓边沿与设备间的相对距离，这些轮廓信息组成所谓的点云并绘制出3D环境地图，精度可
无人驾驶之激光雷达深度剖析（二）
Lidar是通过发射激光束来探测目标位置、速度等特征量的雷达系统，具有测量精度高、方向性好等优点，具体如下：1、具有极高的分辨率激光雷达工作于光学波段，频率比微波高2～3个数量级以上，因此，与微波雷达相比，激光雷达具有极高的距离分辨率、角分辨率和速度分辨率；2、抗干扰能力强激光波长短，可发射发散角非
在30分钟内创建你的深度学习服务器（二）
设置Jupyter Notebook但是，我们仍然需要使用一些东西才能充分使用计算机，其中之一就是Jupyter Notebook。要在计算机上设置Jupyter Notebook，我建议使用TMUX和隧道。让我们逐步设置Jupyter Notebook。1．使用TMUX运行Jupy
相比GPU和GPP：FPGA才是深度学习的未来？（二）
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
基于深度学习的时间序列预测研究获进展
时间序列预测是大规模数据无损压缩和极端天气预报等领域的核心技术。随着应用场景多样化和数据复杂性提升，现有模型在异构数据的统一表达、长序列结构依赖建模、极端天气波动捕捉等方面存在挑战。中国科学院计算机网络信息中心人工智能团队围绕上述挑战开展研究，提出一系列创新算法与模型，并在实际系统部署应用。
深度学习在基因表达谱分析上取得重要进展
近日，一项刊登在国际杂志Bioinformatics上的研究论文中，来自加州大学尔湾分校和博德研究所的研究人员通过深度学习算法进行大规模基因表达预测，并在预测精度上获得了显着提升。 全基因组表达谱分析被广泛应用于描述细胞在不同生理病理条件下的活动状态，例如不同的癌组织细胞在各种给药条件下会产生
全新学习认知工具在神经科学中的应用（二）
图1： 图2：图1左边是黑色的是对照组的突触密度，右边黑色的是敲除组的突触密度，明显下降！图2测定的是场兴奋性突触后电位，黑色的是对照组的LTP长时程增强，红色的是敲除组的LTP长时程增强，明显突出的可塑性受损！这些突触密度的下降、突触可塑性的受损，反应到行为学上则是学习认知的问题。 采用荷兰诺达思
环状RNA研究深度剖析（二）
目标circRNA的机制研究 a RIP-qPCR：挑选功能最为明显的1个circRNA做RIP-qPCR实验，检测circRNA是否与AGO2蛋白结合。（AGO2是circRNA发挥海绵作用的指示蛋白） b RNA pull down：对上述circRNA进行RNA pull down实验，拉
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
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
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
美国IBM研究院实现深度学习性能突破
美国IBM研究院近日宣布，通过全新的分布式深度学习软件，实现了接近理想的扩展能力，该软件在64台IBM Power系统服务器中的256个GPU上并行运行深度学习框架，实现了95%的扩展效率，并使运算速度与准确率得到了显著提升。此前最佳的系统扩展能力是Facebook人工智能研究院所取得的89%
深度学习驱动大气降尺度技术研究取得进展
在全球气候变化研究中，将低分辨率的大尺度气候模式数据转化为高分辨率区域数据，是准确评估极端天气与区域微气候的关键。然而，现有主流国际工具普遍受限于固定尺度约束。近日，中国科学院南海海洋研究所等团队，研发出一种基于隐式神经网络混合专家模型（MINet）的大气降尺度新方法。团队通过多尺度隐式特征构建，和
深度学习驱动大气降尺度技术研究取得进展
在全球气候变化研究中，将低分辨率的大尺度气候模式数据转化为高分辨率区域数据，是准确评估极端天气与区域微气候的关键。然而，现有主流国际工具普遍受限于固定尺度约束。近日，中国科学院南海海洋研究所等团队，研发出一种基于隐式神经网络混合专家模型（MINet）的大气降尺度新方法。团队通过多尺度隐式特征构建，和
Nature－Methods－|－深度学习：二维图片到三维的变换
荧光显微镜在生命科学等学科中有重要作用。通过激发样本的特异性荧光标记，荧光显微镜可以准确揭示生物内部特定的组织，结构和活动。 2019年11月4日，来自UCLA的Aydogan Ozcan教授科研团队在Nature Methods上发表题为“Three-dimensional virtual
高内涵成像分析技术在肿瘤学研究中的应用综述
恶性肿瘤作为全球较大的公共卫生问题之一，极大地危害人类的健康，并将成为新世纪人类的第一杀手。深入研究肿瘤学的发病机制，进一步寻找有效、低毒、的新型抗肿瘤药物已是各大科研机构及药物研发企业的一项首要任务。 为满足生命科学及药物研发的快速发展，高内涵成像分析技术作为一项新技术平台，
高内涵成像分析技术在肿瘤学研究中的应用综述
恶性肿瘤作为全球较大的公共卫生问题之一，极大地危害人类的健康，并将成为新世纪人类的第一杀手。深入研究肿瘤学的发病机制，进一步寻找有效、低毒、的新型抗肿瘤药物已是各大科研机构及药物研发企业的一项首要任务。为满足生命科学及药物研发的快速发展，高内涵成像分析技术作为一项新技术平台，在保证自动化、高效率和高
外泌体研究深度剖析（二）
案例2：外泌体lncRNA促进肾癌肿瘤细胞耐药性肿瘤学顶级期刊Cancer Cell（IF：27.409）发表文章，阐述了疾病相关lncRNA参与肾癌耐药性及通过外泌体传播的生理机制，将外泌体lncRNA的研究又一次带到了大众视野中。首先作者通过高通量手段检测了野生型细胞和耐药型细胞中差异表达的
深度学习技术及应用国家工程研究中心正式揭牌
《中国科学报》近日获悉，经国家发展和改革委员会批复，深度学习技术及应用国家工程研究中心（以下简称工程研究中心） 纳入新序列管理。4月26日，工程研究中心举行了揭牌仪式。 揭牌仪式 图片来源：工程研究中心 纳入新序列管理后，工程研究
深度学习技术及应用国家工程研究中心正式揭牌
《中国科学报》近日获悉，经国家发展和改革委员会批复，深度学习技术及应用国家工程研究中心（以下简称工程研究中心） 纳入新序列管理。4月26日，工程研究中心举行了揭牌仪式。 揭牌仪式 图片来源：工程研究中心 纳入新序列管理后，工程研究
研究人员基于深度学习无创获得血液输入函数
全面量化大脑PET图像，常常需要精确的血流输入函数。然而传统方法中，获取这一函数通常依赖于侵入性且耗时的动脉导管采血，这在临床实践中往往难以实现。7月2日，中国科学院深圳先进技术研究院副研究员孙涛团队与河南省人民医院副院长王梅云团队合作，在医学影像顶级期刊《IEEE医学影像汇刊》发表最新研究。研究团
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
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