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数，那么就没必要选择非线性核，简单的使用线性核就可以了； · 第二，如果样本数量大于特征数目，这时可以使用非线性核，将样本映射到更高维度，一般可以得到更好的结果； · 第三，如果样本数目和特征数目相等，该情况可以使用非线性核，原理和第二种一样。 对于第一种情况，也可以先对数据进行降维，然后使用非线性核，这也是一种方法。 7.人工神经网络的优缺点 人工神经网络的优点： · 分类的准确度高； · 并行分布处理能力强,分布存储及学习能力强， · 对噪声神经有较强的鲁棒性和容错能力，能充分逼近复杂的非线性关系； · 具备联想......阅读全文
比较机器视觉系统的不同
机器视觉顾名思义就是使机器具有像人一样的视觉功能，从而实现各种检测、判断、识别、测量等功能。一个典型的机器视觉系统包括：光源、镜头、相机(CCD相机和 CMOS相机）、图像处理器（硬件）、图像处理软件、显示器、执行单元等。 机器视觉系统通过图像采集硬件（相机、镜头、光源等）将被检测目标转换成
机器学习技术或可解决量子信息难题
今天，记者从上海交通大学获悉，该校教授金贤敏团队与南方科技大学教授翁文康合作，首次将机器学习技术应用于解决量子信息难题，实现了基于人工神经网络的量子态分类器。这一重要研究成果已发表于《物理评论快报》。 量子信息科学与人工智能技术，作为近年来最前沿的研究领域，取得了诸多改变传统信息科学
量子物理与机器学习结合研究取得进展
生成模型(Generative Model)是机器学习领域的重要课题和研究前沿，也被认为是通往人工智能的必由之路。历史上，物理学为生成型学习提供了很多新思路。比如，著名的玻尔兹曼机(Boltzmann Machine)就来自于统计物理中的伊辛模型及相关的反伊辛问题。最近，中国科学院物理研究所/北
－机器学习的新玩法：可做医疗监控
也许现在多数人们还认为“机器学习”(Machine Learning)是一个相当前沿的概念，但事实上，你接触的若干互联网产品已经使用了与机器学习有关的思维或技术。比如电子邮件服务商就是使用机器学习算法来过滤垃圾邮件的，Google也通过相关的技术来辨别垃圾站点。 对于很多互联网用户来说
机器学习分析出语言多样性成因
人类至少有7000多种不同的语言,这种多样性强加了社会界限,对我们的认知和经济生活、思考方式以及人们之间的互动都产生了深远影响。 瑞士苏黎世大学（UZH）的研究人员在《英国皇家学会学报B》上发表文章称,他们在大型数据集上运用机器学习技术证明,当前的语言多样性在很大程度上是由于过去10000年过
机器学习模型首次在太空检测云层变化
原文地址：http://news.sciencenet.cn/htmlnews/2023/8/505829.shtm
机器学习+化学直觉让药物发现更有效
原文地址：http://news.sciencenet.cn/htmlnews/2023/11/511579.shtm
槟榔、芒果机器学习遥感分类研究取得进展
近日，中国热带农业科学院科技信息研究所智慧农业研究中心在槟榔、芒果机器学习遥感分类研究上取得新进展。该研究在《遥感》（Remote Sensing）上发表。芒果和槟榔是国内重要热带经济作物，对地方农业农村经济发展具有重要意义。及时、准确获取芒果和槟榔种植园的空间结构信息不仅是区域农业结构调整和优化的
机器学习可用更少血液更早筛查癌症
原文地址：http://news.sciencenet.cn/htmlnews/2024/1/516631.shtm
常见两种横式和立式碾米机的优缺点比较
1 横式碾米机 横式碾米机工作时，碾白物料分别从碾白室的两端进入和流出。在流动过程当中，米粒因碾辊的高速旋转而被碾白。在碾白室内，米流可近似看成围绕碾辊不断运动的水平螺旋线，米粒的流动方向与其重力方向是相互垂直的。 该机工艺特点如下： 1.1 碾白均匀度好碾白均匀度最主要与碾白室内米粒运动
新算法比较分析可搜索癌症基因突变
桑福德伯翰医学研究所(Sanford Burnham Prebys Medical Discovery Institute,SBP)承担了前所未有的对一个新兴算法类别的比较分析，该算法通过聚焦内部基因结构，在癌症数据库中挖掘遗传信息（即亚基因像素算法），这与专注于基因视其为单个单元的经典方法形成
多抗和单抗的优缺点比较
专门用于免疫组化的抗体多为IgG类单抗，识别抗原的空间构象。需要结合是否同时做WESTERN或荧光或沉淀等做综合的选择。(单抗多是鼠源，种植在腹腔的杂交瘤细胞，通过腹水获得;多抗是兔羊源，通过免疫动物，从血清中获得)
ELISA、IFA、RIA各自优缺点比较
近二十几年来，免疫学分析方法发展很快，特别是在使用标记了的抗原和抗体的分析技术以后，使原来许多经典的分析方法在敏感性和特异性方面都不能相比。继50年代的免疫荧光（IFA）和60年代的放射免疫(RIA)分析技术之后，在70年代初期又建立了用酶来标记抗原或抗体的分析技术。 方法种类
离心机的优缺点比较
各种离心机的优缺点比较三足离心机：zui普通离心机，用途广泛，间歇工作，造价低廉，型号品种也较多，缺点是出料麻烦，耗费人工。平板离心机：卫生度高，密封性好，符合GMP规范，缺点是卸料麻烦吊袋离心机：卸料方便，安全性高，可分离较细颗粒，晶粒无破损，缺点是造价高。刮刀离心机：卸料省时，造价中等，是目前较
常见的四种无线温度传感器优缺点介绍
1.电阻式温度检测器（RTD） 当一边测量RTD的电阻一边改变它的温度时，响应几乎是线性的，表现得像一个电阻器。为了对这种轻微的非线性进行补偿，大多数设计人员都会对测得的电阻值进行数字化处理，并使用微控制器内的查找表以便应用校正因子。这种宽温度范围（大约-250℃至+750℃）内的可复验性和稳
德研发出由算法自动生成的机器人
“遗传机器人”正朝着不需要人类插手即能完全自行制造的机器人进发。最近，德国科学家使用遗传软件算法和快速制造技术创造出了这种能自动生成的机器人结构，并将于12月1日至4日在德国法兰克福欧洲国际模具展览会上展示这些移动机器人。 对于工程师来说，让机器人的运动模式化并使它们移动或
AI程序攻克围棋的算法秘密（四）
不过这样的训练方式其实存在一个问题。如果其只在练习中对抗同一个对手，且该对手也一直贯穿训练始终，那么可能无法获得新的学习经验。换言之，该网络所学到的只是如何击败对方，而非真正掌握围棋的奥秘。没错，这就是过度拟合问题：你在对抗某一特定对手时表现出色，但却未必拥有对付各类选手的能力。那么，我们该
HFSS算法及应用场景介绍（四）
在HFSS中，使用eigenmode算法可计算三维结构谐振模式，并可呈现图形化空间的谐振电压波动，分析结构的固有谐振特性。依据谐振分析的结果，指导机箱内设备布局和PCB层叠布局，改善电磁兼容特性。图13、Eigenmode算法应用场景总结HFSS里面有各种不同的算法，有全波算法、近似算法以及时域算法
主流DNA测序机器的成本测序比较
主流测序机器的成本测序比较
全新忆阻器超越现有机器学习系统
在当今“大数据”时代，现有计算机硬件架构已面临速度和高能耗的瓶颈。科技日报记者日前采访美国密西根大学电子工程与计算机系卢伟教授获悉，他带领同事研发出一种全新忆阻器（Memristor）阵列芯片，其处理图片和视频等复杂数据的速度和能效，超越了现有最先进机器学习系统。相关论文发表在最近一期《自然·纳
向人脑学习，研发神经机器人
伴随着多学科的发展，机器人的应用领域也广阔起来，其中就包括生物学与医学涉及的神经学领域。 在刚刚结束的2016世界机器人大会上，来自德国慕尼黑工业大学教授Alois C.Knoll就做了一场关于神经机器人的演讲。他不仅回顾了历史，更畅想了未来。 模拟人类神经系统 今年5月，德国科学家们研
软体机器人学习如何避免“黄油手”
许多机械臂都擅长拾取物体，但如果拾取时机械臂的许多部件必须同时移动，那么当物体开始滑动时，进行即时调整可能具有挑战性。英国伦敦大学学院的Thomas Thuruthel和同事制造了一种简单的柔软机械手，只要手腕一动，就能防止物体滑落。研究人员用3D打印的塑料骨架和柔软的模制硅胶材料制作了一只类似人类
软体机器人学习如何避免“黄油手”
原文地址：http://news.sciencenet.cn/htmlnews/2023/4/498759.shtm
机器学习帮助揭示大脑编码短期记忆的关键
新加坡国立大学（NUS）的研究人员发现了大脑编码短期记忆的关键，进而在认知计算神经科学领域取得了突破。 新加坡国立大学心理学系助理教授Camilo Libedinsky以及新加坡国立大学创新与设计计划高级讲师Shih-Cheng Yen等人发现，大脑额叶中的神经元群体在动态变化的神经活动中包含
基于机器学习精确揭示心律不齐的原因
近日，Skoltech研究所的科学家们设计了一种新的基于机器学习的方法，用于检测“心房颤动驱动器”，即被认为会导致最常见类型的心律不齐的心肌小斑块。据美国心脏协会称，这种方法可能导致更有效的针对性医疗干预，以治疗估计影响全球3300万人的疾病。 心房颤动（AF）的背后机制尚不清楚，AF是一种异
首次应用机器学习技术协助开展神经梅毒诊断
原文地址：http://news.sciencenet.cn/htmlnews/2023/8/506325.shtm
机器学习辅助催化材料结构寻优获进展
原文地址：http://news.sciencenet.cn/htmlnews/2023/10/511123.shtm近日，华东理工大学化学与分子工程学院计算化学中心/工业催化研究所教授王海丰课题组在《美国化学会志》上发表论文，报道了团队在机器学习辅助催化材料结构寻优方面的最新研究成果。
“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
中山大学提出元学习算法用于小样本药物发现
原文地址：http://news.sciencenet.cn/htmlnews/2023/4/498249.shtm