自动化所与北大合作开源深度脉冲神经网络框架
原文地址：http://news.sciencenet.cn/htmlnews/2023/10/510643.shtm......阅读全文
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
新构建！深度脉冲神经网络学习框架“惊蜇”
中国科学院自动化所李国齐研究员和北京大学计算机学院田永鸿教授团队合作构建出深度脉冲神经网络学习框架“惊蜇”。它可以提供全栈式的脉冲深度学习解决方案，能够处理神经形态数据、构建深度脉冲神经网络、部署神经形态芯片。相关研究成果在线发表于《科学进展》杂志。图片来源：中国科学院自动化所脉冲神经网络被誉为第三
科学家构建深度脉冲神经网络学习框架
脉冲神经网络（Spiking Neural Network，SNN）被誉为第三代神经网络，使用更低层次的生物神经系统的抽象。它既是神经科学中研究大脑原理的基本工具，又因稀疏计算、事件驱动、超低功耗的特性，备受计算科学的关注。随着深度学习方法的引入，SNN的性能得到大幅提升，脉冲深度学习（Spik
新型深度学习框架可应用于电池健康状态预测
近日，中国科学院大连化学物理研究所研究员陈忠伟、副研究员毛治宇团队，联合西安交通大学教授冯江涛，在电池健康管理领域取得新进展。合作团队开发了一种新型的两阶段联邦迁移学习框架，有效解决了快充电池健康状态（SOH）预测中的数据不足和个性化建模难题，为快充电池SOH预测提供了新思路。相关成果发表在《电
自研深度学习框架综合竞争力中国市场排名居首
5月19日，市场调研机构Frost & Sullivan（沙利文）发布《中国深度学习软件框架市场研究报告（2021）》，百度的飞桨综合竞争力领跑行业，Meta的PyTorch和谷歌的TensorFlow紧随其后。过去10年，人工智能从实验室走向产业，计算机视觉和自然语言处理等领域取得的突破性进展，均
科学家提出深度学习框架用于发现癌症中的新突变
全基因组染色质构象捕获技术（Hi-C技术）已被证明是检测人类基因组中结构变异（SVs）的一种有效方法。然而，目前能够使用Hi-C数据进行全范围检测SVs的算法一直缺乏。目前的方法只能在不太理想的分辨率下，识别染色体间易位和长距离染色体内SVs（>1 Mb）。美国西北大学范伯格医学院研究人员基于深
新一代AI技术发展离不开深度学习框架“软”基础
人工智能、大数据、云计算等数字技术快速发展，推动数字经济高速增长，并与实体经济加速融合。当前，如何让数字经济成为推动战略性新兴产业发展的增长引擎？作为市场主体，我国高科技企业如何增强自主创新的能力？ 近日，百度首席技术官（CTO）王海峰做客人民网《人民会客厅》视频访谈时表示，现阶段我国数字经济蓬勃发
针对治疗蛋白质的完整性水平进行峰检测的深度学习框架
最近，印度理工学院（位于德里）化学工程系进行了一项研究，使用液相色谱-质谱联用技术（LC–MS）来区分单克隆抗体（mAb）中的异变体（糖型），能够对其进行表征，揭示了在完整水平上可辨识的峰。尽管商业软件中具备自动化峰检测功能，但为了达到最优的真实阳性率，通常需要利用视觉检查和手动调整。最近，印度理工
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
新研究－创新多模态联邦学习框架
记者5月4日从天津理工大学获悉，该校计算机科学与工程学院副教授亓帆及其研究生李帅，针对多模态联邦学习中常见的模态不兼容问题展开深入研究，提出了一种创新的自适应超图聚合的多模态联邦学习框架。近日，该成果论文被计算机视觉和人工智能领域国际公认的顶级会议CVPR 2024录用。据介绍，现有联邦学习方法只会
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
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
国内首个支持“量超协同学习”的学习框架面世
近日，本源量子发布国内首个支持量子计算机和超级计算机“协同学习”（简称“量超协同学习”）量子机器学习框架——VQNet 2.0，论文已在学术预印本平台arxiv上公布。据介绍，该框架与量子计算操作系统“本源司南”深度结合，首次支持同时调度量子和经典计算资源进行机器学习的训练与预测。 当下，
国内首个支持“量超协同学习”的学习框架面世
近日，本源量子发布国内首个支持量子计算机和超级计算机“协同学习”（简称“量超协同学习”）量子机器学习框架——VQNet 2.0，论文已在学术预印本平台arxiv上公布。据介绍，该框架与量子计算操作系统“本源司南”深度结合，首次支持同时调度量子和经典计算资源进行机器学习的训练与预测。 当下，机器
首个视觉强化学习统一框架，开源！
想象一下未来的智能体，无论是作为你的虚拟助手，还是帮你操控终端的机器人、自动驾驶，它们都必须具备超越简单看图识物的能力：不仅要“看懂”（精确感知环境），更要“想明白”（基于视觉信息进行复杂逻辑推断、关系理解和行为预测）。而强化学习（RL），正是让多模态模型实现这些核心能力的关键路径。 但在当前
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
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
国际最新研发提升外骨骼性能模拟学习框架
国际著名学术期刊《自然》最新发表一篇生物医学工程论文称，研究人员研发出一种能加速外骨骼控制系统开发的模拟学习框架，这种外骨骼能辅助现实世界场景中的运动。研究显示，该框架或有助于推动外骨骼和义肢等装置的广泛应用。据论文介绍，外骨骼能显著提升人类运动，恢复残障人士的运动能力。不过，当前的控制器在匹配不同
国际最新研发提升外骨骼性能模拟学习框架
中新网北京6月13日电 (记者 孙自法)国际著名学术期刊《自然》最新发表一篇生物医学工程论文称，研究人员研发出一种能加速外骨骼控制系统开发的模拟学习框架，这种外骨骼能辅助现实世界场景中的运动。研究显示，该框架或有助于推动外骨骼和义肢等装置的广泛应用。据论文介绍，外骨骼能显著提升人类运动，恢复残障人士
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
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“见顶”不等于AI寒冬
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
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。
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，