搜索结果: 46-60 共查到“计算机科学技术 模型”相关记录3269条 . 查询时间(0.943 秒)
近日，中国科学院自动化研究所研究员曾毅课题组基于人类和生物视觉系统中广泛存在的幻觉轮廓现象启发，提出了一种将机器学习视觉数据集转换成幻觉轮廓样本的方法，量化测量了当前的深度学习模型对幻觉轮廓识别能力。实验结果证明从经典的到最先进的深度神经网络均难以像人一样具有较好的幻觉轮廓识别能力。相关研究成果发表在Patterns上。
中国科学院声学研究所专利：一种基于安全基线模型的网络数据安全检测方法及系统
中国科学院声学研究所专利：一种链路预测模型的建立及链路预测方法
中国科学院声学研究所专利：一种基于长短时记忆网络的语言模型重估方法
中国科学院声学研究所专利：一种神经网络声学模型的分布式并行训练方法及系统
ChatGPT及大模型专题研讨会在京成功举办（图）
ChatGPT 大模型 语言模型
2023/11/12
2023年3月11日，由中国人工智能学会（CAAI）主办，CAAI自然语言理解专委会、达观数据、真格基金承办，中国信通院云计算与大数据研究所支持的“ChatGPT及大模型专题研讨会”在北京圆满落幕。大会围绕ChatGPT和大规模语言模型的发展应用，聚集众多人工智能专家学者，共同探讨前沿技术及产业未来，呈现了一场精彩的思想交流盛宴。研讨会通过五大平台实时线上直播，共吸引线下线上十余万观众收看。
中国科学院软件所提出图神经网络模型实现MaxSAT问题求解优化
软件所 图神经网络模型 MaxSAT
2023/5/8
中国科学院软件研究所计算机科学国家重点实验室博士研究生刘明昊针对人工智能和理论计算机科学中的基础问题之一——最大可满足性问题（MaxSAT），提出了一种基于图神经网络的深度学习系统，在求解大规模的困难MaxSAT实例时可以快速获得更高质量的解。
中国科学院软件研究所计算机科学国家重点实验室的博士生刘明昊，针对人工智能和理论计算机科学中的基础问题之一——最大可满足性问题（MaxSAT），提出了一种基于图神经网络的深度学习系统,在求解大规模的困难MaxSAT实例时可以快速获得更高质量的解。该研究成果以“Can Graph Neural Networks Learn to Solve the MaxSAT Problem?”为题发表在人工智能领...
科学家利用深度学习模型探究药物与多组学数据间的关联
深度学习 药物 多组学 数据间
2024/1/18
患有糖尿病等基础疾病患者的药物反应模式是相对复杂的，可能涉及多个器官和因素，而大部分影响机制仍然是未知的。近年来，表型和多组学筛查可用于揭示疾病特征，并为研究药物在疾病进展中发挥的作用机制提供了新的手段。然而，多组学数据分析面临着数据降维、数据异质性与整合困难等多方面挑战。
基于多模型融合的肺部CT新冠肺炎病灶区域自动分割
新冠肺炎 计算机断层扫描影像分割 深度学习 泛化性能
2024/1/17
自2019年末以来,全球蔓延的新型冠状病毒(Coronavirus disease 2019,Covid-19)已经给世界人民造成了严重的健康威胁.其中新型冠状病毒患者的计算机断层扫描(Computer tomography,CT)图像通过肺炎病灶分割技术可以为医学诊断提供有价值的量化信息.虽然目前基于深度学习的方法已经在新型冠状病毒肺炎病灶分割任务上取得了良好的效果,但是在面对不同中心数据的情况...
近日，中国科学院中国科学院自动化研究所脑图谱与类脑智能实验室李国齐研究员与西安交通大学赵广社教授合作在人工智能顶级国际期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI）上发表了一篇题为“Attention Spiking Neural Networks”的研究。这项工作将注意力机制融入百万级规模脉冲神经网络...
大数据精度和多模型综合定量评估一直是学科研究的重点和难点，且在科学的发展中占据核心地位。现有统计指标只评估模型单方面的精度，缺少对数据或模型的整体评估，因此亟需发展新的评估系统。