搜索结果: 1-15 共查到“工学 深度学习”相关记录102条 . 查询时间(0.107 秒)
近些年,联邦学习(Federated learning,FL)由于能够打破数据壁垒,实现孤岛数据价值变现,受到了工业界和学术界的广泛关注.然而,在实际工程应用中,联邦学习存在着数据隐私泄露和模型性能损失的问题.为此,首先对这两个问题进行数学描述与分析.然后,提出一种自适应模型聚合方案,该方案能够设定各参与者的Mini-batch值和自适应调整全局模型聚合间隔,旨在保证模型精度的同时,提高联邦学习训...
针对机器人摄影测量中离线规划受初始位姿标定影响的问题,提出融合初始位姿估计的机器人摄影测量系统视点规划方法.首先构建基于YOLO(You only look once)的深度学习网络估计被测对象3D包围盒,利用PNP(Perspective-N-point)算法快速求解对象姿态;然后随机生成机器人无奇异无碰撞的视点,基于相机成像的2D-3D正逆性映射,根据深度原则计算每个视角下目标可见性矩阵;最后...
中国科学院物理研究所基于深度学习的多光学参量调控研究取得进展（图）
光学系统 集成 纳米物理
2023/10/26
小型化和片上光学系统集成化的发展趋势要求器件的多功能化和更大的数据存储容量。超表面是一种超薄平面人工亚波长结构，显示新颖的光学现象和强大的波前操纵能力。与单一功能或单一维度调控的超表面相比，具有多光学参量调控能力的超表面在高分辨率光学全息、亚衍射成像、偏振传感和矢量场生成等各种实际应用中展现出巨大的优势。然而，在超表面的设计与应用中，由于缺乏普适的结构设计策略、有限的操作通道和信噪比低等问题，探索...
中国科学院高能物理研究所第三次人工智能深度学习研讨会召开（图）
第三次 人工智能 深度学习 研讨会 中国科学院高能物理研究所
2023/6/27
目前，人工智能大模型正处于快速发展阶段，以深度学习为代表的人工智能算法和大规模训练数据的结合，推动了大模型的兴起。在物理研究领域，人工智能大模型在数据分析与模式识别、物理模拟与预测、物理系统优化与控制等多方面均具有潜在的巨大应用前景。
2023年6月7日，中国科学院深圳先进技术研究院/深港脑科学创新研究院王立平团队在Nature子刊Translational Psychiatry杂志在线发表了题为“Systematic evaluation of a predator stress model of depression in mice using a hierarchical 3D-motion learning framew...
2023年5月30日，国际权威生物信息期刊《Briefings in Bioinformatics》(IF=13.994)在线发表南京农业大学资源与环境科学学院沈其荣院士团队LorMe实验室的最新研究成果《DCiPatho: Deep cross-fusion networks for genome scale identification of pathogens》，研究针对复杂环境微生物组中无...
近日，中国科学院上海光学精密机械研究所量子光学重点实验室副研究员刘红林与香港理工大学教授赖溥祥课题组、上海理工大学教授张大伟合作，在基于深度学习的散射成像机理与应用边界的研究方面取得重要进展。相关成果以The physical origin and boundary of scalable imaging through scattering media: a deep learning-base...
中国科学院上海光机所在基于深度学习的散射成像研究方面取得进展（图）
散射成像 光学精密机械 光子学
2023/5/31
2023年5月18日，中国科学院上海光学精密机械研究所量子光学重点实验室副研究员刘红林与香港理工大学教授赖溥祥课题组、上海理工大学教授张大伟合作，在基于深度学习的散射成像机理与应用边界的研究方面取得重要进展。相关成果以The physical origin and boundary of scalable imaging through scattering media: a deep learn...
上海光机所在基于深度学习的散射成像研究方面取得进展（图）
散射成像 光学成像
2023/6/16
2023年5月5日，中科院量子光学实验室刘红林副研究员与香港理工赖溥祥教授课题组、上海理工大学张大伟教授合作，在基于深度学习的散射成像机理与应用边界方面研究取得重要进展。相关成果以“The physical origin and boundary of scalable imaging through scattering media: a deep learning-based explorat...
江南大学人工智能与计算机学院吴小俊教授团队在人工智能顶级期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》发表深度学习最新研究成果（图）
吴小俊 人工智能 深度学习 模式识别 IEEE TPAMI
2024/3/2
近日，江南大学人工智能与计算机学院吴小俊教授团队的李辉博士等在深度学习及多模态视觉信息融合研究中取得重要进展，研究成果以“LRRNet: A Novel Representation Learning Guided Fusion Framework for Infrared and Visible Images”为题发表在人工智能领域顶级学术期刊《IEEE Transactions on Patt...
2023年4月17日，研究所郝沛课题组和中国科学院分子植物科学卓越创新中心李轩课题组合作，在国际学术期刊《Genome Biology》发表了题为“DeepEdit: single-molecule detection and phasing of A-to-I RNA editing events using nanopore direct RNA sequencing”的研究论文。该研究利用深...
布匹瑕疵检测是纺织工业中产品质量评估的关键环节,实现快速、准确、高效的布匹瑕疵检测对于提升纺织工业的产能具有重要意义.在实际布匹生产过程中,布匹瑕疵在形状、大小及数量分布上存在不平衡问题,且纹理布匹复杂的纹理信息会掩盖瑕疵的特征,加大布匹瑕疵检测难度。
Academy of Mathematics and Systems Science, CAS Colloquia & Seminars：从深度学习到智能空间组学：原理、方法与应用
深度学习 智能 空间组学
2023/4/13
深度学习作为一种黑箱模型，是通过大量计算实验得到的，其数学原理逐渐引起研究者的广泛关注，同时在各科学领域得到广泛应用。该报告将从两种不同的角度简要介绍深度学习的数学理解与认识：一、从多层卷积稀疏编码模型的编码初始化和字典矩阵设计的角度，建立跨连神经网络与多层卷积稀疏编码模型的等价联系；二、提出深度残差神经网络是在Wasserstein空间学习测地曲线的理论。最后，将简要介绍深度学习如何赋能空间组学...
Academy of Mathematics and Systems Science, CAS Colloquia & Seminars： 从深度学习到智能空间组学：原理、方法与应用
深度学习 黑箱模型 计算实验
2023/4/18
深度学习作为一种黑箱模型，是通过大量计算实验得到的，其数学原理逐渐引起研究者的广泛关注，同时在各科学领域得到广泛应用。该报告将从两种不同的角度简要介绍深度学习的数学理解与认识：一、从多层卷积稀疏编码模型的编码初始化和字典矩阵设计的角度，建立跨连神经网络与多层卷积稀疏编码模型的等价联系；二、提出深度残差神经网络是在Wasserstein空间学习测地曲线的理论。最后，将简要介绍深度学习如何赋能空间组学...
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。