搜索结果: 1-15 共查到“知识要闻 计算神经网络”相关记录223条 . 查询时间(3.295 秒)
云南天文台在巡天数据中搜寻相接双星候选体的算法方面获新进展（图）
巡天数据 神经网络
2024/4/20
2024年4月15日，中国科学院云南天文台丁旭博士和季凯帆研究员利用机器学习的方法在TESS巡天数据中搜寻相接双星候选体。该研究成果于4月4日在国际天文学期刊The Astronomical Journal上在线发表。
中国科学院沈阳自动化所在无线网络端边协同调度方向研究中获进展（图）
无线网络 计算资源
2024/1/26
边缘计算技术是赋能工业控制等高实时、高可靠应用的关键支撑技术，通过将计算资源部署于终端设备附近，可为工业现场提供丰富的算力资源，有效降低任务传输和处理时延。然而，由于终端设备上承载的任务异构多样，而无线网络的通信资源严重受限，易导致任务迁移过程中的计算资源抢占和无线网络拥塞。
中国科学院低时延网络传输研究获进展
网络传输 移动计算
2024/1/26
中国科学院计算技术研究所研究员李振宇带领的国际合作团队对低时延网络传输开展研究。该研究在两个层面开展协同传输。首先，团队提出了多路径协同传输协议。移动终端通常可连接Wi-Fi、蜂窝网络等多种网络，存在多条传输路径。多路径传输的一大挑战在于路径传输质量存在差异，导致传输时延受限于慢路径。该研究提出了QoE感知的多路径传输调度机制，根据应用QoE需求，动态调整数据包分配和发送策略，以极少的冗余传输实现...
意大利卡利亚里大学郭巍博士后讲座报告成功举行（图）
意大利 卡利亚里大学 郭巍 神经网络
2024/3/28
2024年1月11日下午，意大利卡利亚里大学郭巍博士后就“针对DNN模型的后门攻击”这一主题与浙江工商大学计算机科学与技术学院教师和研究生进行了线下分享和交流。本次讲座由浙江工商大学计算机科学与技术学院邵俊老师主持。
海洋遥感中卷积神经网络应用—海洋所发表AI海洋学文章（图）
神经网络应用 海洋遥感 观测
2024/1/12
2024年1月4日，中国科学院海洋所李晓峰研究团队详细总结了卷积神经网络架构（CNN）在海洋遥感中的应用，研究成果在IEEE Geoscience and Remote Sensing Magazine（影响因子13.925）发表。过去40年里，遥感技术的不断发展极大地推动了海洋观测的进展，使海洋数据进入了大数据时代。高效、准确地处理和分析海洋大数据，以解决基于这些数据的实际问题，已成为一项重大挑...
学术报告-Revisiting Graph Convolutional Networks: From Paradigm to Application（图）
学术报告 图神经网络 王石平
2024/4/15
图神经网络（Graph Neural Network，GNN）是指使用神经网络来学习图结构数据，提取和发掘图结构数据中的特征和模式，满足聚类、分类、预测、分割、生成等图学习任务需求的算法总称。如何从图数据（网络数据）中学习有效的数据表征是大数据与人工智能时代的一大挑战。为此，本次汇报将从一种特殊的谱图神经网络（图卷积神经网络）出发，介绍相应的消息传递范式，揭示传统机器学习和图神经网络的内在关联，并...
中国科学技术大学在发展外场诱导的神经网络力场新方法方面取得进展（图）
外场诱导 神经网络力场 机器学习
2024/3/21
近日，中国科学技术大学蒋彬教授课题组在发展场诱导的原子神经网络力场研究方面取得重要进展。研究成果以“描述原子体系对于外场响应的通用机器学习力场（Universal machine learning for the response of atomistic systems to external fields）”为题，于2023年10月12日发表在《自然通讯》（Nature Communicati...
近日，生物医学工程学院沈定刚课题组 (IDEA Lab) 2020级硕士研究生张佳冬相继以“ A Generalized Dual-Domain Generative Framework with Hierarchical-Consistency for Medical Image Reconstruction and Synthesis”和“A Robust and Efficient AI A...
中国科学院自动化研究所科学家构建深度脉冲神经网络学习框架（图）
深度脉冲 神经网络 学习框架
2023/10/17
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（Spiking Deep Learning）成为新兴的研究热点。传统SNN框架更多地关注生物可解释性，致力于构建...
中国科学院声学研究所人员提出基于泰勒展开形式的端到端语音增强算法（图）
神经网络 数学理论
2024/2/25
在当前基于深度神经网络模型的单通道和多通道语音增强算法研究中，通常着重于设计合理的网络拓扑结构以尽可能提升降噪算法的性能，往往忽略了对深度神经网络模型自身结构设计合理性与可解释性的探索。因此在大部分现有工作中，科研人员们在结构设计和参数确定等方面经验较丰富，但这些工作缺乏数学理论的指导和支撑。
中国科学院海洋所在海洋障碍层结构反演重构方面取得新进展（图）
结构反演 神经网络
2023/10/30
2023年9月27日，中国科学院海洋研究所尹宝树研究团队与美国加利福尼亚大学洛杉矶分校（UCLA）的学者携手合作，针对海洋障碍层结构反演重构方面取得新进展，研究成果在英国物理学会学术期刊Environmental Research Communications上发表。
近日，南昌大学数学与计算机学院段文影博士的论文“局部自适应时空图神经网络”被第29届国际知识发现与数据挖掘大会接收并正式出版。该论文由南昌大学、澳门大学、香港城市大学与苏黎世联邦理工大学共同完成，论文由南昌大学段文影博士担任第一作者，澳门大学何晓溪助理教授担任通讯作者，香港城市大学周子慕助理教授，欧洲科学院院士、苏黎世联邦理工大学前副校长Lothar Thiele教授和南昌大学软件学院饶泓教授为共...
随着高通量质谱技术的高速发展，研究人员可以从蛋白质组学中挖掘到更深更为可靠的数据信息。在蛋白质组学中，翻译后修饰组学是尤其重要的研究方向，磷酸化（Phosphorylation）修饰作为涉及蛋白质范围最广泛，修饰位点数量最多的修饰类型，成为了研究人员关注的对象。众所周知，磷酸化修饰通过影响蛋白质的活性、蛋白质-蛋白质相互作用及蛋白质细胞内定位等方式调节蛋白质的功能。随着组学技术的发展及精准医学概念...
广东省重点领域研发计划项目《高效可解释性神经网络模型及理论研究》通过验收（图）
广东省 神经网络 模型
2024/4/18
2023年6月28日上午，广东省重点领域研发计划新一代人工智能专项项目《高效可解释性神经网络模型及理论研究》（编号：2018B010107001）验收会在软件学院B7栋303室举行。广东省科学技术厅专家王欢和商惠敏，验收专家张振华教授等五人，华南理工大学科研院谭锦才科长、软件学院副院长刘飞教授、项目负责人谭明奎教授以及项目参与单位相关负责人参与会议。
中国科学院自动化所研发出全脉冲神经网络的类脑认知智能引擎（图）
神经网络 脑认知智能 发育演化
2023/9/1
中国科学院自动化研究所研究员曾毅带领的类脑认知智能团队，打造出全脉冲神经网络的类脑认知智能引擎（Brain-inspired Cognitive Intelligence Engine，简称为BrainCog，中文名为“智脉”），并进行全面开源开放，为探索面向通用人工智能的类脑智能研究提供基础性支撑，助力自然智能的计算本质探索和新一代人工智能的发展。相关研究成果发表在Patterns上，并被选为封...