研究发现:名字相似的人,长相相似度竟高达这么多
而对于儿童照片的匹配,准确率为23.61%,未显著偏离随机概率。为了排除人类认知偏见的影响,研究者引入了机器学习技术,通过神经网络模型分析成人和儿童面部特征与名字之间的关系。结果表明,相同名字的成年人面孔相似度达到了60.05%,显著高于随机概率的50%。而儿童的面孔相似度为51.88%,并没有显著高于随机水平。这表明...
神玥软件取得数据迁移方法相关专利,能够减少对神经网络进行剪枝...
该方法包括获取待剪枝的神经网络中每个网络层的结构信息,将相邻的每两个网络层中的上网络层的输出矩阵和下网络层的参数矩阵中顺位相同且通道数量相同的维度节点之间建立链接关系,将在同一链接关系中所有的维度节点确定为一个目标组,确定每个目标组中可剪枝的可变维度节点,将存在可变维度节点的目标组确定为可变组,确定...
能耗降低93.3%,复旦、港大团队开发受大脑启发的动态神经网络,实现...
网络和语义存储器分别在基于抗噪三元忆阻器的内存计算(CIM)和内容可寻址存储器(CAM)电路上物理实现。研究人员使用40纳米忆阻器宏在ResNet和PointNet++上验证了该设计,用于对MNIST和ModelNet数据集中的图像和三维点进行分类,这不仅实现了与软件相当的准确度,而且还将计算预算减少了48.1%和15...
物理+ 人工智能 = 2024年诺贝尔物理学奖!
这类似你最初对你朋友和你朋友的家人的相似度的不确定。当玻尔兹曼机处理输入时,它会更新其节点,类似于大脑接收到你朋友的家人的更多细节。这个更新过程涉及概率计算,机器评估每个节点状态的可能性,比如某个特征是否与你朋友相似。每次机器更新一个节点的状态,它的目标是降低系统的整体能量。较低的能量状态对应于更...
打开神经网络的黑盒:分解神经元特征,让复杂模型变得简洁、可解释
然而,分解神经网络并非一项简单的工作。神经网络中最自然的计算单元——神经元,并非人类可以轻松理解的具有单一功能的自然单位,而是呈现多义性,即对看似无关的输入混合作出响应。比如,在视觉模型Inceptionv1中,一个单独的神经元会同时对猫的脸和汽车的正面作出响应。
准确率达0.96,从序列中预测蛋白-配体互作的约束图神经网络
研究人员利用PSICHIC成功筛选出一种新型腺苷A1受体激动剂(与已知最接近的A1R激动剂的Tanimoto相似度为0.2),并分析了腺苷受体亚型之间的配体选择性(www.e993.com)2024年10月24日。价值体现蛋白质-配体相互作用指纹描述了配体和蛋白质残基之间发生的特定相互作用的特征。传统上,这些指纹来自3D蛋白质-配体复合物,这是一个昂贵的过程...
追问weekly | 过去一周,脑科学领域有哪些新发现?
通过计算每个神经元的空间信息含量,他们发现位置细胞集中在斑马鱼的前脑区域(telencephalon),这一区域与哺乳动物的海马体功能相似。每条鱼大脑中约有1000个位置细胞,它们在鱼类位于特定位置时活跃,形成了一个能够解码鱼类空间位置的细胞群体代码。研究还表明,斑马鱼的位置细胞能够整合自我运动和外部线索,灵活地重组空间地图。
PANS丨玄学还是科学,名字真的会影响长相?
采用神经网络算法(TripletLossSiameseNeuralNetwork)对包含607名成年人和557名儿童面部图像的数据集进行分析。研究发现,拥有相同名字的成年人的面部特征相似度达到了60.05%,显著高于随机猜测的50%。相比之下,儿童的面部特征相似度仅为51.88%,与随机猜测无显著差异。这表明,名字所承载的社会期望在成年人的面部特征中得...
亿联网络取得一种基于近邻排序关系的跨模态检索方法专利,能够有效...
所述深度神经网络模型中进行训练;结合近邻样本排序损失函数和语义相似度度量损失函数,计算语义对齐的损失值,通过训练缩小损失值,得到训练好的深度神经网络模型;通过训练好的深度神经网络模型提取到图像数据和文本数据间的公共语义表达,并将图像的深度语义特征与文本的深度语义特征转化到公共语义空间中,实现语义相似度的度量...
AlphaFold为什么能精准预测蛋白质结构? | 返朴
这是蛋白质结构预测界的奥林匹克竞赛,来自世界各地的参赛团队会拿到未知结构的蛋白质的氨基酸序列,然后使用自己的算法预测其三维结构,最后和实验测定结果进行比较,相似度越高分数就越高。在这一年的比赛中,AlphaFold2取得了中位数分数92.4分(满分100分;90分以上被认为预测方法可与实验方法媲美)的高分预测结果,它预测...