...人工智能算法建模的换热站智能调控方法专利,能够利用神经网络...
专利摘要显示,本发明公开了一种基于人工智能算法建模的换热站智能调控方法,包括:基于历史运行数据训练得到的神经网络模型,预测换热站未来的热负荷需求;根据预测的热负荷需求,调整换热站的供热参数以优化能源利用效率;实时监测换热站的实际运行状态,并将实时数据反馈至神经网络模型进行动态调整。本发明能够利用神经网络准确预...
长城银河申请量化神经网络推理后处理加速专利,提升神经网络推理...
所述方法包括:通过数字信号处理单元DSP获取神经网络并行加速单元的数据推理结果,过滤数据推理结果,以获取目标数据集。对目标数据集中每一个数据进行反量化,得到量化目标数据集。采用sigmoid函数对量化目标数据集进行概率转换,得到目标数据概率矩阵。采用非极大抑制计算目标数据概率矩阵的目标候选框区域,输出目标推理数据...
计算机视觉中基于图神经网络和图Transformers的方法和最新进展
基于图神经网络(GraphNeuralNetworks,GNN)的方法被广泛应用于不同问题并且显著推动了相关领域的进步,包括但不限于数据挖掘(例如,社交网络分析、推荐系统开发)、计算机视觉(例如,目标检测、点云处理)和自然语言处理(例如,关系提取、序列学习)。
TPAMI 2024 | 计算机视觉中基于图神经网络和图Transformers的方法...
基于图神经网络(GraphNeuralNetworks,GNN)的方法被广泛应用于不同问题并且显著推动了相关领域的进步,包括但不限于数据挖掘(例如,社交网络分析、推荐系统开发)、计算机视觉(例如,目标检测、点云处理)和自然语言处理(例如,关系提取、序列学习)。
科学家探究可解释AI中基于梯度的解释方法,提出用于解决AI可信问题...
首先,模型梯度反映微小输入样本变化对模型预测的影响,能够直观地显示模型对哪些特征敏感,而这种敏感度在一定程度上说明了模型对特征的依赖程度。因此,利用梯度等可解释方法获得广泛关注。其次,因为当前深度神经网络已经广泛用于众多领域,在模型训练完成后,可以直接通过反向传播获得模型梯度。所以,基于梯度的解释方法是深度神...
深度学习解决计算量子化学基本问题,探索物质与光如何相互作用
我们开发了一种计算激发态的新方法,比以往的方法更稳健和通用(www.e993.com)2024年10月25日。该方法可以应用于任何类型的数学模型,包括FermiNet和其他神经网络。它的工作原理是通过在一个扩展的系统中引入额外的粒子来找到基态,从而可以对现有的优化算法进行较少的修改后使用。我们在广泛的基准测试中验证了这项工作,并获得了非常有前景的结果。
万字长文:怎样弥合人工智能和人脑智能的差距?| 智能渐近线
02未来研究可能通过模拟生物神经网络的复杂性和动态来提高人工智能的性能和效率。03内部复杂性小模型方法在神经元建模和神经网络训练方面具有挑战性,需要新的优化方法。04由于大脑功能的复杂性,完全模拟人类意识和智能仍是一个开放的问题。05跨学科合作对于模拟人类意识和智能至关重要,包括数学、神经科学、认知科学等...
面向链接预测的知识图谱表示学习方法综述
基于表示学习建模方式,将现有方法细化为4类模型:平移距离模型、张量分解模型、传统神经网络模型和图神经网络模型,并详细描述每类模型的实现方式与解决不同关系元数链接预测任务的代表模型.在介绍链接预测的常用的数据集与评判标准基础上,分别对比分析二元关系、多元关系和超关系3类知识表示形式下,4类知识表示...
谷歌DeepMind论文:人工智能模型超越传统天气预报方法
谷歌DeepMind介绍,GraphCast是一种基于机器学习和图神经网络(GNN)的天气预报系统,GNN是处理空间结构化数据特别有用的架构。它以0.25度经度/纬度的高分辨率进行预测。超过100万个网格点覆盖了整个地球表面,在每个网格点,该模型预测5个地球表面变量(包括温度、风速和风向以及平均海平面压力)以及37个海拔高度中每个...
万字长文详解商用车电控转向系统的发展现状与趋势
定量分析方法包括基于数据驱动的检测方法[92]和基于模型的检测方法[93]。基于数据驱动的故障检测方法以算力驱动,依靠大量的故障数据对当前的系统状态进行诊断,如神经网络[94]、深度学习[95]等,能够快速准确地进行故障诊断及定位,但该方法在在其数据有较大的噪声时,诊断的置信度将大打折扣。