科技周刊 | 人工神经网络如何认出它是猫?

比较著名的包括:卷积神经网络(ConvolutionalNeuralNetworks,CNNs),擅长处理具有网格结构的数据,如图像;循环神经网络(RecurrentNeuralNetworks,RNNs),擅长处理序列数据,如时间序列或自然语言,因为它们可以捕捉时间上的依赖关系;深度信念网络(DeepBeliefNetworks,DBNs),它由多个受限玻尔兹曼机堆叠而成,可以用于特征学习……2017...

...ChatGPT理解语言的方式一样吗?从表征对齐角度比较人工神经网络...

了解计算机视觉的朋友会发现,人工神经网络尤其是卷积神经网络(ConvolutionalNeuralNetwork,CNN)在视觉任务中有类似的处理机制(这也是受了人脑初级视觉系统的启发)[4]。卷积神经网络的前层大部分是通过卷积操作来完成类似于边界探测的功能,进而对图像的初级信息进行表征,而后层则会出现一些更抽象和难以理解的表征(见图...

三维卷积神经网络(3D-CNN)解码运动过程的脑电图

研究人员提出了一种神经生理学可解释的三维卷积神经网络(3D-CNN),它捕捉了运动过程中大脑区域的时空依赖性。该3D-CNN使用保留地形的EEG输入,能够预测手部运动的复杂特征,如反应时间、运动模式和方向。在新数据集上的测试中,3D-CNN在这些任务中的准确率分别为79.81%、81.23%和82.00%,优于二维卷积神经网络...

基于集成光子学的射频原域特征提取

图1:光域构建的卷积神经网络示意图针对这一问题,本文提出采用集成光子学方法来突破带宽与可编程性瓶颈的创新思想。天线接收的射频信号直接加载到光芯片上,在光域构建出多层卷积神经网络(如图1)对输入的射频信号进行时空域卷积处理,以提取信号的有效特征。根据以上架构,文章设计实现光子学时空特征提取芯片(如图2),并针...

特斯联研发新突破 Transformer架构中的动态一元卷积神经网络

近日,特斯联首席科学家、特斯联国际总裁邵岭博士及其合作团队发表最新研究成果,探索将卷积神经网络(ConvNets)的优势与Transformer架构相结合的并行设计方法。该研究成果可广泛应用于多模态学习、图像分类、图像分割、图像检索等场景,并能够有效提升模型在计算机视觉任务中的性能、提供更佳的灵活度,改善医疗诊断、自动驾驶等现实...

入选ICML!人大团队将等变图神经网络用于靶蛋白结合位点预测,性能...

中国人民大学高瓴人工智能学院的研究团队首次将E(3)等变图神经网络(GNN)应用于配体结合位点预测,提出名为EquiPocket的框架,有助于药物发现等各种下游任务(www.e993.com)2024年11月14日。生命系统中,几乎所有生物和药理过程都涉及受体(靶蛋白)和配体(小分子)之间的相互作用,这些相互作用发生在靶蛋白结构的特定区域,称为「结合位点」——...

视野扩大271倍,上海理工大学开发超快卷积光学神经网络

卷积神经网络(CNN)凭借其出色的图像识别能力,在人工智能领域表现出色,尤其是在ChatGPT等平台中。近日,上海理工大学团队成功将CNN概念引入光学领域,实现卷积全光神经网络,为人工智能成像技术带来了革命性的进步。研究团队开发了一种超快卷积光学神经网络(ONN),该网络无需依赖光学记忆效应,即可实现对散射介质后方...

PNAS速递:揭示图卷积神经高效的原因

利用本文分析,可以进一步提高异质数据集上图卷积网络模型的性能。图1在具有不同噪声水平的数据集上,针对不同图神经网络架构、不同损失(有或没有显式正则化)的双下降泛化。任务为节点分类,红色为测试误差,黑色为测试准确性。编译|刘培源原标题:《PNAS速递:揭示图卷积神经高效的原因》...

卷积神经网络(CNN)基础知识整理

特征图/Featuremap,当图像像素值经过过滤器后得到的就是特征图。下面2张图就很直观地展示了kernel和featuremap的实际样子。卷积神经网络处理过程中,随着模型运算的深入,图像的尺寸(h*w)会越来越小,但是提取的特征会越来越多。5padding/边缘填充

...来处理卷积运算的设备和方法专利,该专利技术能实现在神经网络...

专利摘要显示,提供用于在神经网络中处理卷积运算的方法和装置。该装置可以包括:存储器,以及处理器,其被配置为:从存储器中读取存储在存储器中的输入数据的划分的块之一;通过利用内核对划分的块之一执行卷积运算来生成输出块;通过使用输出块来生成特征图;以及将特征图写入到存储器。