困扰数学家一个多世纪的难题,AI从生物学中找到线索
随后,我们训练了两个神经网络:一个使用纽结的笛卡尔坐标,另一个使用局部绞拧数。在两种情况下,我们都对AI进行了监督,使用我们训练数据集的一个子集来告诉神经网络每个纽结的类型。我们要求神经网络对它们之前从未见过的简单结进行分类,以检验我们的方法。当AI在简单的神经网络上使用笛卡尔坐标进行训练时,正确率只有80...
国家电网华中分部申请基于神经网络的风机脱网连锁故障风险评估...
专利摘要显示,基于神经网络的风机脱网连锁故障风险评估方法,包括:构建含风机的交流电网的仿真模型;通过仿真模型获取交流电网不同状态下,其中各风机的定子侧电流仿真数据和转子侧电流仿真数据,根据各风机的定子侧电流仿真数据和转子侧电流仿真数据获取训练数据;构建基于BP神经网络的预测模型,并基于DCS算法对所述预测模型的超...
Archetype AI公司发布“牛顿”物理学大模型,能从传感器数据中学习...
Newton模型的训练数据来自超过5.9亿个样本,这些样本来自涵盖广泛物理行为的开源数据集,从电流和液体流动到光学传感器等。使用基于Transformer的深度神经网络,Newton模型对所有这些原始、嘈杂的传感器数据进行编码,并试图通过捕捉隐藏模式和统计分布来理解它们。接下来,研究团队训练了几个轻量级、特定于应用的神经网...
深度神经网络DNN、RNN、RCNN及多种机器学习金融交易策略研究|附...
并结合深度神经网络(DNN)、循环神经网络(RNN)、循环卷积神经网络(RCNN)以及决策树、SVM、回归等多种机器学习方法在金融交易中的深入探索的实例代码和数据,不仅为金融交易提供了新的思路,而且有望构建出更高效、更智能的交易策略。
汽车SOC:电动车的“能量指针”|电池|电动汽车|汽车soc_网易订阅
基于神经网络的标定方法:这种方法通过训练神经网络来学习电池在不同SOC下的性能参数,并根据实时监测的电池数据来估算SOC的数值。这种方法具有自适应性和实时性强的特点,但需要大量的训练数据和计算资源支持。综上所述,SOC作为电动汽车电池管理系统的核心参数之一,在电动汽车的充放电过程中发挥着至关重要的作用。随着电...
数百万晶体数据训练、解决晶体学相位问题,深度学习方法PhAI登...
神经网络的输入由振幅和相位组成,它们由卷积输入块处理,添加并输入到一系列卷积块(Conv3D)中,然后是一系列多层感知器(MLP)块(www.e993.com)2024年10月25日。来自线性分类器(相位分类器)的预测相位通过网络循环Nc次。训练数据是通过将GDB-13数据库中的金属原子和有机分子插入到晶胞中生成的。生成的结构被组织成训练数据,从中可以计算出在采...
FuzzAug:探索模糊测试作为神经网络测试生成的数据增强
据悉,FuzzAug是第一个用于神经测试生成的数据增强方法。2.构建并发布了一个新的Rust函数数据集,包含功能级别的代码-测试对,用于训练Rust程序的测试生成模型。在该数据集上应用了FuzzAug并发布了生成的增强数据集。3.通过在数据集上训练自回归语言模型验证了FuzzAug的质量。添加FuzzAug后,模型性能的提升展示了在...
科学家基于深度学习训练多样性数据集,实现多模光纤的非正交复用
结合多模光纤多重散射的物理特征,将在多模光纤输入端具有微小差异的信号,转化成输出端神经网络可识别的散斑。然后,再通过自然图像数据集及其对应输出散斑组成的数据训练网络,训练好的网络仅通过单发输出散斑,即可恢复多路非正交复用输入信号,进而实现了非正交输入信号的复用传输。
[路演]江波龙:世界存储市场已见底回暖 AI领域需求将成为重要增量
随着神经网络训练数据集的不断增大,与GPU高密度的并行能力处理相比,HDD(机械硬盘)的性能将成为最常见的瓶颈。同时,在频繁的大数据存储当中,SSD的能耗优势以及解决存储低带宽高延迟的问题,都会很好地满足AI服务器的需求,将成为AI服务器发展的重要趋势。许刚翎表示,随着AI基础设施建设带来的企业级SSD需求增长,江波龙面临...
...蛋白质定向进化,上海交大洪亮课题组发表微环境感知图神经网络...
预训练中使用等变图神经网络(equivariantgraphneuralnetworks,EGClayers),负责处理输入的蛋白质图,通过本层,模型能够学习到在旋转和平移变换下保持不变的节点嵌入,帮助处理不同蛋白质的结构。EGC层是图神经网络的核心,能够处理图结构数据,并且保持对蛋白质空间结构变化的敏感性,这对于理解蛋白质的三维结构至...