千万IP创科普丨几何图神经网络综述:数据结构、模型与应用
早期的不变图神经网络包括DTNN、MPNN和MV-GNN,它们使用相对距离进行边构造。近年来,不变图神经网络在消息传递机制上进一步发展,从相对距离扩展到边之间的角度或二面角等不变标量。其中,SchNet使用连续滤波器卷积条件于相对距离,DimeNet提出了方向性消息传递,GemNet进一步考虑了旋转角,而LieConv则是一种在节点特征更新时...
...发表AI海洋学文章详细总结了卷积神经网络架构在海洋遥感中的应用
近日,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IEEEGeoscienceandRemoteSensingMagazine(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...
第三代神经网络模型:面向AI应用的脉冲神经网络
作为神经科学和人工智能最前沿的交叉点之一,脉冲神经网络的研究从神经元节点的生物合理化出发,并有可能进一步整合类脑启发,突破现今人工神经网络在能量消耗、鲁棒稳定、连续学习等层面的瓶颈。在集智俱乐部「计算神经科学读书会」中,中科院自动化所博士生程翔从几个不同方面介绍了生物启发的脉冲神经网络设计的实例和思想。
图神经网络研究综述(GNN)
本节从消息传递机制出发,介绍图神经网络模型的聚合和更新操作,分类介绍图卷积神经网络、图注意力网络、循环图神经网络和自编码器图神经网络,分析其在大规模数据训练中的挑战,并总结挑战。2.1消息传递机制基于神经网络的消息传递机制描述了节点特征在网络中进行传播的过程,传播结果最终会通过神经网络操作迭代地更新在...
穿越时空的卷积神经网络:探索前向传播的奥秘
卷积神经网络的前向传播过程是实现其强大功能的关键。通过深入探讨卷积操作的原理和前向传播的具体步骤,我们可以更好地理解卷积神经网络的工作原理。卷积神经网络在图像识别、目标检测等领域的广泛应用,为我们展示了它在人工智能领域的巨大潜力。未来,卷积神经网络有望在更多领域取得突破,为人类带来更多的惊喜与便利。
面向链接预测的知识图谱表示学习方法综述
神经网络模型是传统神经网络在知识图谱领域的应用模型,虽然可解释性较差,但在不同知识表示形式更易泛化与推广,且更易与其他知识表示学习方法结合,以提升模型性能;图神经网络模型借助其强大的图数据表示能力与局部结构建模能力,一经提出立刻在图表示学习领域展示出惊人的潜力,近年来被越来越多地用于链接预测...
在12个视频理解任务中,Mamba先打败了Transformer
从早期的循环神经网络(RNN)和三维卷积神经网络(3DCNN),到目前广受瞩目的Transformer模型,每一次技术的飞跃都极大地拓宽了我们对视频数据的理解和应用。特别是Transformer模型,以其卓越的性能在视频理解的多个领域——包括但不限于目标检测、图像分割、以及多模态问答等——取得了显著成就。然而,面对...
爆火Sora背后的技术,一文综述扩散模型的最新发展方向
例如,CSDI(ConditionalSequenceDiffusionInterpolation)是一种模型,它利用了双向卷积神经网络结构来生成或插补时间序列数据点。它在医疗数据生成和环境数据生成方面表现出色。其他模型如DiffSTG和TimeGrad通过结合时空卷积网络,能够更好地捕捉时间序列的动态特性,并生成更加真实的时间序列样本。这些模型通过自我条件...
市政府关于公布南通市第十三届自然科学优秀学术论文的通知
18.基于卷积神经网络的智能寻书机器人设计与实现羌栋强(江苏商贸职业学院)、王雅楠、张蝶19.基于人文关怀的手术室护士隐私保护认知水平量表编制及信效度分析张敏华(启东市人民医院)、陆宏伟、唐红萍20.生物仿生微环境启发的各向异性微纳复合拓扑结构协同生物因素调控周围神经再生(Bionicmicroenvironment-inspired...
CV最新论文|3月11日 arXiv更新论文合集
EVD4UAV数据集具有不同的高度(50m、70m、90m)、车辆属性(颜色、类型)、细粒度注释(水平和旋转边界框、实例级掩码)和清晰的车顶视图。实现了一种基于白盒和两种基于黑盒补丁的攻击方法,在EVD4UAV上攻击了三种基于深度神经网络的经典目标检测器。实验结果表明,这些具有代表性的攻击方法无法达到鲁棒的高度不敏感...