Nat. Commun.速递:多任务神经网络预测多体量子态物理性质
图e和f中的小方框表示训练数据,其余为测试数据。该神经网络模型的一个关键特性是其能够生成量子态的潜在空间表示,此表示可以整合多种物理性质的不同信息。令人惊讶的是,这些量子态表示似乎还能捕捉到训练中未打标签的物理性质。这一特性使得该模型能够对不同物相进行无监督的分类,不仅适用于分布内的哈密顿量(与训练...
国能常州第二发电申请基于深度卷积神经网络的滚动轴承故障诊断...
专利摘要显示,一种基于深度卷积神经网络的滚动轴承故障诊断方法,首先获取样本数据,得到训练数据集和测试数据集,训练数据集输入滚动轴承故障诊断模型进行训练,故障诊断模型的第一宽卷积核层具有扩张卷积核,实现了更大的感受野,能有效提取特征信号并抑制高频噪声;相关通道注意力机制模块为每个特征通道分配不同的权重系数,通过...
广东电网申请基于数据驱动改进台区损失率的线损计算专利,计算得到...
该方法包括获取配电网中相同负荷性质的实际线损数据、测试数据以及各个台区的电量数据和线损影响因子数据,对所有电量数据进行处理得到理论线损数据;以线损影响因子数据作为输入并采用实际电能损耗数据和理论线损数据对卷积神经网络进行训练得到误差补偿模型;获取配电网中相同负荷性质待计算线损的台区数据,将台区数据输入误差补偿...
制造商如何通过云技术优化深度学习机器视觉运作方式
数据需要在存储、标注后用于训练模型,而模型测试还需要使用其他数据集。在这种情况下,处于“孤岛”状态的企业数据是没有意义的,不利于更好地训练机器视觉模型。深度学习神经网络应尽可能多地接触到各种变量,包括不同的生产时间和生产天数。除非使用能够模拟训练数据的平台,数据集必须混合不同时间点的随机数据,尽管这需...
技术变革还是炒作噱头?AI for Bio到底能做什么|AI驱动科学
ESM3是由一家新成立的前沿人工智能公司EvolutionaryScale创建的大型(98B参数)语言模型,该模型基于来自27.8亿种天然蛋白质的蛋白质序列、结构和功能数据进行训练[6]。输入一段给定的序列,它可以输出预测的蛋白质结构;输入一个结构,它可以预测匹配的序列。(于2024年6月25日正式发布,第一个兼具预测蛋白质序列、结构...
...4选股准确率高达60%,人类股票分析师要下岗?AI大牛质疑数据污染
第一种假设是,GPT的表现完全是由近乎完美的记忆驱动的(www.e993.com)2024年10月25日。GPT很可能是从数据中推断出了公司的身份和年份,然后将这些信息与新闻中学到的关于该公司的情感相匹配。为此,研究者试图排除这种可能。并且,也使用了GPT-4训练期以外的全新数据,复制了结果。第二种假设是,GPT之所以能推断出未来收益的方向,是因为生成了有...
FuzzAug:探索模糊测试作为神经网络测试生成的数据增强
传统的基于覆盖率的模糊测试和基于神经网络的测试生成各有优缺点。本文提出了一种名为FuzzAug的新型数据增强技术,结合模糊测试和大语言模型的优势,生成语法和语义上有效的多样化测试数据。实验结果表明,使用FuzzAug增强的数据集训练的模型,测试用例准确率提高了11%,分支覆盖率也显著提升。研究目的:本文旨在解决软件...
如何高效率训练卷积神经网络
不过,可以通过比较训练数据损失和测试数据损失,由此来判断预测模型与训练数据的拟合程度,进而判断是过低还是过高。如果在训练过程中损失较低,而当网络遇到从未见过的测试数据时损失会过度增加,就充分说明网络已经记住了训练数据,而不是泛化模式识别。在网络参数存储空间过大或卷积层过多的情况下,才是导致这种情况的主要...
阻止他,就能把终结者扼杀在摇篮!2024诺贝尔物理学奖解读
这个时候就需要调整模型参数,然后再用测试数据试一下,直到测试的数据能够正确下落到代表猫的位置为止。只要这个虚拟的力场训练出来了,这时候再给模型输入数据,就能判断它到底是不是猫的照片了,这就像浴室里的水一样,直奔下水道,而不需要到处碰壁尝试了。但是,霍普费尔德网络有一个问题,那就是它最后训练出来的那个...
...成为「生产资料」,三篇论文总结如何用水印技术保护AI训练数据...
目前有许多不同类型的DNN,如卷积神经网络、图神经网络,它们是针对不同任务和目的而设计的。目前,DNNs的学习是数据驱动的,尤其是在有监督的情况下。具体来说,令D表示(标记的)训练集,其中X和Y分别表示输入和输出空间。一般来说,DNN基于如下优化学习一个映射函数(参数θ)f_θ:X→Y:...