• 神经网络
    神经网络的相关报道 本页是关于(神经网络)的所有博文,按照时间倒序展现。实时更新。

    总数 555 1/50
  • 微美全息开发基于卷积神经网络的人脸识别算法

    砍柴网  • 
    随着大数据时代的到来与崛起,人们开始愈加关注隐私安全和生命安全,当人们处于公共场所时,人们希望可以获得足够的安全保障,针对人身安全和隐私安全的要求刺激了生物识别技术的发展。生物识别,具体是指通过人工建模、大数据训练等方法训练计算机,使得计算机可以获取与人类相似甚至更好的识别能力。在生物识别领域中,人脸识别由于其生理特征
  • 微美全息通过硬件实现忆阻器卷积神经网络,在人工智能系统中发挥重要作用

    砍柴网  • 
    人工智能是近年来发展最快的技术领域之一,在广泛的行业和领域都有应用。开发强大的人工智能系统的关键挑战之一是创建能够实时、高精度执行复杂模式识别任务的计算系统。为了应对这一挑战,许多研究人员和公司都转向了卷积神经网络(CNN),它在实现这些目标方面表现出了巨大的前景。然而,传统的神经网络在功率和效率方面仍然有限,并且通常
  • 微美全息基于深度学习和神经网络开发高效的计算机生成全息技术

    砍柴网  • 
    数字全息技术是一种基于干涉和衍射的物体波的记录和回放技术。然而,由于光学干扰容易受到环境的影响,记录过程总是受到许多因素的影响。计算机生成全息(CGH)技术是一种通过编码相干光波前的强度或相位来获得自定义光场分布的光场调制技术。对于仅相位计算全息,可以实现显示的图像,而不受孪生图像的干扰。空间光调制器(SLM)技术及超
  • 使用深度神经网络预测大脑如何处理自然声音 - IT思维

    IT思维  • 
    公众号/  ScienceAI(ID:Philosophyai) 编辑 | 萝卜皮识别声音涉及输入波形到语义表示的大脑转换。尽管过去的研究将颞上回 (STG) 确定为重要的皮层区域,但这些脑转换的计算指纹特征仍然很差。法国国家科学研究中心和艾克斯-马赛大学以及荷兰马斯特里赫特大学的
  • 微美全息开发基于深度卷积神经网络的图像三维重建算法系统

    砍柴网  • 
    随着计算机视觉和深度学习技术的不断发展,图像三维重建算法在三维建模、机器人视觉、医学图像处理等领域得到了广泛的应用。据了解,微美全息(NASDAQ:WIMI)开发了基于深度卷积神经网络的图像三维重建算法系统,其是通过卷积神经网络提取输入图像的特征,再通过全连接层生成三维模型的参数,最终将这些参数输入到三维模型中进行重建
  • 比现有方法快1000倍!华盛顿大学和微软团队使用图神经网络从单个蛋白质结构中预测隐藏Pocket的位置 - IT思维

    IT思维  • 
    公众号/  ScienceAI(ID:Philosophyai) 编辑 | 萝卜皮有的蛋白质在基态结构中缺乏 Pocket,因此被认为是「不可成药的蛋白质」。通过靶向隐藏 Pocket,可以在「不可成药的蛋白质」中寻找新的机会,来扩大药物发现的范围。然而,识别隐藏 Pocket 是
  • 京东工业与正泰电器达成战略合作 用“神经网络”链接提升产业链上下游流通效率

    砍柴网  • 
    近日,全球知名的智慧能源解决方案提供商正泰电器与京东工业举办战略合作签约仪式,京东集团副总裁、京东工业CEO宋春正,正泰电器董事、副总裁,正泰集团技术研究院轮值院长南君煜出席活动。协议约定,正泰电器旗下覆盖配电电器、终端电器、电源电器、工业自动化等专业品类的全系产品入驻京东工业品。此外,双方还将共同探索电器行业供应链数
  • 微美全息开发基于数据挖掘和神经网络的数据分析与监测算法系统

    砍柴网  • 
    近年来, 互联网 及其相关技术促进了计算机、网络和通信的整合,数据处理总量越来越大,各产业的信息化程度越来越高,社会的数据化趋势越来越明显。面对海量数据,决策者很难直接从中提取有价值的知识,这导致对数据分析工具的强烈需求。 数据挖掘是信息技术自然演进产生的高级数据分析工具。数据挖掘是从庞
  • 微美全息开发基于人工神经网络的数据挖掘聚类算法系统

    砍柴网  • 
    互联网 数据量呈爆炸式增长,数据对社会生产和生活的影响越来越大,数据挖掘技术的应用也越来越广泛。数据挖掘过程是一个反复多次的人机交互过程,它包括定义问题、建立数据挖掘库、分析数据、准备数据、建立模型、评估模型等。主要的数据挖掘算法包括关联分析、序列模式挖掘、分类算法及聚类算法等。 据了解,WIMI微美全息
  • 用于化学动力学模拟的原子神经网络表示 - IT思维

    IT思维  • 
    公众号/  ScienceAI(ID:Philosophyai) 编辑 | 白菜叶机器学习技术已广泛应用于化学、物理、生物学和材料科学的许多领域。最富有成果的应用之一是从离散量子化学数据中学习势能或相关电子特性的复杂多维函数。特别是,大量努力致力于开发各种原子神经网络 (AtNN)
提交建议
微信扫一扫,分享给好友吧。

您最多可以有 个私人频道。
邀请好友可以增加到5个
也可以替换已有猎物

×