WIKI資訊
根據英國《自然·神經科學》雜志8月21日在線發表的一項研究，美國哈佛大學團隊運用一種新型深度學習算法，成功追蹤動物運動及行為，其準確度可達到人工水平，而且無需采用追蹤標記物或進行費時的手動分析。專家認為，這一成果打開了海量的數據來源之門。 準確追蹤行為發生期間的身體運動部位是運動科學的一項重要內容。但是，如果采用視頻記錄方式來追蹤運動，研究人員要么需要費時費力地標記每一幀，要么需要在研究對象身體的預定點上放置標記物。而標記物可能干擾研究目標的行為，而且一般只適合有限類型的運動。 此次，哈佛大學科學家團隊利用機器學習開發了一款開源運動追蹤工具，名為“DeepLabCut”，它不受以上限制。研究團隊先采用一個大型目標識別圖像數據庫對“DeepLabCut”進行了預訓練。之后，“DeepLabCut”只需要接受小規模的人類標記圖像（約200張）訓練，即可完成一項新的追蹤任務，從而方便神經科學家研究動物行為。 研究人員演示了這......閱讀全文
人工智能（artificial intelligence，AI）即為研究、探索如何模擬人類智能并對人類智能進行擴展延伸的一門學科。現如今人工智能已成為人們廣泛關注的焦點，其今后的發展將對各行各業產生深遠的影響。機器學習（machine learning，ML）是實現人工智能的方法之一，是使計算機
人工智能（artificial intelligence，AI）即為研究、探索如何模擬人類智能并對人類智能進行擴展延伸的一門學科。現如今人工智能已成為人們廣泛關注的焦點，其今后的發展將對各行各業產生深遠的影響。機器學習（machine learning，ML）是實現人工智能的方法之一，是使計算機
盡管新的算法模型在推動AI向前發展，但并不意味著它們的前景可以預見，也不意味著深度學習“不可救藥”。 在當前的第三次人工智能（AI）浪潮之中，深度學習算法被認為是迄今為止“最為重大的AI革命”。此說法或許有所夸大，但深度學習對這一輪AI的大爆發而言的確功不可沒。然而，最近以來，關于深度學習算
摘要：近10 年來，人工智能技術得到了科技與工業界的極大的重視，預示著人類文明將進入智能時代。但是，作為智能時代基礎的“智能科學”還遠未成型。本文從電磁物理信息感知技術的獨特視角，討論智能科學如何發展的一些見解，指出人類智能與外在世界互為對偶問題、相互不可分割的根本屬性，因此按人工智能所應對的對
2006年，Hinton提出的“貪婪算法”訓練多層自編碼器引領了一批專家去研究深度神經網絡，包括LeCun和Bengio等。深度神經網絡之所以取得巨大成功，筆者認為其最核心算法改進在于采用了一類簡化的激活函數，即規則化線性單元（rectified linear unit，ReLU）。由圖3可
請讀者朋友們先靜下心來想想，你能想到的最沮喪、最棘手或者簡單說來最煩惱的問題是什么?接下來，你再想想什么技術可以解決這些問題。為此，美國麻省理工學院(MIT)的《技術評論》雜志為讀者朋友們遴選出了2013年的10大突破性技術，這些技術為解決問題而生，將會極大地擴展人類的潛能，也最有可能改變世界的
上周五，《科學》雜志報道了英國諾丁漢大學流行病學家Stephen Weng博士團隊發表在《PLOS ONE》上的重要研究成果，Weng博士團隊將機器學習算法應用于電子病歷的常規數據分析，發現與當前的心臟病預測方法相比，深度學習算法不僅可以更準確地預測心臟病發病風險，還可以降低假陽性患者數量(1)
相比GPU和GPP，FPGA在滿足深度學習的硬件需求上提供了具有吸引力的替代方案。憑借流水線并行計算的能力和高效的能耗，FPGA將在一般的深度學習應用中展現GPU和GPP所沒有的獨特優勢。同時，算法設計工具日漸成熟，如今將FPGA集成到常用的深度學習框架已成為可能。未來，FPGA將有效地
院士學術報告會|譚鐵牛：人工智能是天使還是魔鬼？ （本文由科學大院根據譚鐵牛院士在中科院第十九次院士大會上的報告整理而成，首發于科學大院） 尊敬的各位院士、各位同仁，會場的各位同學以及各位網友大家好！今天非常榮幸有機會跟大家匯報一下我本人關于人工智能的一些粗淺想法。我報告的題目是《人工智能：天使
近期，清華大學-中國工程院知識智能聯合研究中心、中國人工智能學會吳文俊人工智能科學技術獎評選基地聯合發布了《2019人工智能發展報告》，遴選了13個人工智能的重點領域，包括深度學習、計算機視覺、語音識別、機器人等熱點前沿技術的基礎及應用研究、發展動向等。 深度學習讓圖像、語音等感知類問題取得突
當谷歌DeepMind的AlphaGo在2016年令人震驚地擊敗傳奇圍棋選手李世石(Lee Sedol)時，人工智能(AI)、機器學習和深度學習等術語被推入了技術主流。 人工智能通常被定義為電腦或機器展示或模擬智能行為的能力，比如特斯拉(Tesla)的自動駕駛汽車和蘋果(apple)的數字助理
大數據分析與應用技術國家工程實驗室是由北京大學牽頭，聯合中國科學院數學與系統科學研究院、北京奇虎科技有限公司、北京嘀嘀無限科技發展有限公司、中山大學、中國信息安全研究院等單位共同建設，并于2017年獲國家發改委正式批復同意。 實驗室以北京大數據研究院為支撐平臺，計劃建設大數據預處理技術平臺、大數
Xeon Phi芯片 當地時間8月17日，英特爾數據中心集團執行副總裁戴安·布萊恩特在開發者大會（IDF）上宣布，將在2017年推出專為機器深度學習設計的芯片——Xeon Phi，代號Knights Mill。在此之前，英特爾剛剛以4億美元收購了一家專注深度學習開發平臺研究的初創公司Nervana
“我從來沒有體驗過生物鐘。我從來沒有聽到過生物鐘的滴答聲。“ —— 美國知名影視喜劇明星珍·林奇（Jane Lynch）Insilico Medicine創始人兼首席執行官Alex Zhavoronkov博士 喜劇演員Jane Lynch大可以嘲笑一番生物鐘，但對于我們大多數人來說，我們的生物
深度學習在雷達中的研究綜述王俊, 鄭彤, 雷鵬, 魏少明 摘要：雷達通過發射天線發射電磁波，經過不同物體反射接收到相應的反射波，對其接收結果進行分析，能得到物體距雷達的位置，徑向運動速度等信息，所以對雷達信號的分析具有重要的
在美國圣何塞附近的研究室里，IBM用48塊TrueNorth試驗芯片構建了一個電子的嚙齒動物大腦，每一塊芯片都可以模擬大腦的一個基本構件。 最近連線雜志的記者在項目負責人Dharmendra Modha的帶領下，近距離接觸了整個工程。它體積就像一個浴室的醫藥箱，遍體是半透明塑料板，能清晰的看到
在《黑客帝國》火爆全球后，腦（腦）機（后）接（插）口（管）成為人們憧憬的未來，這個未來到底有幾分科幻幾分真實呢？我們的大腦是否真的可以和網絡虛擬世界連接起來？著名科學家，腦機接口領域開創者，著有《腦機穿越》（湛廬文化出品）一書的米格爾 ？ 尼科萊利斯（Miguel Nicolelis）接受了雷鋒
5.2 養殖浮筏信息提取近些年，極化SAR圖像的識別分類得到了廣泛地研究，主要可以分為非監督和有監督兩大類方法[27]。非監督方法僅僅根據遙感數據自身特性，無需人工輔助實現最終聚類，更適合于大范圍目標識別[28,29]。有監督分類方法不需要任何假設條件，針對精細化分類，可以獲得較高的精度[30]。5
糖尿病視網膜病變、青光眼和白內障合稱為人類視力的三大殺手。糖尿病性視網膜病變（DR）是糖尿病的嚴重并發癥之一，目前，國際糖尿病聯合會（IDF）發布的糖尿病調查數據顯示，2015年中國糖尿病患者已經達到了1.096億，糖尿病視網膜病變在糖尿病人群中的發病率達1/3。目前對于糖尿病視網膜病變的診斷，
人工智能技術在物流、醫療、金融、產業物聯網等很多領域都有現實應用。對于關乎每個人健康的醫療領域而言，不管醫生是不是接受，人工智能已強勢闖入醫療界。 最近有兩條消息再次把人工智能推向了高潮： 1.2017兩會中人工智能第一次出現在政府工作報告中，關注人工智能的科技界因此熱血沸騰。 2.世界癌
我們都知道，不論是多么好的物質生活都需要以安全的生存環境為前提，沒有安全一切將變為一紙空談。現實環境需要安全，網絡環境更是如此。那么如何建立良好且安全的網絡空間環境？怎樣更好的將更廣泛的技術（例如人工智能技術）與網絡安全防護相結合？帶著這些問題，中國科技網記者采訪到了清華大學網絡研究院的張超教授
在電子智能領域，所有類型的芯片廠商都不約而同的研發推出各種不同類型的AI處理器。國外大企，像高通、英偉達等，都已宣布推出用于智能手機和其他移動設備的神經引擎。例如在智能手機中添加AI功能和手機的Face ID應用等。使用邊緣側AI自行處理相比傳輸到云端處理更安全、私密，響應時間更快。按照整體大趨勢，
Rick Stevens 表示，首個先進癌癥計算解決方案的聯合設計（Joint Design of Advanced Computing Solutions for Cancer，JDACS4C）「成果」將于 2017 年第二季度的某個時間公開。JDACS4C 一共有三個試點項目，Rick 領導
昨天（9月10日）上午，阿里巴巴達摩院青橙獎第三屆獲獎名單正式揭曉，共10 位青年科學家，每人 100 萬人民幣獎金。在他們之中，最年輕者僅有 28 歲，獲獎者的平均年齡也只有 32 歲。除了百萬獎金之外，每位獲獎者還將獲得阿里全方位的科研資源支持。姜宇（清華大學）鄧岳（北京航空航天大
基因組學正在探索DNA變異如何影響特定疾病，使用機器深度學習對DNA和細胞中關鍵分子的關系進行建模，從而讓基因組學的研究更有效。 在用深度學習研究基因組學的時代，Deep Genomics推開了第一扇窗。Deep Genomics，即“Deep Learning + Genomics”，是
每個階段還應該研究對應的人腦原生的驅動力，如生理需求、心理需求等，這些需求是驅動通用人工智能算法進行正確學習的必要源動力。第4個階段研究對象為意識的本質，意識如何形成是一個根本科學問題，人工智能是否能產生意識更是一個哲學問題，這一根本問題的研究有助于解答人類一直尋求的答案：人是從哪里來的。有一點可以
黨的十九大報告提出，加強應用基礎研究，拓展實施國家重大科技項目，突出關鍵共性技術、前沿引領技術、現代工程技術、顛覆性技術創新。其中“顛覆性技術”備受關注。什么是顛覆性技術？我國有哪些顛覆性技術創新在世界上位居前列？它們對我國和世界的經濟社會發展將產生什么影響？我們該如何應對這些技術革新帶來的巨
將人工智能（AI）用于醫療輔助診斷早已經不是什么新鮮事，僅AI醫學影像輔助診療一項就有非常多的應用場景。然而，近日來自美國波士頓一家名為FDNA的數字醫療公司的研究人員大開腦洞，提出用深度學習技術僅僅通過“看面相”，就能幫助醫生識別罕見基因疾病，并付諸實踐。他們的研究于1月7日登上了《自然—醫
如今，人工智能算法可以通過深度學習進行非常詳盡的數據分析，從人臉識別到醫學影響分析，人工智能算法的表現已經趕上甚至超越了人的表現。不過，進行這些任務的算法通常都是在建立在對成千上萬的數據進行分析的基礎上的。因此，在數據有限的情況下，人工智能的應用受到了限制，其中的一個例子就是新藥研發領域。 最
除了編譯時間外，吸引偏好上層編程語言的研究人員和應用科學家來開發FPGA的問題尤為艱難。雖然能流利使用一種軟件語言常常意味著可以輕松地學習另一種軟件語言，但對于硬件語言翻譯技能來說卻非如此。針對FPGA最常用的語言是Verilog和VHDL，兩者均為硬件描述語言（HDL）。這些語言和傳統