深度神经网络

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

编辑 | 萝卜皮深度神经网络（DNN）因其高预测精度已成功用于许多科学问题，但由于其可解释性差，它们在遗传研究中的应用仍然具有挑战性。在这里，斯坦福大学的研究团队考虑了 DNN 中可扩展、稳健的变量选择问题，用于识别基因组测序研究中推定的因果遗传变异。研究人员发现 DNN 中的特征选择具有明显的随机性，因为它具有随机性

轮到物理学家来揭示神经网络的本质了：他们在尝试让宇宙为我们处理数据。作者 | Charlie Wood编译 | 王玥编辑 | 岑峰在一个隔音的板条箱里有着一个世界上最糟糕的神经网络。在看到数字6的图像后，这个神经网络会暂停片刻，然后显示出自己识别出的数字：0。康奈尔大学的物理学家兼工程师Peter McMahon主导了

我们正处于“GoPro 物理学”的风口浪尖。无论摄像机聚焦于什么事件，算法都可以识别其中潜在的物理方程。作者 | Charlie Wood编译 |  王玥、刘冰一编辑 | 陈彩娴2017 年，西北大学化学与生物工程系的助理教授Roger Guimerà和罗维拉-威尔吉利大学的物理学教授Marta Sales-Pardo

公众号/  ScienceAI（ID：Philosophyai） 编辑/绿萝 在现有的机器学习框架中，储层计算（Reservoir Computing）展示了快速、低成本的训练，并适用于各种物理系统。该评论报告了如何将储层计算的各个方面应用于经典预测方法，以加速学习过程，并

「星期日」Hello SundayCPU 算法训练深度神经网络比 GPU 快 15 倍 AI 的一大瓶颈是训练成本，深度神经网络（DNN）的训练通常是一系列矩阵乘法操作，这是 GPU 非常擅长的工作，但 GPU 尤其是专业级显卡要比 CPU 昂贵得多。Rice 大学的计算机科学家和英特尔的研究人员从 20

遇事不决，量子力学！相信很多朋友都听过这句略带讽刺的网络流行语。它出自某部科幻作品，暗指剧情中那些解释不通的、奇奇怪怪的现象，都可以用“量子力学”来蒙混过关。19世纪末，量子力学的提出为解释微观物质世界打开了一扇大门，它彻底改变了人类对物质结构及相互作用的理解。已有实验证明，量子力学解释了许多被预言、无法直接想象的现象

4月18日消息，据外媒报道，特斯拉收购计算机视觉初创公司DeepScale的交易开始收获回报，通过收购完整团队开始为这 家电 动 汽车 制造商提供新的专利。 2019年年底，有消息称特斯拉收购了位于旧金山湾区的初创公司DeepScale，该公司专注于开发自动驾驶汽车的“深

网易科技讯4月18日消息，据外媒报道，特斯拉收购计算机视觉初创公司DeepScale的交易开始收获回报，通过收购完整团队开始为这家电动汽车制造商提供新的专利。2019年年底，有消息称特斯拉收购了位于旧金山湾区的初创公司DeepScale，该公司专注于开发自动驾驶汽车的“深度神经网络”，收购金额未披露。DeepScale

目前，深度学习模型需要大量的计算、内存和功耗，这成为我们在实时推理或在计算资源有限的边缘设备以及浏览器上运行模型的瓶颈。能量效率是当前深度学习模型的主要关注点。提升这种效率的方法之一是着眼于推理效率。 更复杂的模型=>更多的内存消耗=>更多的功耗 剪枝就是一种推理方法，它可以有效地获得更