神经算法

人工神经网络（Artificial Neural Network，ANN）已成为机器学习领域的核心算法之一，推动了自然语言处理、计算机视觉、无人驾驶、语音识别、医疗诊断和推荐系统等多个领域的技术进步。近年来，人工神经网络在众多领域得到了广泛应用。在应用人工神经网络之前，需要确定网络结构并对其进行训练。网络结构的选择通常

公众号/  ScienceAI（ID：Philosophyai） 编译 | 绿萝不同学科对大脑的理解各不相同，这对我们描述大脑功能的能力提出了挑战。8 月 16 日，美国桑迪亚国家实验室（Sandia National Laboratories，SNL）计算研究中心神经探索与研究实

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

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

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

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

作者 | 李梅、黄楠编辑 | 陈彩娴过去十年，深度学习取得了惊人的胜利，用大量参数和数据做随机梯度下降的方法已经被证明是有效的。而梯度下降使用的通常是反向传播算法，所以一直以来，大脑是否遵循反向传播、是否有其它方式获得调整连接权重所需的梯度等问题都备受关注。图灵奖得主、深度学习先驱 Geoffrey Hinton 作为

10年内猝死风险有多大？首个神经网络算法告诉你学术头条 · 刚刚微信扫码168011该技术或将彻底改变临床决策，提高突发性和致命性心律失常的存活率。10年内猝死风险有多大？首个神经网络算法告诉你00:0005:05图片来源@视觉中国当前，心源性猝死（SCD）仍然是全球死亡的主要原因，在欧洲和北美的普通人群中，每 10

「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

模仿大脑的算法来了，可帮助人工神经网络节省内存和能量学术头条 · 刚刚微信扫码1该算法可根据人脑模型进行学习，适应不断变化的需求，其在线学习的特性也极大节省了能量。图片来源@视觉中国文丨学术头条如今，人工智能的发展如火如荼，广泛应用到了图像、自然语言、人机对话等各个领域，对各个产业进行了变革。在移动应用中，人工智能广