搜索结果: 61-75 共查到“工学 学习”相关记录1472条 . 查询时间(0.421 秒)
中国科学院多尺度神经可塑性调制机制启发的类脑连续学习（图）
多尺度神经 神经网络 生物系统 人工智能
2023/9/2
人工智能迫切需要借鉴生物系统中的微观、介观、宏观等多尺度神经可塑性融合计算机制，以便启发实现更加高效的类脑连续学习算法，消除人工神经网络由于采用反向传播（Backpropagation, BP）等人工学习方法而导致的广泛灾难性遗忘现象。生物系统中常见的多巴胺、5-羟色胺、血清素、去甲肾上腺素等神经调质物，往往经由特定的腺体释放（图1A），并远程弥散、投射到一定范围内的目标神经元群体，且根据调质浓度...
中国科学院上海药物研究所提出机器学习辅助定向进化新方法（图）
机器学习 辅助 定向进化
2023/8/21
定向进化是模拟自然进化机制，利用现代分子生物学方法创造大量的突变基因文库，采用灵敏的定向筛选策略，创造出自然界不存在的或改良特性的蛋白质等生物分子的一种方法。定向进化已广泛应用于蛋白质的分子改造和优化，被认为是生产具有改良或全新特性的蛋白质的高效方法，对于酶工程、多肽和大分子药物设计都具有重要意义。传统的定向进化实验流程包括筛选测试大量突变序列的功能，将得到的最优序列作为亲本序列进行下一轮的突变和...
基于强化学习的减少烘丝过程中烟丝 “干头” 量的方法
烟丝含水率 过干烟丝 强化学习 超调
2024/1/16
针对烘丝开始阶段存在的烘丝温度超调、过干烟丝较多等问题,提出一种基于强化学习(Reinforcement learning,RL)的减少烟丝“干头”量的方法.该方法利用生产实时数据作为输入特征向量感知烘丝生产过程的状态变化,以烟丝含水率检测值为依据来评价、优化烘丝温度控制策略,实现对烘丝机温度设定值的在线修正,优化烘丝开始阶段的温度控制,有效改善烟丝过干问题。
研究揭示机器学习方法可较好地模拟天山高海拔流域日流量和极端流量（图）
机器学习 山高海拔流域 日流量 极端流量
2023/8/17
中亚天山高海拔地区的复杂地形和恶劣天气条件以及稀少的水文气象站点分布，导致该地区气象和水文观测数据缺乏。而传统的基于物理过程的水文模型需要大量的观测数据来校准空间参数，使得高山区分布式水文模拟颇为困难。机器学习方法（LSTM）由于非线性拟合能力强大而逐渐被应用于水文建模。这种方法能分析输入和输出数据之间的关系，为流量模拟提供了新策略。中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室研究员...
为做好有机废弃物循环利用教学团队的建设，2023年8月11日上午，在团队负责人江丽华教授的带领下，山东农业工程学院资源与环境工程学院各专业负责人员赴山东航空学院生物与环境工程学院考察学习。资源与环境学科方向带头人，滨州市固体废物资源化工程技术研究中心副主任李学平教授热情接待了山东农业工程学院资源与环境工程学院访问交流人员。
自然资源部第一地理信息制图院召开高质量发展与创新管理研修班学习交流座谈会（图）
座谈会 自然资源部 第一地理信息制图院
2023/11/13
近日，陕西测绘地理信息局联合深圳大学举办“高质量发展与创新管理研修班”，自然资源部第一地理信息制图院选派5人参加学习。为分享学习成果，激发创新活力。日前，第一地理信息制图院召开高质量发展与创新管理研修班学习交流座谈会，交流心得体会，共谋发展思路。制图院副院长梁爽主持会议，业务科、研修班学习人员、局高层次科技创新人才梯队人员、院科技人才创新岗、院青年学术和技术带头人、院科技骨干等参加交流。
基于低秩张量图学习的不完整多视角聚类
多视角聚类 视角缺失 不完整多视角聚类 图学习
2024/1/16
传统多视角聚类都基于视角完备假设,要求所有样本的视角信息完整,不能处理存在部分视角缺失情形下的不完整多视角聚类任务.为解决该问题,提出一种基于低秩张量图学习的不完整多视角聚类方法.为了恢复相似图中缺失视角所对应的样本关联信息,该方法将低秩张量图约束和视角内在图保持约束融入到多视角谱聚类模型。
双目深度估计的在线适应是一个有挑战性的问题,其要求模型能够在不断变化的目标场景中在线连续地自我调整并适应于当前环境.为处理该问题,提出一种新的在线元学习适应算法(Online meta-learning model with adaptation,OMLA),其贡献主要体现在两方面:首先引入在线特征对齐方法处理目标域和源域特征的分布偏差,以减少数据域转移的影响;然后利用在线元学习方法调整特征对齐过...
中国科学院高能物理研究所第三次人工智能深度学习研讨会召开（图）
第三次 人工智能 深度学习 研讨会 中国科学院高能物理研究所
2023/6/27
目前，人工智能大模型正处于快速发展阶段，以深度学习为代表的人工智能算法和大规模训练数据的结合，推动了大模型的兴起。在物理研究领域，人工智能大模型在数据分析与模式识别、物理模拟与预测、物理系统优化与控制等多方面均具有潜在的巨大应用前景。
一种空间几何角度最大化的随机增量学习模型及应用
随机权神经网络 增量学习 空间几何角度最大化约束 无限逼近性
2024/1/16
针对随机权神经网络(Random weight neural networks,RWNNs)隐含层节点随机生成过程可解释性不足和节点随机生成而导致的网络结构不紧致等问题,提出了一种空间几何角度最大化随机增量学习模型(Stochastic incremental learning model with maximizing spatial geometry angle,SGA-SIM).首先,以空间...
一种基于自监督学习的矢量球面卷积网络
矢量球面卷积网络 自监督学习 三维目标分类 三维目标部分分割
2024/1/17
在三维视觉任务中,三维目标的未知旋转会给任务带来挑战,现有的部分神经网络框架对经过未知旋转后的三维目标进行识别或分割较为困难.针对上述问题,提出一种基于自监督学习方式的矢量型球面卷积网络,用于学习三维目标的旋转信息,以此来提升分类和分割任务的表现.首先,对三维点云信号进行球面采样,映射到单位球上;然后,使用矢量球面卷积网络提取旋转特征,同时将随机旋转后的三维点云信号输入相同结构的矢量球面卷积网络提...
VALSE2023年度视觉与学习青年学者研讨会（Vision And Learning SEminar），在2023年6月10日-12日于无锡国际博览中心举办，由江南大学和无锡新吴区联合承办。我院王慧燕、田彦等老师与诸亦恒、叶威、徐超宇等学生参与了本次会议。
2023年度视觉与学习青年学者研讨会 (Vision And Learning SEminar, VALSE)于2023年6月10日至12日在无锡顺利召开。VALSE发起于2011年，每年举办一次，是Vision And Learning SEminar的简写，取“华尔兹舞”之意，本着“倡导学术平等，深度前沿交流；恪守科学精神，践行学术契约；热心学术服务，促进沟通合作”的理念和使命，旨在为全球计算...