AI神经网络

     

Word2vec中的连续词袋 (CBOW)

26 2K

连续词袋(CBOW)模型是一种用于自然语言处理的神经网络模型。它可用于多种任务,例如语言翻译和文本分类。它用于根据周围的单词来预测单词。我们可以使用不同的优化算法(例如随机梯度下降)在大型数据集上训练.

Java中神经网络Triton GPU编程

30 2K

在本文中,我们将介绍如何使用代码反射在 Java 中实现 Triton 编程模型,以替代 Python。代码反射(Code Reflection)是 OpenJDK Project Babylon 项.

使用PyTorch演示​​实现神经网络过程

26 14K

借助著名的开源PyTorch 框架,可以使用Python创建和训练神经网络。本教程将教您如何使用 PyTorch 创建基本神经网络并对 MNIST 数据集中的手写数字进行分类。现代人工智能依赖于神经网.

使用NumPy演示​​实现神经网络过程

30 17K

在不断发展的人工智能(模拟智能)领域,有一个想法经久不衰,并被证明是当今机器学习的基础:人工神经网络(ANN)。这些计算模型在人类思维不可预测的神经元网络的推动下,在从图像识别到自然语言处理的任务中表.

Instagram短视频如何实现推荐系统?

47 3K

社交媒体已成为沟通和娱乐的主要平台,需要不断寻求创新方式来保持用户的参与度和娱乐性。Instagram 是领先的社交媒体平台之一,有一个名为 Instagram Reels 的关键功能,这是一种短视频.

人工智能领域的 GoogleNet

40 4K

在人工智能 (AI) 和机器学习 (ML) 领域,有一个不变的真理:创新推动进步。多年来,研究人员和工程师不断突破人工智能所能实现的界限,每一次突破都为新的、令人兴奋的可能性铺平了道路。其中一个突破性.

神经科学还处于科学前范式的探索阶段

57

这段文章探讨了神经科学领域在21世纪以来是否有根本性的进展。作者指出,尽管有很多令人惊叹的研究成果,但它们更多地属于“酷”的范畴,而非“根本性”的。神经科学的研究方法和分析技术存在许多问题,如神经影像.

递归神经网络和循环神经网络比较

71

"递归神经网络"(Recursive Neural Network)和"循环神经网络"(Recurrent Neural Network, RNN)是两个概念在不同领域中的使用,它们有一些相似之处,但.

DeepMind:通过深度学习发现了数百万种新材料

251 2K

AI 工具 GNoME 发现了 220 万种新晶体,其中包括 38 万种可以为未来技术提供动力的稳定材料。今天,在《自然》杂志上发表的一篇论文中,我们分享了 220 万颗新晶体的发现,相当于近 800.

Chroma:用程序代码生成蛋白质的通用扩散模型

176 2K

Chroma是用Python代码实现蛋白质设计的生成模型。刚刚发表在《自然》上论文《用可编程生成模型照亮蛋白质空间》:使用人工智能生成蛋白质。1、在实验室中验证了Chroma生成的蛋白质。 这些数据增.

谷歌DeepMind天气预报器超全球标准

70

机器学习算法消化了数十年的天气数据,能够比欧洲顶级气象中心更准确地预测 90% 的大气测量结果。。在今天发表在《科学》杂志上的一篇论文中,DeepMind 研究人员报告称,其模型在 1,300 多个大.

如何评论清华大学的全模拟光电芯片?

84

北京清华大学的研究人员利用光学模拟处理图像数据,达到了令人惊叹的速度。ACCEL 每瓦功率每秒可进行 748 亿次运算,每秒可进行 46 亿次计算。研究人员将其速度和能耗与英伟达(Nvidia)的 A.

如何保持生物和AI的表征一致性?

76

在生物和AI之间获得表征”一致性对齐“概念是认知科学、神经科学和机器学习的关键。问题是:这些知识在不同科学社区之间的转移往往有限。这篇论文是来弥合这一差距的!目标为跨学科的表征对齐研究提供理论基础。我.

大脑有多深?浅层大脑假说

98

本文讨论了“浅层大脑假说”,该假说挑战了深度学习和预测编码中大脑执行分层皮层处理的常见假设。它认为,虽然皮质区域通常被描述为较高或较低的层次结构,但实际上所有皮质区域都直接投射到皮质下区域并接收来自皮.

动画演示卷积神经网络如何工作

206 1
一个动画 YouTube 频道,该频道使用 Blender 创建的 3D 动画来可视化人工智能中的概念,例如卷积神经网络。这是高质量的视觉解释,可以帮助教育儿童或非技术受众。卷积神经网络对输入数据应用.

了解神经科学四个基础概念

123

首先了解神经元是什么,它只是一个与其他细胞进行交流的正常细胞。1、什么是神经元?它们是我们神经系统的最简单单元,由近 1 000 亿个神经元组成。这些细胞具有非常独特的结构,专门用于接收、传导和传输电.

Boolformer简短介绍

103

虽然传统深度神经网络等机器学习技术在感知任务上取得了显著的成功,但在逻辑和推理问题上的表现仍然有限。这成为开发透明、可信的人工智能的一大障碍。本文介绍的新 Boolformer 模型为符号逻辑任务提供.

综合信息理论是伪科学吗?

64 2K

意识的综合信息理论(IIT)具有前所未有的雄心壮志,它从意识体验的基本特性出发,提出了一个通用数学公式,用于描述任何拥有意识的物理系统的意识质量和数量。该理论提出了一个数学公式,通过将现象学的基本原理.

神经网络第一次像人会闻了

184

数字嗅觉是人工智能社区长期忽视的一种方式,但也许有一天对机器人厨师有用?科学论文,“一个主要的气味地图统一了嗅觉感知中的不同任务”点击标题:将分子结构映射到气味感知是嗅觉领域的一项关键挑战。我们利用图.

里程碑:大脑形状可能胜过连接性

435 2K

具有里程碑意义的研究挑战了具有百年历史的神经科学范式:大脑形状可能胜过连接性人类的大脑是由大约860亿个神经元组成的,由数万亿个连接点相连。几十年来,科学家们认为,我们需要详细绘制这种错综复杂的连接,.

认知的计算模型:归纳模型

533 13K

这篇综述重点介绍了过去三十年来在驱动归纳推理的过程的计算建模方面取得的进展。这些模型的形式复杂性和解释范围都取得了重要进展。需要注意的是,这项工作的大部分重点是证明给定模型可以很好地说明归纳数据,而不.

感觉是意识的源泉

580 6K

在这个观点中,我们讨论了意识的问题,虽然我们专注于它在人类中的表现,但我们注意到这种现象存在于众多的非人类物种中,并使用各种动物研究的结果来解释我们对意识如何产生的假说。当心灵内容,如感知和思想,被自.

开源大语言模型介绍

888 6K

当OpenAI在2022年11月向公众提供其聊天机器人ChatGPT时,它立即成为一个热门。然而,其底层算法并不开放。此外,ChatGPT用户需要连接到OpenAI的云服务,并面临使用限制。现在,已经.

新研究显示,令人惊讶的树突活动可能会提高大脑处理能力

317

树突是理解大脑的核心,因为它们是决定单个神经元计算能力的核心。树突是我们神经系统的交通灯。如果动作电位足够大,它可以传递到其他神经,从而阻止或传递信息。这是我们大脑的逻辑基础——可以以两种形式共同传达.

用于因果推理和学习的神经脉冲 | PLOS

373

当一个神经元被驱动超过其阈值时,它就会出现尖峰。它不传达其连续的膜电位这一事实通常被看作是一种计算上的责任。在这里,我们表明,这种尖峰机制允许神经元产生对其因果影响的无偏估计,以及一种近似于基于梯度下.

人工智能可以告诉我们关于人类智能到底是什么?

479 1 3K

将人类的专业知识提炼成一套规则和事实是非常困难、耗时且昂贵的。这被称为“知识获取瓶颈”。虽然编写数学或逻辑规则很简单,但世界本身却非常模糊。这正是神经网络擅长的地方:发现模式和接受歧义。神经网络是一组.

回顾 2022 年:neuroAI 走向成熟 – xcorr

734
2022年已经过去了,我们对大脑如何类似人工神经网络一样?粗略浏览了约130份摘要,并阅读了几十篇,以找到最好的、最有影响力的、最有趣的,并提取今年的时代潮流。这不是一个系统性的评论;相反,这些是我对.

神经网络之所以强大的两个原因 - tunguz

1426

让神经网络如此强大的两个最重要的特性是:可微分性Differentiability组合性Compositionality可微分性使得使用梯度下降进行优化成为可能,梯度下降比大多数其他数字优化方法快几个.

神经网络为何如此独特有效? -Reddit

754

神经网络不是唯一的通用逼近器,将神经网络的成功归因于它们作为通用逼近器的地位,但也有许多算法是通用逼近器。例如,决策树也可以是通用逼近器,但它们似乎没有那么成功。为什么是这样?神经网络除了作为使它们与.

composer:2-4倍加速神经网络训练的算法库

689

Composer 是一个用 PyTorch 编写的库,使您能够以更低的成本和更高的准确度更快地训练神经网络。已经实现了两倍以上的加速方法,只需几行代码即可应用于您的训练循环,或与内置 Trainer .