搜索结果: 1-15 共查到“知识要闻 工学 学习”相关记录41条 . 查询时间(0.139 秒)
近日，中国农业大学食品科学与营养工程学院国家果蔬加工工程技术研究中心沈群、薛勇课题组在中国科协和美国科学促进会合作期刊《Research》发表研究性论文 “Mining Bovine Milk Proteins for DPP-4 Inhibitory Peptides using Machine Learning and Virtual Proteolysis”，文章基于人工智能和虚拟水解技术开...
中国科学技术大学在机器学习结合统计分析助力电催化剂研发取得进展（图）
机器学习 统计分析 电催化剂
2024/6/19
无序固溶体合金具有丰富的催化位点，因此可以被用于催化多种重要的化学反应。然而,也正是由于其多位点的特性，给此类催化剂活性位点的局部结构解析和总体活性的理论预测带来巨大的挑战。具体表现在，模拟时采用随机位点策略，数据量庞大，需要消耗大量的计算资源，且难以直接分析结果。使用机器学习辅助密度泛函理论计算的策略已被证实可以大幅提高计算效率，同时多种统计方法也在部分合金催化体系中被证明是分析大量数据的有力工...
机器学习可模拟优化秸秆生物炭制备调控（图）
机器学习 秸秆 生物炭 化学工程杂志
2024/6/4
近日，中国农业科学院农业环境与可持续发展研究所种植废弃物清洁转化与高值利用团队构建了机器学习大数据模型，揭示了秸秆生物炭材料及其储能特性的构效关系，相关研究成果发表在《化学工程杂志（Chemical Engineering Journal）》上。
中国科学院自动化研究所科学家构建深度脉冲神经网络学习框架（图）
深度脉冲 神经网络 学习框架
2023/10/17
脉冲神经网络（Spiking Neural Network，SNN）被誉为第三代神经网络，使用更低层次的生物神经系统的抽象。它既是神经科学中研究大脑原理的基本工具，又因稀疏计算、事件驱动、超低功耗的特性，备受计算科学的关注。随着深度学习方法的引入，SNN的性能得到大幅提升，脉冲深度学习（Spiking Deep Learning）成为新兴的研究热点。传统SNN框架更多地关注生物可解释性，致力于构建...
中国科学院大连化学物理研究所等发展出基于机器学习的苦味肽筛选新方法（图）
机器学习 苦味肽 筛选方法
2023/10/16
近日，中国科学院大连化学物理研究所能源技术研究平台研究员靳艳团队与大连工业大学、内蒙古伊利实业集团有限公司合作，发展了一种基于机器学习的苦味肽筛选新方法。科研人员利用该方法在超高温处理（Ultra High Temperature treated，UHT）牛奶中筛选并验证了导致UHT牛奶发苦的苦味肽。
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...
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...
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。
分子模拟是物质微观结构演化、光谱学模拟、材料构效关系、化学反应机理等科学研究的重要理论模拟工具。分子模拟的核心问题是根据原子几何坐标计算体系的势能和势能梯度，传统上这类计算一般依赖经验势方法或者第一性原理方法（如密度泛函方法DFT等）。一般来说，经验势方法计算效率高，可用于大体系长时间过程的模拟，但模拟精度较低，且难以描述化学键的形成和断裂等反应过程；第一性原理方法具有较高的物理精度，可描述化学反...
学术报告-缺少标签信息的时间序列表示学习（图）
学术报告 缺少标签 时间序列 吴敏
2024/4/15
缺少标签是在实际应用深度学习模型处理时间序列数据时经常面临的挑战。最近出现了几种方法，例如迁移学习、自监督学习和半监督学习，旨在提升深度模型在有限标签下的学习能力。在本次报告中，将简要回顾解决时间序列数据中标签稀缺性问题的现有方法，并将其分类为领域内解决方案和跨领域解决方案。然后，分享自己在这个主题上的一些成果。首先，介绍了两种自监督学习方法，称为TS-TCC和CA-TCC，用于领域内时间序列表示...
近日，中国科学院深圳先进技术研究院副研究员徐升和研究员徐天添团队合作，提出了一套针对微型仿鱼磁驱动机器人的复杂运动学习控制方法，通过宽度学习网络训练获得了可控磁场变化与仿鱼机器人多种动作基元之间的关系规律，实现了仿鱼机器人的复杂运动，而且该方法无需复杂调参，并具有优异鲁棒稳定性，保障了运动过程不受外界扰动影响。相关研究成果以A Robot Motion Learning Method Using ...
近日，中国科学院上海光学精密机械研究所量子光学重点实验室副研究员刘红林与香港理工大学教授赖溥祥课题组、上海理工大学教授张大伟合作，在基于深度学习的散射成像机理与应用边界的研究方面取得重要进展。相关成果以The physical origin and boundary of scalable imaging through scattering media: a deep learning-base...
江南大学人工智能与计算机学院吴小俊教授团队在人工智能顶级期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》发表深度学习最新研究成果（图）
吴小俊 人工智能 深度学习 模式识别 IEEE TPAMI
2024/3/2
近日，江南大学人工智能与计算机学院吴小俊教授团队的李辉博士等在深度学习及多模态视觉信息融合研究中取得重要进展，研究成果以“LRRNet: A Novel Representation Learning Guided Fusion Framework for Infrared and Visible Images”为题发表在人工智能领域顶级学术期刊《IEEE Transactions on Patt...
近期，中国科学院上海光学精密机械研究所光芯片集成研发中心王俊研究员团队在基于机器学习算法实现二维材料层数识别和物性检测方面取得进展，相关综述论文以“Thickness Determination of Ultrathin 2D Materials Empowered by Machine Learning Algorithms”为题发表于Laser & Photonics Reviews，并被编辑...
近日，中国科学院自动化研究所研究员曾毅课题组基于人类和生物视觉系统中广泛存在的幻觉轮廓现象启发，提出了一种将机器学习视觉数据集转换成幻觉轮廓样本的方法，量化测量了当前的深度学习模型对幻觉轮廓识别能力。实验结果证明从经典的到最先进的深度神经网络均难以像人一样具有较好的幻觉轮廓识别能力。相关研究成果发表在Patterns上。