- 高效的非回忆式零遗忘连续学习:自适应权重调节
通过创建每个任务的任务特定调制参数来实现,我们的方法试图在确保不遗忘的同时,最大化新任务的性能。通过全面的实验评估,我们的模型在获取和保留对其他多任务模型而言困难的新任务方面表现出卓越的性能,从而强调了我们的方法在防止灾难性遗忘并适应新任务 - 基于神经网络的 Mini-EUSO 望远镜数据中流星轨迹识别方法
Mini-EUSO 是一个广角荧光望远镜,注册了从国际空间站观测到的地球夜间大气中的紫外(UV)辐射。我们提出了两个简单的人工神经网络,可以高准确率地识别 Mini-EUSO 数据中的流星信号,从而解决了二元分类问题。我们预计类似的架构可以 - 基于外观的注视估计,使用深度神经网络增强的合成图像
使用人工神经网络建立了一个模块化系统,通过对分别裁剪的眼睛进行估计,利用人脸检测和头部姿势估计组件,无需特殊硬件或红外滤光片,仅使用内置 RGB 相机进行人眼注视估计,通过包含大量合成数据集在训练模型中,达到了比相关方法更高的准确度。
- 用人工神经网络进行星体分类分析
研究通过可见光和 / 或红外光谱来分析小行星的地表成分,使用人工神经网络算法建立了小行星分类模型,以及应用于中国空间探测望远镜的分光数据分析。
- 利用线性初始化改进自编码器收敛速度和完全训练误差
通过引入 Straddled Matrix Initialiser 以及 ReLU 激活函数的组合,本文通过在三个数据集上的 autoencoder 实验验证了该初始化技术优于其他现有权重初始化方法的性能。
- 智能机器时代的贝叶斯
人工神经网络和贝叶斯推断是互补的建模方法,可用于理解涵盖不同层次的人类认知和训练在专有数据上的大型不透明人工神经网络的行为。
- 脑启发式脉冲神经网络在工业故障诊断中的应用:调查、挑战与机遇
近几十年来,工业故障诊断(IFD)作为一门重要学科涉及检测和收集工业设备健康状况的关键信息,从而有助于识别故障类型和严重程度。由于精确有效的故障识别受到重视,自动化设备监控已成为焦点,以预防安全事故并减少对人力劳动的依赖。人工神经网络(AN - 活动稀疏性与权重稀疏性相辅相成,用于高效的 RNN 推理
通过对参数进行稀疏化,结合稀疏激活在递归神经网络中的相乘作用,实现了对神经网络计算成本高效率的优化,可以应用于神经形态计算设备上,同时不牺牲任务性能。
- 将充足的物理信息纳入人工神经网络:通过基于物理的 Rao-Blackwellization 实现保证性提升
通过物理信息利用 Rao-Blackwellization 的概念来改善人工神经网络的预测,提出的策略应用于材料建模,并通过识别屈服函数、弹塑性钢模拟、脆性破坏驱动力识别和橡胶实验的示例进行了说明。通过使用足够的物理信息,例如不变量、最小化 - 人类记忆和大型语言模型的方面
大型语言模型(LLMs)是巨大的人工神经网络,主要用于生成文本,但同时也提供了一个非常复杂的语言使用概率模型。我们调查了 LLMs 的记忆特性,并发现它与人类记忆的关键特征存在惊人的相似性,这一结果强烈暗示了人类记忆的生物特征对我们构建文本 - 运用符号知识增强深度神经网络:朝向可信和可解释的教育人工智能
人工神经网络在教育应用中具有适应性教育服务的重要性,然而由于三个重大挑战,即难以整合教育知识、学习和反思偏见,以及缺乏解释性,它们在实践中的教育潜力受到限制。该研究认为神经符号人工智能具有解决这些挑战的潜力,通过开发一种称为 NSAI 的方 - 一种用人工神经网络解决引力 N 体问题的混合方法
使用人工神经网络的混合积分器来模拟天体运动,以提高计算速度并保持能量准确性。
- 干涉神经网络
通过将干涉仪纳入神经网络中,我们构建了生成对抗网络,展示了其在组合优化、图像分类和图像生成方面的应用能力。
- 集体深度学习的有效理论
我们通过对于耦合的人工神经网络系统中集体学习的出现进行解析,引入了一个最小模型,通过考虑每个神经网络单元参数的本地学习动态和单元之间的扩散耦合之间的竞争来凝结几个最近的分散算法。
- 双重认知架构:将偏见和多内存系统纳入终身学习
我们设计了一种名为 Dual Cognitive Architecture (DUCA) 的新型框架,它结合了人类认知的多个因素,包括认知计算结构、认知偏差和多记忆系统,并具备多个子系统、内隐和显性知识表示二分法、归纳偏差以及多记忆系统功能 - 利用子网络注入归纳偏置
通过机械式子任务诱导方法,在训练模型中实现特定的子任务以引入归纳偏差,以减少训练数据量并成功诱导出人类类似的形状偏差。
- 迈向可解释的目标中心学习的可控性
通过引入自增强图像策略的槽位注意力方法(SlotAug),本文探索了一种学习可解释的自控槽位的可能性,在计算机视觉领域中的物体中心学习(OCL)的研究中取得了显著的进展,并且通过引入辅助身份操作和槽位一致性损失,提出了可控槽位的可持续性概念 - 无人机和神经网络用于搜救任务
通过使用人工神经网络和监督学习的数据集,本论文提出了一种在无人机拍摄的航拍图像中检测感兴趣对象(包括汽车、人类和火灾)的方法,并结合经典图像处理技术和预训练的神经网络实现了数据集的辅助标注和数据扩增。最后,评估了不同神经网络的性能。
- 基于我们可以控制的人工神经网络
通过系统分析方法如何确保人工神经网络(ANNs)的稳定性和效率?利用控制系统的知识可以分析其系统功能和模拟系统响应,该方法可以有助于优化器和学习系统的开发,特别是在识别对 ANNs 产生负面影响的组件时。
- 通过交互生成数字模式和视觉表示进行神经网络的主动学习
为了改善用户对神经网络的学习和理解,本文设计了一个交互式学习系统,用于实时创建并识别数字模式,并通过可视化技术在二维空间中呈现数字模式的视觉差异和神经网络结果,通过多个数据集的评估和夏季研讨会的非正式用户测试,验证了系统的可用性。