- 神经元元胞自动机轻量级、鲁棒性和可解释白细胞图像分类
白细胞分类的新颖方法基于神经元细胞自动机 (NCA),在三个白细胞图像数据集上测试表明我们的方法在与常规方法的竞争性能方面取得了良好的结果,该架构天然可解释,提供了对每个分类决策过程的洞见,帮助专家理解和验证模型预测,结果表明 NCA 不仅 - 使用深度学习估计冠状动脉中的 FFR
冠状动脉疾病是欧盟和美国最常见的死因之一,其中关键的生物标志物是分数流量减少 (FFR),通过侵入性诊断技术冠状动脉造影获得其体内测量。为了解决侵入性的缺点,近年来出现了一种名为虚拟 FFR (vFFR) 测量的新方法。本文中,我们探讨了使 - ICLRPointSAGE:网格无关的流体流动预测的超分辨率方法
利用 PointSAGE 这种不依赖网格信息的新型框架,融合了深度学习技术,能够准确预测复杂流体行为并直接生成精细模拟,相较于传统的 CFD 技术,在不同场景和数据集中表现出显著效果并大幅加速计算时间。
- 肺音和肺病分类的多任务学习
使用多任务学习方法,在医学诊断中对肺音和肺疾病进行同时分类,结果表明该方法在同时分类肺音和肺疾病方面取得了良好的效果,并应用于慢阻肺患者的风险水平计算中,使用随机森林分类器达到了 92% 的准确率,从而减轻了医生的负担。
- 推荐系统中自监督学习的综合调查
推荐系统在面对信息过载的挑战中发挥着关键作用,通过基于个人用户偏好的个性化推荐提供了解决方案。深度学习技术(如 RNN、GNN 和 Transformer 架构)显著推动了推荐系统的发展,增强其对用户行为和偏好的理解。然而,在现实场景中,监 - 药物协同作用预测的新方法
本文通过探索基于高通量组合筛选的新的药物组合协同性预测方法,总结了 2021 年以来发表的三十多种原始机器学习方法,其中绝大多数基于深度学习技术。我们旨在通过突出核心技术、数据来源、输入数据类型、以及方法中使用的协同性评分、预测场景和评估协 - 肺炎应用:利用可解释的卷积神经网络(CNN)进行高效儿童肺炎诊断的移动应用
通过使用深度学习技术的移动应用程序 PneumoniaAPP,我们在中国等高发地区解决了儿科医疗中诊断儿童肺炎的挑战,该应用程序利用了卷积神经网络 (CNNs) 对包含 3345 张胸部 X 光 (CXR) 图像的综合数据集进行训练,并在公 - 从组织病理学图像生成细胞学图像的可行性研究
通过使用生成模型,如 CycleGAN 和神经风格迁移,将公开可用的乳腺组织学样本转化为合成的细胞学图像,我们研究了医学影像领域中的自动化和深度学习技术的应用,通过测量 FID 和 KID 分数发现所生成的细胞学图像与真实的乳腺细胞学样本非 - 基于深度学习的 BERT 模型在情感分析中的应用研究
本研究论文探讨了深度学习技术(尤其是 BERT 模型)在情感分析中的应用,介绍了情感分析的基本概念和深度学习方法的应用。通过详细的解释,阐明了 BERT 模型在情感分析中的应用效果和优化策略,并通过实验证实了这一点。实验结果表明 BERT - TrafficGPT:突破标记壁垒的高效长程交通分析与生成
TrafficGPT 是一个使用生成预训练模型和线性注意力机制解决长流分类和生成任务中的复杂挑战的深度学习模型,在分类任务中表现出卓越性能并达到了最新水平,在生成任务中,它与真实流量非常相似,并以低的 JS 散度和接近 0.5 的 F1 分 - WWW基于谱图卷积编码器的 3D 人脸重建
通过将现有的 2D 特征与 3D 特征相结合,引入 3D-ID Loss 指导模型学习过程,提出一种创新方法来克服当前单眼 3D 人脸重建方法中所遇到的挑战,从而提高 3D 结构特征的重建效果。
- 以二维图像为表示的适当拓扑地图上的时空汇聚用于脑电图分类
基于脑电信号的运动想象分类的研究提出了一种新的方法,利用坐标转换的 t-SNE 生成二维图像来表示拓扑地图,利用 InternImage 提取空间特征,利用 PoolFormer 启发的时空汇聚来利用序列的脑电图像中隐藏的时空信息,通过实验 - 最佳的两全之策:一种灵活且具有泛化能力的神经符号方法用于关系分类
介绍了一种新的神经符号结构用于关系分类,结合了基于规则的方法和现代深度学习技术,通过语义文本匹配增强规则泛化能力,该方法在两个 few-shot 关系分类数据集上的评估中,表明在四个设置中有三个的性能优于之前的最先进模型。
- 基于互信息驱动的跨变量和时序建模的多元时间序列预测增强
通过引入 Cross-variable Decorrelation Aware feature Modeling (CDAM) 和 Temporal correlation Aware Modeling (TAM) 技术,本研究提出了一种新 - MM利用深度学习对无线传播路径进行室外环境重建
通过分析射频(RF)数据,本文提出了一种利用环境无线信号对室外环境进行重建的新方法,通过选定的深度学习技术在合成射频数据集 WAIR-D 上进行研究,评估了两种基于深度学习的方法,在性能评估中使用了交集 - 并集(IoU),豪斯多夫距离和切 - 使用深度学习技术对短英文文本进行情感分类
使用深度学习技术和 BERT 文本嵌入方法,对来自资源匮乏语言的有限文本数据集进行情感识别的研究,通过介绍 SmallEnglishEmotions 数据集验证了这些方法在准确分类数据集中的优越性。
- 深度学习在肝细胞癌研究中提升问答系统的方法
近年来,自然语言处理的进展主要依靠深度学习技术,尤其是利用强大的计算资源如 GPU 和 TPU。通过在大量数据上训练,BERT 和 GPT-3 等模型已经彻底改变了语言理解和生成的方式。这些预训练模型为语义理解、智能写作和推理等各种任务提供 - TREC:利用少样本来源子图学习进行 APT 技巧识别
本文提出了 TREC 方法,通过利用深度学习技术从溯源图中识别 APT 战术 / 技术,以解决现有方法中粗粒度、缺乏泛化能力的问题,实验结果表明 TREC 在 APT 战术识别方面明显优于现有系统,同时也能有效地识别 APT 技术。
- 使用特定领域的余弦相似度度量方法对胸部 X 射线报告进行语义文本相似性评估
医疗语言处理和深度学习技术作为改善医疗保健的关键工具,特别是在医学影像和医学文本数据的分析中。本研究介绍了一种新的方法,专门用于评估生成的医学报告与实际情况之间的语义相似度,该方法在领域特定的医学背景下表现出较高的效率。
- 揭开语言习得的黑盒子
通过序列记忆和分块构建的最小认知体系架构用于学习语言,替代了使用深度学习的大型语言模型,并且能够从零开始学习人工语言,并提取支持学习的语法信息。研究表明这种简单的架构的强大性,并强调序列记忆作为语言学习过程的关键组成部分的重要性,这可能解释