計(jì)算機(jī)科學(xué)家使用圖神經(jīng)網(wǎng)絡(luò)將流感病例識(shí)別為區(qū)域互連的簇
計(jì)算機(jī)科學(xué)家使用圖神經(jīng)網(wǎng)絡(luò)將流感病例識(shí)別為區(qū)域互連的簇。流感預(yù)測(cè)的這種扭曲使該團(tuán)隊(duì)的算法可以發(fā)現(xiàn)區(qū)域內(nèi)和區(qū)域之間的感染模式，從而幫助衛(wèi)生官員進(jìn)行決策。
新澤西州史蒂文斯理工學(xué)院的岳寧博士及其同事說，他們的AI技術(shù)比其他現(xiàn)代系統(tǒng)所提供的準(zhǔn)確性提高了11%。
他們聲稱，憑借這種優(yōu)勢(shì)，該方法（包括“捕獲時(shí)空的相互作用”）可以預(yù)測(cè)流感在疫情到來之前的15周內(nèi)爆發(fā)。
“我們的模型也是非常透明的，”寧說，在一個(gè)新聞發(fā)布會(huì)上?！霸谄渌?a href="http://www.socialnewsupdate.com/tags/ai/" target="_blank">AI預(yù)測(cè)使用“黑匣子”算法的地方，我們能夠解釋為什么我們的系統(tǒng)做出特定的預(yù)測(cè)，以及它如何認(rèn)為不同地區(qū)的疫情會(huì)相互影響?！?/p>
Ning及其同事對(duì)來自美國和日本的真實(shí)狀態(tài)和區(qū)域數(shù)據(jù)進(jìn)行了算法訓(xùn)練。他們對(duì)照歷史流感數(shù)據(jù)測(cè)試了其預(yù)測(cè)。
該研究所認(rèn)為，這種新技術(shù)具有預(yù)測(cè)局部和區(qū)域COVID暴發(fā)的潛力。
責(zé)任編輯：lq
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4814瀏覽量
103641 -
算法
+關(guān)注
關(guān)注
23文章
4710瀏覽量
95403 -
ai技術(shù)
+關(guān)注
關(guān)注
1文章
1308瀏覽量
25160
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
NVIDIA 宣布推出 DGX Spark 個(gè)人 AI 計(jì)算機(jī)
臺(tái)式超級(jí)計(jì)算機(jī)由 NVIDIA Grace Blackwell 驅(qū)動(dòng)，為開發(fā)者、研究人員和數(shù)據(jù)科學(xué)家提供加速 AI 功能；系統(tǒng)由頭部計(jì)算機(jī)制造商（包括華碩、Dell Technologies、HP
發(fā)表于 03-19 09:59
?317次閱讀
BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較
BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)在多個(gè)方面存在顯著差異，以下是對(duì)兩者的比較： 一、結(jié)構(gòu)特點(diǎn) BP神經(jīng)網(wǎng)絡(luò) ： BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)
什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法
神經(jīng)網(wǎng)絡(luò)（即反向傳播神經(jīng)網(wǎng)絡(luò)）的核心，它建立在梯度下降法的基礎(chǔ)上，是一種適合于多層神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)算法。該算法通過計(jì)算每層網(wǎng)絡(luò)的誤差，并將這
BP神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用
BP神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中發(fā)揮著重要作用，其多層結(jié)構(gòu)使得網(wǎng)絡(luò)能夠?qū)W習(xí)到復(fù)雜的特征表達(dá)，適用于處理非線性問題。以下是對(duì)BP神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中應(yīng)
人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法
所擬合的數(shù)學(xué)模型的形式受到大腦中神經(jīng)元的連接和行為的啟發(fā)，最初是為了研究大腦功能而設(shè)計(jì)的。然而，數(shù)據(jù)科學(xué)中常用的神經(jīng)網(wǎng)絡(luò)作為大腦模型已經(jīng)過時(shí)，現(xiàn)在它們只是能夠在某些應(yīng)用中提供最先進(jìn)性能的機(jī)器學(xué)習(xí)模型。近年來，由于
量子計(jì)算機(jī)與普通計(jì)算機(jī)工作原理的區(qū)別
? 本文介紹了量子計(jì)算機(jī)與普通計(jì)算機(jī)工作原理的區(qū)別。 量子計(jì)算是一個(gè)新興的研究領(lǐng)域，科學(xué)家們利用量子力學(xué)，制造出具有革命性能力的計(jì)算機(jī)。雖然
卷積神經(jīng)網(wǎng)絡(luò)在自然語言處理中的應(yīng)用
自然語言處理是人工智能領(lǐng)域的一個(gè)重要分支，它致力于使計(jì)算機(jī)能夠理解、解釋和生成人類語言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)（CNNs）作為一種強(qiáng)大的模型，在圖像識(shí)別和語音處理等領(lǐng)域取得了顯著成果
卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較
在深度學(xué)習(xí)領(lǐng)域，神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù)，如圖像識(shí)別、自然語言處理和游戲智能等。其中，卷積神經(jīng)網(wǎng)絡(luò)（CNNs）和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常見的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)
卷積神經(jīng)網(wǎng)絡(luò)的基本原理與算法
），是深度學(xué)習(xí)的代表算法之一。 一、基本原理 卷積運(yùn)算 卷積運(yùn)算是卷積神經(jīng)網(wǎng)絡(luò)的核心，用于提取圖像中的局部特征。 定義卷積核：卷積核是一個(gè)小的矩陣，用于在輸入圖像上滑動(dòng)，提取局部特征。 滑動(dòng)窗口：將卷積核在輸入圖像上滑動(dòng)，每次滑動(dòng)一個(gè)像素點(diǎn)。
LSTM神經(jīng)網(wǎng)絡(luò)在語音識(shí)別中的應(yīng)用實(shí)例
語音識(shí)別技術(shù)是人工智能領(lǐng)域的一個(gè)重要分支，它使計(jì)算機(jī)能夠理解和處理人類語言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，特別是長短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)的引入，語音識(shí)別的準(zhǔn)確性和效率得到了顯著提升。
關(guān)于卷積神經(jīng)網(wǎng)絡(luò)，這些概念你厘清了么~
許多種類型，但本文將只關(guān)注卷積神經(jīng)網(wǎng)絡(luò)(CNN)，其主要應(yīng)用領(lǐng)域是對(duì)輸入數(shù)據(jù)的模式識(shí)別和對(duì)象分類。CNN是一種用于深度學(xué)習(xí)的 人工神經(jīng)網(wǎng)絡(luò) 。這種網(wǎng)
發(fā)表于 10-24 13:56
【飛凌嵌入式OK3576-C開發(fā)板體驗(yàn)】RKNN神經(jīng)網(wǎng)絡(luò)-車牌識(shí)別
LPRNet基于深層神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)，通過輕量級(jí)的卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)車牌識(shí)別。它采用端到端的訓(xùn)練方式，不依賴字符分割，能夠直接處理整張車牌圖像，并輸出最終的字符序列。這種設(shè)計(jì)提高了識(shí)別的實(shí)時(shí)
發(fā)表于 10-10 16:40
計(jì)算機(jī)視覺技術(shù)的AI算法模型
計(jì)算機(jī)視覺技術(shù)作為人工智能領(lǐng)域的一個(gè)重要分支，旨在使計(jì)算機(jī)能夠像人類一樣理解和解釋圖像及視頻中的信息。為了實(shí)現(xiàn)這一目標(biāo)，計(jì)算機(jī)視覺技術(shù)依賴于多種先進(jìn)的AI算法模型。以下將詳細(xì)介紹幾種常
UNet模型屬于哪種神經(jīng)網(wǎng)絡(luò)
U-Net模型屬于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）的一種特殊形式 。它最初由德國弗萊堡大學(xué)計(jì)算機(jī)科學(xué)系的研究人員在2015年提出，專為生物醫(yī)學(xué)圖像
FPGA在深度神經(jīng)網(wǎng)絡(luò)中的應(yīng)用
、低功耗等特點(diǎn)，逐漸成為深度神經(jīng)網(wǎng)絡(luò)在邊緣計(jì)算和設(shè)備端推理的重要硬件平臺(tái)。本文將詳細(xì)探討FPGA在深度神經(jīng)網(wǎng)絡(luò)中的應(yīng)用，包括其優(yōu)勢(shì)、設(shè)計(jì)流程、關(guān)鍵技術(shù)以及實(shí)際應(yīng)用案例。
工商網(wǎng)監(jiān)
評(píng)論