亞熱帶生態所在復雜森林遙感智能識別方面獲進展
在大規模生態保護與修復背景下，我國西南喀斯特地區成為近20年來全球植被“變綠”的熱點區。單一人工林種植是普遍采用的一種造林策略，速生人工林相對于天然林可能會耗水過多，亟需量化權衡不同類型森林恢復的碳-水過程及其生態服務效應。然而，單一人工造林、自然恢復、封禁保育、人工林采伐等不同保護修復與管理措施下，該區森林景觀異質性高，森林植被多呈現斑塊化、片段化、破碎化的特點。受遙感數據源與方法的限制，區域尺度喀斯特地區復雜森林格局，特別是不同類型人工林與天然林的精準識別一直是難點。 深度學習被認為是機器學習領域的一項革命性技術，其在遙感及生態相關領域已經展現出巨大潛力。中國科學院亞熱帶農業生態研究所和中科院空天信息創新研究院研究人員將深度學習與高分辨率遙感影像、林業清查數據結合，基于修正后的ResUNet50模型（基于U-Net架構，通過卷積層-池化層-轉置卷積的組合有效提取圖像特征，不會造成信息傳播損失），發展了復雜森林類型（桉樹人工......閱讀全文
深度學習模型成功識別胚胎發育過程
英國普利茅斯大學牽頭的研究表明，一種新的深度學習人工智能（AI）模型可通過視頻，識別出胚胎發育過程中發生的事件及其發生時間。29日發表在《實驗生物學雜志》上的論文，重點介紹了這種名為“Dev-ResNet”的模型，它能識別出動物胚胎中何時發育出了關鍵功能，包括其心臟功能、孵化、爬行，甚至死亡。
深度學習模型成功識別胚胎發育過程
英國普利茅斯大學牽頭的研究表明，一種新的深度學習人工智能（AI）模型可通過視頻，識別出胚胎發育過程中發生的事件及其發生時間。29日發表在《實驗生物學雜志》上的論文，重點介紹了這種名為“Dev-ResNet”的模型，它能識別出動物胚胎中何時發育出了關鍵功能，包括其心臟功能、孵化、爬行，甚至死亡。普利茅
深度學習增強里德堡多頻微波識別
?圖為機器學習解碼結果。(a-c)為訓練時間不同時，深度學習模型對傳輸信號的恢復結果 中國科大供圖里德堡原子具有較大的電偶極矩，可以對微弱的電場產生很強的響應，因此作為一個非常有前景的微波測量體系，備受人們青睞。但基于里德堡原子的微波測量領域還存在很多科學問題亟待解決，多頻率微波接收就是其中一項難題
深度學習可識別顯微照片中的細菌
美國華盛頓大學研究人員開發出一種深度學習軟件Omnipose，其能幫助解決在顯微鏡圖像中識別各種微小細菌的挑戰。研究結果發表在17日的《自然·方法學》雜志上。 研究人員發現，在大型細菌圖像數據庫上訓練的Omnipose在表征和量化混合微生物培養物中的無數細菌方面表現良好，并消除了其前身可能出現的
深度學習增強里德堡多頻微波識別
?圖為機器學習解碼結果。(a-c)為訓練時間不同時，深度學習模型對傳輸信號的恢復結果 中國科大供圖 里德堡原子具有較大的電偶極矩，可以對微弱的電場產生很強的響應，因此作為一個非常有前景的微波測量體系，備受人們青睞。但基于里德堡原子的微波測量領域還存在
深度學習的CompCyst更準確地識別發生癌前病變的胰腺囊腫
早期、準確地檢測胰腺癌是重中之重。胰腺囊腫很常見并且經常造成管理困境。這是因為并非所有的胰腺囊腫（pancreatic cyst）都會發展成癌癥：一些胰腺囊腫是癌前病變，其他的胰腺囊腫很少有發展成浸潤性癌癥的風險。再者，人們很難對胰腺囊腫進行分類，這會導致漏診和不必要的手術。 在一項新的研究中
BMC－Biology：基于深度學習預測E3泛素連接酶識別位點
真核細胞內蛋白質的降解依賴于自噬及泛素-蛋白酶體系統（2004年諾貝爾化學獎）。其中，泛素-蛋白酶體系統負責降解細胞內超過80%的蛋白，該系統的關鍵酶為E3泛素連接酶，負責識別要被降解的底物蛋白并將其泛素化。人體內表達600余種E3，這些E3以特定規則結合不同底物蛋白，從而實現降解過程的特異性。底物
深度學習算法“解密”腦活動
英國《自然·醫學》雜志9月25日在線發表的一項研究，報告了一種可以分析四肢癱瘓患者大腦活動的深度學習算法。該算法已被用于向患者的前臂肌肉傳遞電刺激，從而恢復癱瘓肢體的功能性運動。 慢性癱瘓患者的生活質量可以通過腦機接口加以改善。腦機接口可以將控制運動的中樞神經系統回路和輔助設備（例如計算機光標
AI偵探敲碎深度學習黑箱
研究人員創建了能填補照片空白的神經網絡，以鑒別人工智能瑕疵。 Jason Yosinski坐在美國加州舊金山的一個小型玻璃辦公室內，陷入了對人工智能的沉思。作為優步公司的研究科學家，Yosinski正為在筆記本電腦上運行的人工智能（AI）進行“腦外科手術”。 很多AI將改變人類現代生活，例如
研究人員開發出能自動識別轉移癌細胞的深度學習算法
亥姆霍茨慕尼黑中心2019年12月12日消息：該研究中心與慕尼黑大學、慕尼黑工大合作開發了一款不僅能自動識別擴散的癌細胞，而且還能找到分散在小鼠全身單個癌細胞的算法。 癌癥是全球最常見的死亡原因，但90%以上的癌癥病人不是死于癌細胞擴散而非原發性腫瘤。由于生物發光法、MRI成像法等目前的技術分
TPU將成深度學習的未來？（二）
能夠進行數據推理的第二代TPU第一代的TPU只能用于深度學習的第一階段，而新版則能讓神經網絡對數據做出推論。谷歌大腦研究團隊主管Jeff Dean表示：“我預計我們將更多的使用這些TPU來進行人工智能培訓，讓我們的實驗周期變得更加快速。”“在設計第一代TPU產品的時候，我們已經建立了一個相對
深度學習算法準確追蹤動物運動
根據英國《自然·神經科學》雜志8月21日在線發表的一項研究，美國哈佛大學團隊運用一種新型深度學習算法，成功追蹤動物運動及行為，其準確度可達到人工水平，而且無需采用追蹤標記物或進行費時的手動分析。專家認為，這一成果打開了海量的數據來源之門。 準確追蹤行為發生期間的身體運動部位是運動科學的一項重要
深度學習協助預測厄爾尼諾－|《自然》論文
《自然》發表的一篇論文Deep learning for multi-year ENSO forecasts報道了一種可以提前一年半預測厄爾尼諾事件的深度學習方法，克服了該領域內長期存在的一項挑戰。用來預測厄爾尼諾現象的CNN預測系統來源: Ham et al. 厄爾尼諾事件發生于太平洋東部和
TPU將成深度學習的未來？（一）
在Google I/O 2016的主題演講進入尾聲時，谷歌的CEO皮采提到了一項他們這段時間在AI和機器學習上取得的成果，一款叫做Tensor Processing Unit（張量處理單元）的處理器，簡稱TPU。在這個月看來，第一代的TPU處理器已經過時。在昨天凌晨舉行的谷歌I/O 2017
ZLG深度解析：語音識別技術（二）
6、波束形成波束形成是指將一定幾何結構排列的麥克風陣列的各個麥克風輸出信號，經過處理（如加權、時延、求和等）形成空間指向性的方法，可用于聲源定位和混響消除等。波束形成主要分為：固定波束形成、自適應波束形成和后置濾波波束形成等。2語音識別的基本原理已知一段語音信號，處理成聲學特征向量之后表示為
ZLG深度解析：語音識別技術（一）
語音識別已成為人與機器通過自然語言交互重要方式之一，本文將從語音識別的原理以及語音識別算法的角度出發為大家介紹語音識別的方案及詳細設計過程。語言作為人類的一種基本交流方式，在數千年歷史中得到持續傳承。近年來，語音識別技術的不斷成熟，已廣泛應用于我們的生活當中。語音識別技術是如何讓機器“聽懂”
新光學芯片可實現高效“深度學習”
美國麻省理工學院（MIT）科學家在12日出版的《自然·光學》雜志上發表論文稱，他們開發出一種全新的光學神經網絡系統，能執行高度復雜的運算，從而大大提高“深度學習”系統的運算速度和效率。 “深度學習”系統通過人工神經網絡模擬人腦的學習能力，現已成為計算機領域的研究熱門。但由于在模擬神經網絡任務中
人工智能進入“深度學習+”階段
雖然從底層技術看，ChatGPT并不算創新，但其社會影響遠遠超出了預期。這款由美國人工智能公司OpenAI開發的聊天機器人，2022年11月推出后火遍全球，成為史上增長最快的消費者應用程序。 讓機器和真人自由對話，一直是人工智能領域的重要目標之一。ChatGPT的爆火背后，其實是深度學習技術的
新光學芯片可實現高效“深度學習”
美國麻省理工學院（MIT）科學家在12日出版的《自然·光學》雜志上發表論文稱，他們開發出一種全新的光學神經網絡系統，能執行高度復雜的運算，從而大大提高“深度學習”系統的運算速度和效率。 “深度學習”系統通過人工神經網絡模擬人腦的學習能力，現已成為計算機領域的研究熱門。但由于在模擬神經網絡任務中
深度學習復興：向人工智能邁進
它是未來的一部分，我們才剛剛開始。圖片來源：BRUCE ROLFF 3年前，美國加利福尼亞州山景城神秘的谷歌X實驗室的研究人員從YouTube視頻中提取了1000萬個靜態圖像，并將其輸入“谷歌大腦”——由1000臺計算機構成的網絡，從而試圖像一個蹣跚學步的孩子一樣吸收這個世界的信息。經過3
檳榔、芒果機器學習遙感分類研究取得進展
近日，中國熱帶農業科學院科技信息研究所智慧農業研究中心在檳榔、芒果機器學習遙感分類研究上取得新進展。該研究在《遙感》（Remote Sensing）上發表。芒果和檳榔是國內重要熱帶經濟作物，對地方農業農村經濟發展具有重要意義。及時、準確獲取芒果和檳榔種植園的空間結構信息不僅是區域農業結構調整和優化的
機器學習模型可識別乳房病變風險
美國研究人員近日在《放射學》雜志線上版發表文章稱，他們開發出一種機器學習工具，可以確定哪些高危乳房病變可能會變成癌癥，從而幫助醫生作出正確的治療決策，減少不必要的手術。 乳房病變是一種女性常見疾病，而高危乳房病變有很大幾率轉變成癌癥。正是由于這種風險，手術切除病變組織通常被認為是首選治療方案。
人臉檢測發展：從VJ到深度學習（六）
還有一種比較典型的結構是樹形的級聯結構，從形狀上來看其和金字塔式的級聯結構是一樣的，也是從上往下分類器的數目逐層增多，區別就在于樹形的級聯結構中沒有同一層分類器之間的橫向連接，只有相鄰層分類器之間的縱向連接，即一個窗口在同一層上不會由多個分類器進行分類，而會直接被送往下一層或者被排除。樹
人臉檢測發展：從VJ到深度學習（四）
造成人臉檢測速度慢的根本原因還在于輸入規模過大，動輒需要處理幾十上百萬的窗口，如果這樣的輸入規模是不可避免的，那么有沒有可能在處理的過程中盡快降低輸入規模呢？如果能夠通過粗略地觀察快速排除掉大部分窗口，只剩下少部分窗口需要進行仔細的判別，則總體的時間開銷也會極大地降低。從這樣的想法出發，
人臉檢測發展：從VJ到深度學習（五）
在過去十幾年的探索過程中，涌現出的特征不勝枚舉，這里只選取了部分比較有代表性和反映了人們探索思路的特征進行舉例。這里所有列舉的特征都有一個共同的特點：都由科研工作者根據自己的經驗手工設計，這些特征的設計反映了人們對問題的理解和思考。雖然隨著不斷的改進，設計出的特征已經日臻完善，但直到現在
深度學習算法－助力精準診斷結直腸腫瘤
根據發表在《Life Science Alliance》雜志上的新研究，一種新的深度學習算法可以快速，準確地分析來自結直腸腫瘤的幾種基因組數據，以進行更準確的分類，從而有助于改善診斷和相關的治療選擇。 大腸腫瘤的發展方式各不相同，需要接受的藥物類型也不同，生存率也大不相同。通常，基于對基因表達
深度學習在雷達中的研究綜述（一）
深度學習在雷達中的研究綜述王俊,?鄭彤,?雷鵬,?魏少明????摘要：雷達通過發射天線發射電磁波，經過不同物體反射接收到相應的反射波，對其接收結果進行分析，能得到物體距雷達的位置，徑向運動速度等信息，所以對雷達信號的分析具有重要的研究意義。近些年深度學習成為各個領域的研究熱點，而在雷達領域同樣可通過
人臉檢測發展：從VJ到深度學習（二）
選好了窗口，我們開始對窗口中的圖像區域進行觀察，目的是收集證據——真相只有一個，我們要依靠證據來挖掘真相！在處理圖像的過程中，這個收集證據的環節我們稱之為特征提取，特征就是我們對圖像內容的描述。由于機器看到的只是一堆數值，能夠處理的也只有數值，因此對于圖像所提取的特征具體表示出來就是一個
人臉檢測發展：從VJ到深度學習（一）
這是一個看臉的世界！自拍，我們要藝術美顏；出門，我么要靚麗美妝。上班，我們要刷臉簽到；回家，我們要看臉相親。 當手機把你的臉變得美若天仙，當考勤機認出你的臉對你表示歡迎，你知道是什么魔力讓冷冰冰的機器也變得溫情脈脈，讓呆呆的設備也變得善解人意嗎？今天就讓我們走近它們的內心，了解這些故事背后的一項
深度學習“見頂”不等于AI寒冬
盡管新的算法模型在推動AI向前發展，但并不意味著它們的前景可以預見，也不意味著深度學習“不可救藥”。 在當前的第三次人工智能（AI）浪潮之中，深度學習算法被認為是迄今為止“最為重大的AI革命”。此說法或許有所夸大，但深度學習對這一輪AI的大爆發而言的確功不可沒。然而，最近以來，關于深度學習算