AI在线 AI在线

神经网络

时间序列模型的演变：人工智能引领新的预测时代

时间序列模型的演变：人工智能引领新的预测时代
译者 | 布加迪审校 | 重楼我们正处于这样一个时代：大型基础模型（大规模通用神经网络以无监督的方式使用大量不同的数据进行预训练）彻底改变计算机视觉、自然语言处理以及最近的时间序列预测等领域。 这种模型通过实现零样本预测来重塑时间序列预测领域，允许使用新的、未见过的数据进行预测，无需针对每个数据集进行重新训练。 这一突破显著缩减了开发时间和成本，简化了为不同任务创建和微调模型的过程。
12/11/2024 8:17:30 AM
布加迪
字节&北大Nature子刊新成果：自旋本征态的高效精确求解

字节&北大Nature子刊新成果：自旋本征态的高效精确求解
编辑 | ScienceAI近些年来 AI for Science 在众多领域取得重大成功。 其中，基于神经网络的量子变分蒙特卡洛方法 (NNVMC) 在量子化学领域展现出强大潜力，备受关注。 最近字节跳动研究部门 ByteDance Research 和北京大学团队在 NNVMC 框架中融入物理对称性，实现了量子激发态的高效精确求解。
12/6/2024 2:50:00 PM
ScienceAI
快速学会一个算法，卷积神经网络！！！

快速学会一个算法，卷积神经网络！！！
今天给大家分享一个强大的算法模型，卷积神经网络。 卷积神经网络（CNN）是一类专门用于处理具有网格结构数据（如图像）的深度学习模型，广泛应用于图像处理、计算机视觉等领域。 CNN 通过模仿生物视觉系统的结构，通过层级化的卷积和池化操作，自动从输入数据中提取特征并进行分类或回归。
12/4/2024 10:33:17 AM
程序员小寒
最大限度提高人工智能训练效率：选择合适的模型

最大限度提高人工智能训练效率：选择合适的模型
译者 | 李睿审校 | 重楼快速准确地训练人工智能模型，对于建立对这些工作流工具的信任非常重要。 随着人工智能驱动的应用程序执行复杂任务的能力越来越强，数据科学家和机器学习工程师需要探索新方法。 要为特定用例开发最佳模型，利用合适的模型、数据集和部署可以简化人工智能开发过程并产生最佳结果。
12/3/2024 8:08:13 AM
李睿
终于把神经网络中的知识蒸馏搞懂了！！！

终于把神经网络中的知识蒸馏搞懂了！！！
大家好，我是小寒今天给大家分享神经网络中的一个关键知识点，知识蒸馏知识蒸馏是一种模型压缩方法，用于将大型神经网络（教师模型）中的知识转移到较小的神经网络（学生模型）中。 这一技术能够在保持或接近原始模型性能的情况下，显著减小模型的体积，从而提升推理效率。 知识蒸馏在很多场景中非常有用，尤其是在计算资源有限或需要部署到边缘设备的应用中。
12/2/2024 1:10:04 AM
程序员小寒
科研党狂喜！AI预测神经学研究结论超过人类专家水平 | Nature子刊

科研党狂喜！AI预测神经学研究结论超过人类专家水平 | Nature子刊
LLM可以比科学家更准确地预测神经学的研究结果！ 最近，来自伦敦大学学院、剑桥大学、牛津大学等机构的团队发布了一个神经学专用基准BrainBench，登上了Nature子刊《自然人类行为（Nature human behavior）》。 结果显示，经过该基准训练的LLM在预测神经科学结果的准确度方面高达81.4%，远超人类专家的63%。
11/29/2024 2:10:00 PM
量子位
揭示Transformer「周期建模」缺陷！北大提出新型神经网络FAN，填补周期性特征建模能力缺陷

揭示Transformer「周期建模」缺陷！北大提出新型神经网络FAN，填补周期性特征建模能力缺陷
周期性现象广泛存在，深刻影响着人类社会和自然科学。 作为最重要的基本特性之一，许多规律都显式或隐式地包含周期性，例如，天文学中的行星运动、气象学中的季节变化、生物学中的昼夜节律、经济学中的商业周期、物理学中的电磁波，以及数学运算和逻辑推理等。 因此，在许多任务和场景中，人们希望对周期进行建模，以便根据以往的经验进行推理。
11/26/2024 1:30:00 PM
新智元
宝可梦GO「偷家」李飞飞空间智能？全球最强3D地图诞生，150万亿参数解锁现实边界

宝可梦GO「偷家」李飞飞空间智能？全球最强3D地图诞生，150万亿参数解锁现实边界
李飞飞提出的「空间智能」概念，被宝可梦GO团队抢先实现了？ 最近，宝可梦GO团队宣布，构建出了一个大规模地理空间模型LGM，让我们距离空间智能更近了一步。 而这一成果也意味着，人类在空间计算和AR眼镜领域，即将进入崭新的时代。
11/21/2024 1:45:00 PM
新智元
如何简单理解视觉语言模型以及它们的架构、训练过程？

如何简单理解视觉语言模型以及它们的架构、训练过程？
关于视觉语言模型（VLMs），以及它们的架构、训练过程和如何通过VLM改进图像搜索和文本处理的多模态神经网络。 可以参考这篇文章：（VLMs），它们是未来的复合AI系统。 文章详细描述了VLMs的基本原理、训练过程以及如何开发一个多模态神经网络，用于图像搜索。
11/12/2024 9:20:03 AM
ketchum
最小化的递归神经网络RNN为Transformer提供了快速高效的替代方案

最小化的递归神经网络RNN为Transformer提供了快速高效的替代方案
译者 | 李睿审校 | 重楼Transformer如今已经成为大型语言模型（LLM）和其他序列处理应用程序的主要架构。 然而，它们固有的二次方计算复杂性成为了将Transformer扩展至超长序列时的巨大障碍，显著增加了成本。 这引发了人们对具有线性复杂性和恒定内存需求的架构的兴趣。
11/11/2024 8:11:49 AM
李睿
快速学会一个算法，卷积神经网络

快速学会一个算法，卷积神经网络
大家好，我是小寒今天给大家介绍一个强大的算法模型，卷积神经网络卷积神经网络（CNN）是一种专门用于处理图像、视频等具有网格结构数据的深度学习模型。 CNN 通过局部连接和参数共享的方式，大幅减少了模型的计算量，能有效提取数据的局部和全局特征，被广泛应用于计算机视觉领域，如图像分类、物体检测、图像分割等。 图片卷积神经网络的基本结构卷积神经网络的主要包括卷积层、池化层和全连接层。
11/11/2024 12:00:02 AM
程序员小寒
终于把神经网络中的激活函数搞懂了！！！

终于把神经网络中的激活函数搞懂了！！！
今天给大家分享神经网络中的一个关键概念，激活函数激活函数是神经网络中的核心组件之一，其主要作用是在每个神经元中为输入信号提供非线性变换。 如果没有激活函数，神经网络将充当简单的线性模型。 激活函数的作用激活函数的引入使得神经网络可以学习和表示复杂的非线性关系，从而解决一些线性模型无法处理的问题。
11/7/2024 8:26:31 AM
程序员小寒
用 PyTorch 构建神经网络的 12 个实战案例

用 PyTorch 构建神经网络的 12 个实战案例
用PyTorch构建神经网络是机器学习领域中非常热门的话题。 PyTorch因其易用性和灵活性而受到广大开发者的喜爱。 本文将通过12个实战案例，带你从零开始构建神经网络，逐步掌握PyTorch的核心概念和高级技巧。
11/5/2024 4:19:55 PM
手把手PythonAI编程
一种实现符号钢琴音乐声音和谱表分离的GNN新方法

一种实现符号钢琴音乐声音和谱表分离的GNN新方法
译者 | 朱先忠审校 | 重楼本文涵盖了我最近在ISMIR 2024上发表的论文《聚类和分离：一种用于乐谱雕刻的声音和谱表预测的GNN方法》的主要内容。 简介以MIDI等格式编码的音乐，即使包含量化音符、拍号或小节信息，通常也缺少可视化的重要元素，例如语音和五线谱信息。 这种限制也适用于音乐生成、转录或编曲系统的输出。
11/5/2024 8:19:11 AM
朱先忠
中国科学院核聚变最新进展，AI 加速等离子体参数预测

中国科学院核聚变最新进展，AI 加速等离子体参数预测
编辑 | KX等离子体离子温度和旋转速度是评估聚变实验的重要参数之一，对等离子体稳定性和约束性能有重要影响。如何实现等离子体离子温度和旋转速度的快速精确测量，一直是聚变装置稳定高参数运行所面临的关键技术问题之一。近日，中国科学院合肥物质科学研究院的研究团队在等离子体关键参数诊断研究方面取得新进展。
10/16/2024 12:08:00 PM
ScienceAI
解读：物理诺贝尔奖为何颁给了HNN之父和深度学习之父？

解读：物理诺贝尔奖为何颁给了HNN之父和深度学习之父？
就在刚刚，瑞典皇家科学院决定将 2024 年诺贝尔物理学奖授予约翰·J·霍普菲尔德 (John J. Hopfield) 和杰弗里·E·辛顿 (Geoffrey E. Hinton)，“表彰他们通过人工神经网络实现机器学习的基础性发现和发明”。
10/10/2024 10:26:00 AM
刘洁
诺奖颁给交叉学科，对「AI for Science」意味着什么？

诺奖颁给交叉学科，对「AI for Science」意味着什么？
编辑 | X_X2024 年 10 月 8 日，诺贝尔物理学奖授予了两位 AI 领域的科学家，以表彰他们的发现。诺贝尔奖评审团表示，被誉为「人工智能教父」的英裔加拿大科学家 Geoffrey Hinton 和美国物理学家 John Hopfield 因「利用人工神经网络实现机器学习的发现和发明」而获得该奖。这一切意味着什么？Geoffrey Hinton 和 John Hopfield 的研究主要围绕人工神经网络（ANN）的发展，这是一种模仿人脑神经元连接方式的计算模型。Hinton 在深度学习领域的贡献尤其突出，
10/9/2024 4:46:00 PM
ScienceAI
使神经网络更容易理解，促进科学发现，MIT刘子鸣团队新架构

使神经网络更容易理解，促进科学发现，MIT刘子鸣团队新架构
编译 | 白菜叶「神经网络是目前人工智能领域最强大的工具。」Perimeter Institute for Theoretical Physics 的研究员 Sebastian Wetzel 表示，「当我们将它们扩展到更大的数据集时，没有什么可以与之竞争。」然而，一直以来，神经网络都存在一个缺点。当今许多成功网络的基本构建模块被称为多层感知器（MLP）。但尽管取得了一系列成功，人类仍然无法理解基于这些 MLP 构建的网络是如何得出结论的，或者是否存在一些基本原理可以解释这些结果。神经网络所表现出的能力就像魔术师一样
9/19/2024 4:17:00 PM
ScienceAI