計算機科學(xué)家使用圖神經(jīng)網(wǎng)絡(luò)將流感病例識別為區(qū)域互連的簇
計算機科學(xué)家使用圖神經(jīng)網(wǎng)絡(luò)將流感病例識別為區(qū)域互連的簇。流感預(yù)測的這種扭曲使該團隊的算法可以發(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，該方法（包括“捕獲時空的相互作用”）可以預(yù)測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，在一個新聞發(fā)布會上。“在其他AI預(yù)測使用“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，以及它如何認為不同地區(qū)的疫情會相互影響?！?/p>
Ning及其同事對來自美國和日本的真實狀態(tài)和區(qū)域數(shù)據(jù)進行了算法訓(xùn)練。他們對照歷史流感數(shù)據(jù)測試了其預(yù)測。
該研究所認為，這種新技術(shù)具有預(yù)測局部和區(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。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。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，請聯(lián)系本站處理。
舉報投訴
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4839瀏覽量
107963 -
算法
+關(guān)注
關(guān)注
23文章
4786瀏覽量
98244 -
ai技術(shù)
+關(guān)注
關(guān)注
1文章
1313瀏覽量
25778
發(fā)布評論請先 登錄
相關(guān)推薦
熱點推薦
神經(jīng)網(wǎng)絡(luò)的初步認識
如今在機器學(xué)習(xí)的領(lǐng)域中，有許多方法可以用來解決特定的問題，例如房價預(yù)測、郵件分類、文件壓縮等。而與我們?nèi)粘Ｉ铌P(guān)系最密切的應(yīng)用莫過于計算機視覺（如學(xué)校門禁系統(tǒng)）和自然語言處理（如Siri）。這些
NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹
NMSIS NN 軟件庫是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核，旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。
該庫分為多個功能，每個功能涵蓋特定類別
發(fā)表于 10-29 06:08
在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗
本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗。我們采用jupyter notebook作為開發(fā)IDE，以TensorFlow2為訓(xùn)練框架，目標(biāo)是訓(xùn)練一個手寫數(shù)字識別的神經(jīng)網(wǎng)絡(luò)
發(fā)表于 10-22 07:03
CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作
讀取。接下來需要使用擴展指令，完成神經(jīng)網(wǎng)絡(luò)的部署，此處僅對第一層卷積+池化的部署進行說明，其余層與之類似。
1.使用 Custom_Dtrans 指令，將權(quán)重數(shù)據(jù)、輸入數(shù)據(jù)導(dǎo)入硬件加速器內(nèi)。對于權(quán)重
發(fā)表于 10-20 08:00
國際類腦計算科學(xué)家Yulia Sandamirskaya教授加盟時識科技
近日，國際類腦計算與神經(jīng)形態(tài)機器人領(lǐng)域知名科學(xué)家Yulia Sandamirskaya 教授，作為科學(xué)家顧問正式加入時識科技（SynSense）。
液態(tài)神經(jīng)網(wǎng)絡(luò)（LNN）：時間連續(xù)性與動態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)
1.算法簡介液態(tài)神經(jīng)網(wǎng)絡(luò)（LiquidNeuralNetworks，LNN）是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu)，其設(shè)計理念借鑒自生物神經(jīng)系統(tǒng)，特別是秀麗隱桿線蟲的神經(jīng)結(jié)構(gòu)，盡管這種微生物的
【「AI芯片：科技探索與AGI愿景」閱讀體驗】+神經(jīng)形態(tài)計算、類腦芯片
幾年神經(jīng)元計算及類腦芯片的重大進展。
一、云端使用的神經(jīng)形態(tài)計算與類腦芯片
神經(jīng)形態(tài)計算旨在設(shè)計
發(fā)表于 09-17 16:43
神經(jīng)網(wǎng)絡(luò)的并行計算與加速技術(shù)
隨著人工智能技術(shù)的飛速發(fā)展，神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而，神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加，這使得傳統(tǒng)的串行計算方式面臨著巨大的挑戰(zhàn)，如計算速度慢、
如何在機器視覺中部署深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
人士而言往往難以理解，人們也常常誤以為需要扎實的編程技能才能真正掌握并合理使用這項技術(shù)。事實上，這種印象忽視了該技術(shù)為機器視覺（乃至生產(chǎn)自動化）帶來的潛力，因為深度學(xué)習(xí)并非只屬于計算機科學(xué)家或程序員。 從頭開始：什么
【「AI芯片：科技探索與AGI愿景」閱讀體驗】+可期之變：從AI硬件到AI濕件
保持停滯的情況下，依照目前計算機的能耗效率，至少還需要30年的努力才接近其水準(zhǔn)，見圖1所示。
圖1 大腦與計算機的能量效率對比
圖2 類腦芯片的前瞻性研究領(lǐng)域AI濕件
為此，一些想
發(fā)表于 09-06 19:12
新一代神經(jīng)擬態(tài)類腦計算機“悟空”發(fā)布，神經(jīng)元數(shù)量超20億
電子發(fā)燒友網(wǎng)綜合報道 8月2日，浙江大學(xué)腦機智能全國重點實驗室發(fā)布新一代神經(jīng)擬態(tài)類腦計算機——Darwin Monkey（中文名“悟空”）。 ? “悟空”堪稱國際首臺神經(jīng)元規(guī)模超20億、基于專用
無刷電機小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測方法的研究
摘要:論文通過對無刷電機數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實現(xiàn)轉(zhuǎn)角預(yù)測,并采用改進遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
發(fā)表于 06-25 13:06
神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機故障診斷中的應(yīng)用
摘要:針對傳統(tǒng)專家系統(tǒng)不能進行自學(xué)習(xí)、自適應(yīng)的問題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點,很大程度上降低了對電機
發(fā)表于 06-16 22:09
基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析
本文的目的是在一個神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者MATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出，然后通過python程序將txt文件轉(zhuǎn)化為coe
計算機網(wǎng)絡(luò)入門指南
計算機網(wǎng)絡(luò)是指將地理位置不同且具有獨立功能的多臺計算機及其外部設(shè)備，通過通信線路連接起來，在網(wǎng)絡(luò)操作系統(tǒng)、網(wǎng)絡(luò)管理軟件及
工商網(wǎng)監(jiān)
評論