科學(xué)家研發(fā)可判斷顏值的生成式神經(jīng)網(wǎng)絡(luò)
怎么樣的五官組合會(huì)被更多人認(rèn)為高顏值呢？近日，在 Tuukka Ruotsalo 副教授的帶領(lǐng)下，來自赫爾辛基大學(xué)和哥本哈根大學(xué)的科學(xué)家們研究出了一個(gè)生成式對抗神經(jīng)網(wǎng)絡(luò)，生成了數(shù)百張逼真的人像。然后這些計(jì)算機(jī)生成圖像被逐一展示給 30 名測試對象，每個(gè)人都被指示將更多的注意力集中在他們認(rèn)為最有吸引力的面孔上，同時(shí)使用 EEG（腦電圖）記錄他們大腦的電活動(dòng)。
隨后，基于機(jī)器學(xué)習(xí)的算法確定哪些面孔對每個(gè)人產(chǎn)生的活動(dòng)量最大，然后確定這些面孔有哪些共同的特征。基于這些數(shù)據(jù)，神經(jīng)網(wǎng)絡(luò)再繼續(xù)產(chǎn)生結(jié)合這些特征的新面孔。在一個(gè)雙盲實(shí)驗(yàn)中，這些新面孔然后和許多其他面孔的圖像一起展示給這個(gè)人。87% 的人選擇了新面孔中最有吸引力的面孔--隨著技術(shù)的進(jìn)一步發(fā)展，這個(gè)數(shù)字應(yīng)該會(huì)上升。
希望該團(tuán)隊(duì)的研究結(jié)果最終可以用來幫助計(jì)算機(jī)系統(tǒng)理解主觀偏好，或許還可以用來識(shí)別人們的無意識(shí)態(tài)度。高級研究員 Michiel Spapé 說：“這項(xiàng)研究表明，我們能夠通過將人工神經(jīng)網(wǎng)絡(luò)與大腦反應(yīng)連接起來，生成與個(gè)人偏好相匹配的圖像。迄今為止，計(jì)算機(jī)視覺在根據(jù)客觀模式對圖像進(jìn)行分類方面非常成功。通過將大腦反應(yīng)帶入其中，我們表明有可能根據(jù)心理屬性，如個(gè)人品味，來檢測和生成圖像” 。
有關(guān)該研究的論文近日發(fā)表在《IEEE Transactions in Affective Computing》雜志上。
責(zé)編AJX
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。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(bào)投訴
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4838瀏覽量
107828 -
AI
+關(guān)注
關(guān)注
91文章
39820瀏覽量
301487
發(fā)布評論請先 登錄
相關(guān)推薦
熱點(diǎn)推薦
神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)
日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí)，而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu)，特別是大腦中神經(jīng)
中興通訊崔麗受邀出席2025騰沖科學(xué)家論壇
近日，“2025騰沖科學(xué)家論壇”在云南啟幕。本屆論壇以“科學(xué)·AI改變世界”為主題，匯聚包括諾貝爾獎(jiǎng)、圖靈獎(jiǎng)、菲爾茲獎(jiǎng)得主在內(nèi)的國際頂尖科學(xué)家，以及百余位兩院院士、高校校長、科技精英與產(chǎn)業(yè)領(lǐng)袖，共話
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(gè)功能，每個(gè)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(yàn)
模型。
我們使用MNIST數(shù)據(jù)集，訓(xùn)練一個(gè)卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型，用于手寫數(shù)字識(shí)別。一旦模型被訓(xùn)練并保存，就可以用于對新圖像進(jìn)行推理和預(yù)測。要使用生成的模型進(jìn)行推理，可以按照以下步驟進(jìn)行操作：
1.
發(fā)表于 10-22 07:03
CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作
在完成神經(jīng)網(wǎng)絡(luò)量化后，需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。
在仿真環(huán)境下，可將其存于一個(gè)文件，并在 Verilog 代碼中通過 readmemh 函數(shù)
發(fā)表于 10-20 08:00
國際類腦計(jì)算科學(xué)家Yulia Sandamirskaya教授加盟時(shí)識(shí)科技
近日，國際類腦計(jì)算與神經(jīng)形態(tài)機(jī)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(shí)識(shí)科技（SynSense）。
液態(tài)神經(jīng)網(wǎng)絡(luò)（LNN）：時(shí)間連續(xù)性與動(dòng)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(jì)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
神經(jīng)網(wǎng)絡(luò)的并行計(jì)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(jì)算方式面臨著巨大的挑戰(zhàn)，如計(jì)算速度慢、訓(xùn)練時(shí)間長等
【「AI芯片：科技探索與AGI愿景」閱讀體驗(yàn)】+AI的科學(xué)應(yīng)用
AI被賦予了人的智能，科學(xué)家們希望在沒有人類的引導(dǎo)下，AI自主的提出科學(xué)假設(shè)，諾貝爾獎(jiǎng)級別的假設(shè)哦。
AI驅(qū)動(dòng)科學(xué)被認(rèn)為是科學(xué)發(fā)現(xiàn)的第五個(gè)范式了，與實(shí)驗(yàn)
發(fā)表于 09-17 11:45
如何在機(jī)器視覺中部署深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
圖 1：基于深度學(xué)習(xí)的目標(biāo)檢測可定位已訓(xùn)練的目標(biāo)類別，并通過矩形框（邊界框）對其進(jìn)行標(biāo)識(shí)。 在討論人工智能（AI）或深度學(xué)習(xí)時(shí)，經(jīng)常會(huì)出現(xiàn)“神經(jīng)網(wǎng)絡(luò)”、“黑箱”、“標(biāo)注”等術(shù)語。這些概念對非專業(yè)
復(fù)星醫(yī)藥使用亞馬遜云科技生成式AI技術(shù)賦能醫(yī)療撰寫場景 助力科學(xué)家效率躍升
進(jìn)程。通過“臨床試驗(yàn)報(bào)告一致性檢查”和“研發(fā)文獻(xiàn)翻譯”兩大功能，復(fù)星醫(yī)藥可解放科學(xué)家生產(chǎn)力，使其專注于創(chuàng)新藥研發(fā)的核心工作。在亞馬遜云科技的加持下，“臨床試驗(yàn)報(bào)告一致性檢查”可覆蓋研究人員90%的撰寫場景，工作效率提升70%；而
發(fā)表于 07-14 14:16
?1131次閱讀
無刷電機(jī)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(jī)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(gè)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(shí)現(xiàn)轉(zhuǎn)角預(yù)測,并采用改進(jìn)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(jī)故障診斷中的應(yīng)用
摘要:針對傳統(tǒng)專家系統(tǒng)不能進(jìn)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(jī)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(diǎn),很大程度上降低了對電機(jī)
發(fā)表于 06-16 22:09
神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究
眾多方法中，由于其結(jié)構(gòu)簡單，穩(wěn)定性好廣泛受到人們的重視，且已被用于產(chǎn)品開發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對電動(dòng)機(jī)參數(shù)變化非常敏感的問題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，使估計(jì)更為簡單、快速
發(fā)表于 06-16 21:54
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(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者M(jìn)ATLAB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?qū)xt文件轉(zhuǎn)化為coe文件，（coe
工商網(wǎng)監(jiān)
評論