搜索结果: 1-15 共查到“工学 学习”相关记录1490条 . 查询时间(0.339 秒)
中国科学院海洋研究所可解释的深度学习方法揭示海表盐度在长期ENSO预报中的关键作用(图)
网络 卫星 观测 结构
2024/9/13
2024年9月12日,海洋所李晓峰研究团队研究开发了一种深度学习模型-时空金字塔网络(STPNet),并探讨了海表盐度(SSS)在提高厄尔尼诺-南方涛动(ENSO)预测中的作用。该模型成功将ENSO的预测提前到24个月,并在解决春季可预测性障碍(SPB)问题上取得了显著进展。成果近日发表于国际学术期刊npj Climate and Atmospheric Science (IF 8.5)。
中国科学院大连化物所等开发出用于电池寿命预测的深度学习模型(图)
电池 预测 模型 催化
2024/9/5
2024年8月30日,中国科学院大连化学物理研究所能源催化转化全国重点实验室动力电池与系统研究部研究员陈忠伟、副研究员毛治宇团队,联合西安交通大学教授冯江涛,在电池健康管理研究方面取得进展。该团队开发了新型的深度学习模型,克服了传统方法对大量充电测试数据的依赖,为电池实时寿命预估提供了新思路,实现了锂电池寿命的端到端评估。该模型作为团队开发的第一代电池数字大脑PBSRD Digit核心模型的组成部...
中国科学院软件所在自监督多视角表示学习方面取得进展(图)
信息系统 计算机
2024/6/28
软件所天基综合信息系统重点实验室研究团队的论文Information Theory-Guided Heuristic Progressive Multi-View Coding2023年8月28日被计算机科学领域顶级学术期刊Neural Networks接收,第一作者为特别研究助理李江梦。论文从信息论的角度重新审视了自监督多视角表示学习(Self-supervised multi-view rep...
中国石油炼化新材料战线深入学习贯彻党的二十届三中全会精神综述
中国石油 炼化 新材料
2024/8/9
奋进新征程,扬帆再出发。连日来,中国石油炼化新材料战线广大干部员工以多种形式深入学习贯彻党的二十届三中全会精神,纷纷表示,要把思想和行动统一到全会精神上来,凝聚力量、狠抓落实,加大减油增化、减油增特、减碳增绿力度,深入落实“产品巨人”策略,不断开创炼化业务高质量发展新局面。
中国科学院自动化研究所2024国际机器学习大会(ICML)自动化所入选成果速览(图)
机器学习 自动化 神经
2024/8/11
利用多时间步进行仿真的脉冲神经网络(SNNs)训练显存高,且能耗高。当前的方法无法同时解决这一训练和推理难题。该研究提出一种时间可逆架构,通过改变SNNs的前向传播路径,同时应对训练和推理挑战。该研究关闭大部分脉冲神经元的时间动态,并对开启时间动态的脉冲神经元处设计多级时间可逆交互,从而实现O(L)的训练需求。结合时间可逆特性,重新设计SNNs的输入编码和网络组织结构,实现了O(1)推理能耗。实验...
免费“激光加工技术推广”学习班报名(图)
激光加工 学习班
2024/8/14
中国科学院广州分院基于深度学习无创获得血液输入函数,助力动态脑PET定量成像(图)
定量成像 临床 网络
2024/7/21
全面量化大脑PET图像,常常需要精确的血流输入函数。然而传统方法中,获取这一函数通常依赖于侵入性且耗时的动脉导管采血,这在临床实践中往往难以实现。2024年7月2日,中国科学院深圳先进技术研究院(以下简称“深圳先进院”)孙涛副研究员课题组与河南省人民医院王梅云副院长团队合作,在医学影像顶级期刊IEEE Transactions on Medical Imaging上发表了题为“Non-Invasi...
沈阳自动化所提出油井工况识别深度学习方法(图)
识别 学习 油系统
2024/6/18
油井工况的实时精准诊断对于快速掌握油田作业情况、提高生产效率、保障生产安全具有重要意义,然而由于油井自身结构的复杂性和生产环境的多变性,油井工况时刻发生变化。利用深度学习对油井功图进行分类是一种有效的油井工况识别方法,但直接将油井功图作为二维图像输入到深度学习框架中,会存在模型参数多、计算量大的问题。此外,抽油系统因不同因素产生的功图也不尽相同,导致油田现场数据存在严重异质性,极大地影响工况识别的...
华中农业大学在联邦学习领域取得新进展(图)
人工智能 统计 计算机应用
2024/6/4
2024年5月21日,华中农业大学人工智能与统计学习团队(AISLE)在联邦学习领域取得新进展,团队以“Asynchronous Vertical Federated Learning for Kernelized AUC Maximization” 为题,提出在不平衡数据与不平衡计算能力下仍可高效建模的纵向联邦学习算法,相关研究论文被KDD 2024录用。
中国科学院化学研究所何圣贵课题组在机器学习团簇化学研究方面取得新进展(图)
何圣贵 机器学习 化学 电子结构
2024/6/4
低碳烷烃是工业制备高附加值化学品的重要原料,由于低碳烷烃的C−H键非常惰性,通过设计合理的催化剂实现其绿色高效转化一直是化学领域的挑战性课题,在电子结构层面理解C−H键活化的机制对于理性设计温和条件下转化烷烃的催化剂具有重要意义。催化剂表面化学键的生成和断裂一般发生在少数原子形成的活性中心处,单原子精准的金属团簇具有确定的结构和性质,是研究金属中心活化C−H键微...