人工智能

ICLR 2021初审结果公布,高分论文有这些!

Submitted by neurta on Wed, 03/31/2021 - 10:29
在本次ICLR 2021上,有心人注意到了一篇长达245页的论文《Deep Networks and the Multiple Manifold Problem》。 确定这不是把博士论文投稿过来的?这么长的论文先不说搞不搞得明白,确定审稿人哪怕能读完了这篇论文? 经查阅,本篇论文的初审得分是5、5、7、8,属于不算太差。这篇论文研究了多重流形问题,这是一种在机器视觉应用中建模的二进制分类任务,其中训练了一个深层的全连接神经网络来分离单位球面的两个低维子流形...... 一句话来说:本文证明了深度全连接神经网络的有限时间( finite-time )泛化结果,该神经网络通过梯度下降训练以对结构化数据进行分类,其中所需的宽度,深度和样本复杂度仅取决于数据的固有属性。把这篇论文从头翻到尾,从尾翻到头,确定全文只有三张图,而剩下的200多页全部都是令人感到敬畏的数学证明公式。

神经网络如何外推:从前馈到图形神经网络

Submitted by neurta on Thu, 01/14/2021 - 08:26
我们研究了通过梯度下降训练的神经网络是如何外推的,也就是说,它们在训练分布的支持范围之外学到了什么。以前的工作报告了用神经网络外推时的混合经验结果:虽然多层感知器(MLP)在某些简单任务中无法很好地外推,但是具有MLP模块的结构化网络图神经网络(GNN)在较复杂的任务中已显示出一定的成功。通过理论解释,我们确定了MLP和GNN良好推断的条件。首先,我们对ReLU MLP从原点沿任何方向快速收敛到线性函数的观察进行量化,这意味着ReLU MLP不会外推大多数非线性函数。但是,当训练分布足够“多样化”时,他们证明可以学习线性目标函数。其次,结合分析GNN的成功和局限性,这些结果提出了一个假设,我们为该假设提供了理论和经验证据:GNN在将算法任务外推到新数据(例如较大的图或边权重)方面的成功取决于编码任务架构或功能中的特定于非线性。我们的理论分析建立在超参数网络与神经正切核的连接上。根据经验,我们的理论适用于不同的培训环境。较大的图形或边缘权重)依赖于对体系结构或功能中特定于任务的非线性进行编码。我们的理论分析建立在超参数网络与神经正切核的连接上。根据经验,我们的理论适用于不同的培训环境。较大的图形或边缘权重)依赖于对体系结构或功能中特定于任务的非线性进行编码。我们的理论分析建立在超参数网络与神经正切核的连接上。根据经验,我们的理论适用于不同的培训环境。

VersatileGait: A Large-Scale Synthetic Gait Dataset with Fine-Grained Attributes and Complicated Scenarios

Submitted by neurta on Sun, 01/10/2021 - 16:25
With the motivation of practical gait recognition applications, we propose to automatically create a large-scale synthetic gait dataset (called VersatileGait) by a game engine, which consists of around one million silhouette sequences of 11,000 subjects with fine-grained attributes in various complicated scenarios. Compared with existing real gait datasets with limited samples and simple scenarios, the proposed VersatileGait dataset possesses several nice properties, including huge dataset size, high sample diversity, high-quality annotations, multi-pitch angles, small domain gap with the real one, etc. Furthermore, we investigate the effectiveness of our dataset (e.g., domain transfer after pretraining). Then, we use the fine-grained attributes from VersatileGait to promote gait recognition in both accuracy and speed, and meanwhile justify the gait recognition performance under multi-pitch angle settings. Additionally, we explore a variety of potential applications for research. Extensive experiments demonstrate the value and effectiveness of the proposed VersatileGait in gait recognition along with its associated applications. We will release both VersatileGait and its corresponding data generation toolkit for further studies.

一种可自动视觉识别零件种类的零件检测系统

Submitted by neurta on Sun, 01/10/2021 - 15:05
涉及一种可自动视觉识别零件种类的零件检测系统,包括检测箱、第一检测探头、第二检测探头、轨道、光源、摄影装置、检测托盘、电机、夹具、压力传感器、超声波探头和中控处理器。本发明通过在检测箱内设置光源,并将光源与中控处理器相连,能够使中控处理器完成对零件形状和材质的判断时,针对性的调节光源的亮度和色调,从而使所述系统在针对不同的零件进行检测时,均能够使用针对性的光照以使各所述探头能够清晰地采集到零件表面的缺陷,有效避免了光照不足或光照过量导致的图像采集不清晰的情况发生,提高了所述系统的检测效率。

基于自适应谐振理论的神经网络中医证候诊断系统

Submitted by neurta on Tue, 05/26/2020 - 12:00
本发明公开了一种基于自适应谐振理论的神经网络中医证候诊断系统,包括:中医四诊信息预处理模块、证候辨证模块、规则存储模块和可视化模块。四个模块相互作用,相互支持,中医四诊信息预处理模块与证候判断模块连接,处理系统输入矢量以指导证候判断模块动态建立,得到证候辨证规则;规则存储模块与中医四诊信息预处理模块和证候辨证模块建立双向连接关系,为二者提供经验规则,后两者读取并修改经验规则;可视化模块与中医四诊信息预处理模块和证候辨证模块连接,对中医四诊信息及诊断规则进行可视化操作。本发明可快速的对新病例样本进行增量匹配学习,并应用改进的辨证模型SWART2提高正确率和系统的适应性,引入可视化工具,提高系统的人性化和交互性。

Titan XP值不值?一文教你如何挑选深度学习GPU

Submitted by chenrouyu on Thu, 11/23/2017 - 14:33
本文作者 slav Ivanov 在今年早些时候曾介绍过如何用 1700 美元预算搭建深度学习机器(参见:教程 | 从硬件配置、软件安装到基准测试,1700 美元深度学习机器构建指南)。最近,英伟达在消费级 GPU 领域又推出了 GTX 1070 Ti,如果现在想要组装一台深度学习机器,我们用哪块 GPU 最好呢?本文将详细解答这一问题。

最新版互联网云脑架构图发布,解读云机器人、人工智能、物联网等19个前沿科技

Submitted by zhongzhimin on Fri, 08/11/2017 - 21:31
从2007年开始,我和中国科学院大学石勇、彭耿、刘颖等老师发表论文提出互联网的进化发展问题,“互联网正在向着与人类大脑高度相似的方向进化,它将具备自己的视觉、听觉、触觉、运动神经系统,也会拥有自己的记忆神经系统、中枢神经系统、自主神经系统,并绘制了互联网云脑的架构图。