搜索结果: 1-15 共查到“知识库 计算神经网络”相关记录17条 . 查询时间(1.334 秒)
物理机制神经网络基于失效信息的自适应采样
物理机制 神经网络 失效信息 自适应采样
2023/12/13
Physics-informed neural networks (PINNs) have emerged as an effective technique for solving PDEs in a wide range of domains. It is noticed, however, that the performance of PINNs can vary dramatically...
近日，中国科学院中国科学院自动化研究所脑图谱与类脑智能实验室李国齐研究员与西安交通大学赵广社教授合作在人工智能顶级国际期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI）上发表了一篇题为“Attention Spiking Neural Networks”的研究。这项工作将注意力机制融入百万级规模脉冲神经网络...
Machine learning has been successfully applied to various fields in computational science and engineering. In this paper, we propose interfaced neural networks (INNs) to solve interface problems with ...
Machine learning has been successfully applied to various fields in computational science and engineering. In this paper, we propose interfaced neural networks (INNs) to solve interface problems with ...
全波形反演（FWI）是一种非线性拟合观测地震记录从而获得高清晰速度模型的最优化算法。FWI能够通过拟合浅层初至波和反射波获得较准确的浅层速度模型。但是，FWI通常无法通过拟合深层反射波获得较准确的深层速度模型（包括背景速度和反射界面信息），因为模型梯度中的反射界面信息（偏移成分）比背景速度信息（层析成像成分）更加显著。因此，FWI主要更新深层反射界面而不是深层背景速度，而背景速度的误差会降低反射界...
哈尔滨工程大学计算机科学与技术学院科研成果系列发布（第四十九期）。
基于深度神经网络的时空编码磁共振成像超分辨率重建方法
磁共振成像 时空编码 超分辨率重建 深度神经网络
2022/3/15
单扫描时空编码磁共振成像是一种新型超快速磁共振成像技术，它对磁场不均匀和化学位移伪影有较强的抵抗性，但是其固有的空间分辨率较低，因此通常需要进行超分辨率重建，以在不增加采样点数的情况下提高时空编码磁共振图像的空间分辨率。然而，现有的重建方法存在迭代求解时间长、重建结果有混叠伪影残留等问题。为此，本文提出了一种基于深度神经网络的单扫描时空编码磁共振成像超分辨率重建方法。该方法采用模拟样本训练深度神经...
融合预训练语言模型和标签依赖知识的关系抽取方法
关系抽取 预训练模型 标签依赖 图卷积神经网络
2022/3/24
关系抽取旨在从未经标注的自由文本中抽取实体间的关系。然而,现有的方法大都孤立地预测每一个关系而未考虑关系标签相互之间的丰富语义关联。该文提出了一种融合预训练语言模型和标签依赖知识的关系抽取模型。该模型通过预训练模型BERT编码得到句子和两个目标实体的语义信息,使用图卷积网络建模关系标签之间的依赖图,并结合上述信息指导最终的关系分类。实验结果显示,该文方法性能相较于基线方法得到了显著提高。
近些年来,胶囊神经网络(Capsnets)由于拥有强大的文本特征学习能力而被应用到文本分类任务中。目前的研究工作大都将提取到的文本多元语法特征视为同等重要,而忽略了单词所对应的各个多元语法特征的重要程度由具体上下文决定的这一事实,这将直接影响到模型对整个文本的语义理解。针对上述问题,该文提出了多尺度特征部分连接胶囊网络(MulPart-Capsnets)。该方法将多尺度特征注意力融入到Capsne...
基于神经网络的CFD粗网格模拟优化方法研究
神经网络 粗网格 数值模拟 优化
2022/3/22
为缓解使用计算流体力学（ComputationalFluidDynamics，CFD）程序进行反应堆热工水力数值模拟中计算效率和计算精度之间的突出矛盾，以实现在较高计算效率下得到较高精度的计算结果，研究借助机器学习（MachineLearning，ML）中的前馈神经网络（FeedforwardNeuralNetwork，FNN）方法，通过对一定数量物理过程类似但具体参数不同的工况在粗网格、细网格两...
半导体神经网络与智能计算系统课题组是我国最早开展类脑计算硬件研究的科研团队，从1990年起，经过30年持续、不间断的研究和实践，形成了一套具有独创性的涵盖类脑神经计算算法、类脑神经形态芯片以及软硬件系统的完整体系。以课题组为核心筹建了北京市半导体神经网络智能感知与计算技术重点实验室、中国科学院半导体研究所类脑计算技术中心等重要研究平台。团队负责人为鲁华祥研究员，共有在职职工12人，其中高级职称5人...
基于机器学习预测化合物性能的方法在材料研发的虚拟筛选中发挥着重要作用。现有方法通过人工提取特征构建传统机器学习模型，存在着特征提取困难以及难以处理简化分子线性输入(SMILES)码等问题。为了解决这些问题，本文提出了一种端到端的图神经网络预测树脂材料高温性能的方法。首先将树脂材料的SMILES码表示为图形，其中顶点代表原子，边代表化学键；然后通过构建分子图的图神经网络得到分子的向量表示；最后通过构...
