标签

 深度学习 

相关的文章:

本列表汇集了深度学习领域的最新研究与应用,从基础理论到实践案例,涵盖模型部署、技术对比及行业动态,助您深入了解深度学习的前沿发展。

深度学习模型逐细胞预测果蝇的形成
深度学习模型逐细胞预测果蝇的形成
MIT News - Artificial intelligence

MIT News - Artificial intelligence ·

小猫都能懂的大模型原理 1 - 深度学习基础
小猫都能懂的大模型原理 1 - 深度学习基础
UsubeniFantasy

UsubeniFantasy ·

基于DeploySharp 开发的深度学习模型部署测试平台,提供了YOLO框架的主流系列模型,包括YOLOv5~v13,以及其系列下的Detection、Segmentation、Oriented Bounding Box、Human Pose Estimation等应用场景。模型部署引擎支持OpenVINO™、ONNX...

HyperAI 超神经为大家整理了 9.8-9.12 期间一系列极具价值且应用广泛的教程和数据集,涵盖影像生成、生物学、逻辑推理等多个领域~

百度于9月9日在京举办WAVE SUMMIT大会,发布文心大模型X1.1,提升了事实性、指令遵循和智能体能力。同时推出飞桨框架v3.2,推动AI技术在各领域的应用。

1928年青霉素的发现开启了抗菌新纪元,但抗生素耐药性问题日益严重。宾夕法尼亚大学筛选出386种新型抗菌肽,其中91.4%显示出强效抗菌活性,为新抗生素研发提供了新思路。

从零开始用PyTorch实现VGG – 深度学习理论
从零开始用PyTorch实现VGG – 深度学习理论
freeCodeCamp.org

freeCodeCamp.org ·

东京大学和麦吉尔大学提出的SUICA模型利用隐式神经表征和图自编码器对空间转录组数据进行建模,显著提升数据质量和生物信号。SUICA在基因表达预测中表现优异,有效减少噪声并缓解dropout现象,推动空间转录组技术在研究和临床应用中的发展。

东京大学和麦吉尔大学提出了SUICA,一种基于隐式神经表征和图自编码器的空间转录组数据建模方法。SUICA通过降维和建模,提高了空间转录组数据的质量,降低了噪声,增强了生物信号,能够准确预测基因表达。实验结果表明,SUICA在去噪和恢复基因表达方面表现优异,具有广泛的应用潜力。