标签

 神经网络 

相关的文章:

本列表汇集了关于神经网络在物理模拟、语音识别、图像处理等领域的最新研究成果,展示了其在多种应用中的创新与进展。

基于图神经网络的机器人 plaster 打印预测建模

本文提出了一种基于图神经网络(GNN)的建模方法,用于预测颗粒基制造过程中产生的表面,专注于通过机器人臂在墙上喷涂水泥 plaster 的打印过程。该方法通过优化机器人臂轨迹特征和打印过程参数,显著提升了预测精度,相较于现有基准模型表现出显著改善,为实现自主喷涂过程提供了新的解决方案。

本文提出了一种基于图神经网络的建模方法,用于预测颗粒基制造中水泥喷涂过程的表面。该方法优化了机器人臂轨迹和打印参数,显著提升了预测精度,为自主喷涂提供了新方案。

原文中文,约300字,阅读约需1分钟。发表于:
阅读原文

基于图神经网络的时序图影响力最大化候选节点预测

本研究解决了传统影响力最大化策略在快速变化的动态网络中难以识别影响节点的问题。我们提出了一种新颖的学习方法,将图神经网络(GNN)与双向长短期记忆(BiLSTM)模型相结合,能够准确预测候选节点,适应网络的时间变化。研究表明,该方法在不同网络中实现了90%的平均准确率,显著提高了种子集选择的效率,减少了计算开销。

本研究提出了一种新方法,将图神经网络与双向长短期记忆模型结合,以解决动态网络中的节点识别问题。该方法在不同网络中实现了90%的准确率,提高了种子集选择效率,降低了计算开销。

原文中文,约300字,阅读约需1分钟。发表于:
阅读原文
原文中文,约4400字,阅读约需11分钟。发表于:
阅读原文

快速训练具有稳态反馈的递归神经网络

本研究解决了递归神经网络在训练过程中面临的梯度计算瓶颈问题。我们提出了一种新方法,使用固定梯度反馈机制替代传统的时间反向传播(BPTT),通过状态空间模型的原则定义反馈矩阵,从而有效简化梯度传播,显著降低训练开销,同时保留网络捕捉长期依赖的能力。实验结果表明,该方法在语言建模基准上表现出竞争力的困惑度,并具有广泛的实际应用潜力。

发表于:
阅读原文

基于代理建模和深度神经网络的安全设施数字双胞胎建立研究

本研究解决了在高安全性核设施中,由于感知限制而无法进行实时数据采集的问题。通过使用基于代理的模型生成合成运动轨迹,并利用深度神经网络进行下一个位置和停留时间的预测,成功区分了正常操作与应急响应期间非玩家角色(NPC)的运动。研究结果显示,该方法有效结合了合成数据和深度学习技术,有助于提高安全设施的监控和应急管理能力。

发表于:
阅读原文

AuditVotes:迈向可部署的图神经网络认证鲁棒性框架

本研究旨在解决图神经网络(GNNs)在适应性攻击下的鲁棒性挑战。提出的AuditVotes框架通过结合随机平滑、增强和条件平滑两个关键组件,实现了高准确率和认证鲁棒性,显著提高了数据质量和预测一致性。实验结果表明,AuditVotes在保持高计算效率的同时,显著提升了清晰准确率和认证鲁棒性,为图神经网络在实际应用中的部署提供了实质性支持。

发表于:
阅读原文

基于迁移学习的物理信息神经网络方法对电池电化学参数的现场估计

本研究解决了现场电池模型表征中电化学参数估计的问题。提出了一种结合物理信息神经网络和迁移学习的创新框架,能够在实时电池管理系统上有效估算相关电化学参数,并显著降低计算成本。实验结果显示,该方法在特定降级条件下准确估计了NMC电池的活性材料体积分数,具有良好的实施潜力。

发表于:
阅读原文

AI神经网络通过多尺度方法将物理模拟加速8倍

This is a Plain English Papers summary of a research paper called AI Neural Network Speeds Up Physics Simulations by 8x Using Multi-Scale Approach. If you like these kinds of analysis, you should...

研究论文《AI神经网络通过多尺度方法加速物理模拟8倍》介绍了一种新型图神经网络X-MeshGraphNet,该网络能够有效处理大网格结构,显著提高计算效率并保持准确性。

AI神经网络通过多尺度方法将物理模拟加速8倍
原文英文,约200词,阅读约需1分钟。发表于:
阅读原文

一种71.2-$μ$W的带递归脉冲神经网络的语音识别加速器

本研究解决了边缘设备实时应用中语音识别加速器面临的超低功耗设计问题。提出了一种紧凑的递归脉冲神经网络架构,并通过算法与硬件的协同优化显著减少了模型大小和复杂度。主要发现是,该设计在实现实时处理的同时,功耗仅为71.2μW,极大提升了能量与面积效率。

本研究提出了一种紧凑的递归脉冲神经网络架构,针对边缘设备的语音识别加速器进行超低功耗设计。通过算法与硬件优化,功耗降至71.2μW,实现实时处理,显著提升能量与面积效率。

原文中文,约200字,阅读约需1分钟。发表于:
阅读原文

量子/经典神经网络的定量评估:基于游戏求解器指标

本研究解决了量子计算系统与经典计算系统性能对比的难题,提出了一种基于井字棋的Elo评级的游戏求解基准。研究发现,经典-量子混合模型的Elo评级与经典卷积神经网络相当,而独立的量子卷积神经网络在当前硬件限制下表现不佳,但量子通信引入的开销较小,这为未来的混合量子应用奠定了基础。

本研究提出了一种基于井字棋的Elo评级游戏求解基准,比较了经典计算与量子计算的性能。结果表明,经典-量子混合模型表现优异,而独立的量子卷积神经网络在现有硬件上效果不佳,但量子通信开销较小,为未来应用奠定了基础。

原文中文,约300字,阅读约需1分钟。发表于:
阅读原文