搜索结果: 1-5 共查到“计算机科学技术 学习框架”相关记录5条 . 查询时间(0.209 秒)
中国科学院自动化研究所科学家构建深度脉冲神经网络学习框架（图）
深度脉冲 神经网络 学习框架
2023/10/17
脉冲神经网络（Spiking Neural Network，SNN）被誉为第三代神经网络，使用更低层次的生物神经系统的抽象。它既是神经科学中研究大脑原理的基本工具，又因稀疏计算、事件驱动、超低功耗的特性，备受计算科学的关注。随着深度学习方法的引入，SNN的性能得到大幅提升，脉冲深度学习（Spiking Deep Learning）成为新兴的研究热点。传统SNN框架更多地关注生物可解释性，致力于构建...
2023年6月7日，中国科学院深圳先进技术研究院/深港脑科学创新研究院王立平团队在Nature子刊Translational Psychiatry杂志在线发表了题为“Systematic evaluation of a predator stress model of depression in mice using a hierarchical 3D-motion learning framew...
清华大学发布深度学习框架——计图（Jittor）（图）
清华大学 深度学习框架 计图 Jittor
2020/4/7
清华大学计算机系图形学实验室多年来一直致力于计算机图形学、计算机视觉、机器学习和系统软件等领域的研究，并成立了北京信息科学与技术国家研究中心下的可视媒体智能计算团队。在国家自然科学基金委创新群体项目和国家研究中心自主科研项目的资助下，研究团队提出了一个全新的深度学习框架——计图（Jittor）。计图平台已于3月20日正式对外发布和开源，在著名开源平台Github上发布后立刻受到了广大深度学习开发者...
稀疏特征空间嵌入正则化:鲁棒的半监督学习框架
基于图的半监督学习 稀疏表示 最近特征空间嵌入 正则化
2017/1/11
在机器学习领域,半监督学习作为一种有力工具吸引了越来越多的关注,其利用少量带标签数据和大量无标签数据进行有效学习,其中基于图的半监督学习方法因其优雅的数学形式和良好的学习性能而引起更广泛的研究.针对现有基于图的半监督学习方法所存在的模型参数敏感和数据判别信息不充分等问题,提出一种稀疏特征空间嵌入正则化(Sparse Feature Space embedding Regularization,SF...