DeepMind：谁说卷积网络不如ViT？
本文通过评估按比例扩大的 NFNets，挑战了 ConvNets 在大规模上表现不如 ViTs 的观点。深度学习的早期成功可归功于卷积神经网络（ConvNets）的发展。近十年来，ConvNets 主导了计算机视觉基准测试。然而近年来，它们越来越多地被 ViTs（Vision Transformer
首页 > 卷积
-
-
GPU上运行速度比现有模型快3-7倍，IU团队使用全卷积神经网络进行准确的从头肽测序
从头肽测序不依赖于全面的靶序列数据库，这为科学家提供了一种从串联质谱中识别新肽的方法。然而，当前的从头测序算法的准确性和覆盖率较低，这阻碍了它们在蛋白质组学中的应用。
-
DeepMind验证卷积神经网络在大规模数据集上可媲美视觉变换器
核心要点:1. 最近的研究表明，卷积神经网络（ConvNets）在大规模数据集上可以与视觉变换器(Vision Transformers)媲美，挑战了以往认为视觉变换器在这方面具有卓越性能的观点。2. 研究团队使用NFNet模型在巨大的JFT-4B数据集上进行了训练，发现随着计算资源的增加，Conv
-
YannLeCun：我是卷积神经网络之父，但也被它的专利卡过脖子
学术研究的专利归属对于学者而言很重要，是对自己所做工作的保护和肯定。但如果因公司变故而将自己参与研究的专利分了出去，后续研究还怎么搞？深度学习三巨头之一、卷积神经网络之父 Yann LeCun 就曾遇到过这种「烦心事」。
-
上海专家开发超快速的卷积光学神经网络，助力人工智能成像
据澎湃新闻，由上海理工大学智能科技学院张启明教授，智能科技学院、张江实验室光计算所顾敏院士领衔的研究团队，开发了一种超快速的卷积光学神经网络（ONN），这一技术在无需依赖光学记忆效应的情况下，实现了对
-
华为公司申请图像处理系统专利，能够训练卷积神经网络以识别评估相机图像中的重复结构
金融界2023年11月21日消息，据国家知识产权局公告，华为技术有限公司申请一项名为“用于训练自学习图像处理系统的方法和传感器组件”，公开号CN117099110A，申请日期为2021年3月。专利摘要显示，提供了一种训练卷积神经网络的方法。所述方法包括提供由传感器获得的传感器图像。所述传感器能够确定
-
RichardSutton直言卷积反向传播已经落后，AI突破要有新思路：持续反向传播
作者 | Richard Sutton编译 | bluemin编辑 | 陈彩娴“可塑性损失”（Loss of Plasticity）是深度神经网络最常被诟病的一个缺点，这也是基于深度学习的 AI 系统被认为无法持续学习的原因之一。对于人脑而言，“可塑性”是指产生新神经元和神经元之间新连接的能力，是人
-
中国石化获得发明专利授权：“一种基于卷积神经网络的圈闭有效性评价方法”
证券之星消息，根据企查查数据显示中国石化（600028）新获得一项发明专利授权，专利名为“一种基于卷积神经网络的圈闭有效性评价方法”，专利申请号为CN202010308477.1，授权日为2024年7月16日。专利摘要：本发明公开了一种基于卷积神经网络的圈闭有效性评价方法，通过对三维地质体进行切片得
-
卷积神经网络与Transformer结合，东南大学提出视频帧合成新架构
研究者表示，这是卷积神经网络与 Transformer 首度结合用于视频帧合成。深度卷积神经网络（CNN）是功能非常强大的模型，在一些困难的计算机视觉任务上性能也很卓越。尽
-
哈工大与腾讯开发：一种专门针对蛋白质组数据设计的反卷积方法
编辑 | 萝卜皮细胞类型反卷积是一种用于从大量测序数据中确定/解析细胞类型比例的计算方法，并且经常用于分析肿瘤组织样本中的不同细胞类型。然而，由于重复性/再现性、参考标准可变以及缺乏单细胞蛋白质组参考数据的挑战，使用蛋白质组数据分析细胞类型的反卷积技术仍处于起步阶段。哈尔滨工业大学、腾讯 AI la
