深度学习之生物启发的学习系统
基于深度学习的生物启发学习系统（Biologically Inspired Learning Systems）旨在借鉴生物大脑的结构和学习机制，设计出更高效、更灵活的人工智能系统。这类系统融合了生物神经科学的研究成果，通过模仿大脑中的学习模式、记忆过程和神经活动，推动深度学习的发展。其目标是让人工智能系统更具鲁棒性、自适应性和可扩展性。 1. 生物启发学习系统的核心思想 神经结构...
深度学习之生物网络推理
基于深度学习的生物网络推理利用深度学习技术来解析和理解生物网络（如基因调控网络、代谢网络、蛋白质-蛋白质相互作用网络等）的复杂关系和动态行为。这种方法有助于揭示生物系统的工作原理、预测基因或蛋白质的功能、发现新的药物靶点，以及理解疾病的分子机制。 1. 生物网络推理的背景与挑战 生物网络由分子（如基因、蛋白质、代谢物）及其相互作用构成，反映了生物体内复杂的生物化学过程和调控机制。...
具有生物启发训练方法的物理深度学习：物理硬件的无梯度方法
对人工智能不断增长的需求推动了对基于物理设备的非常规计算的研究。虽然此类计算设备模仿了大脑启发的模拟信息处理，但学习过程仍然依赖于为数字处理优化的方法，例如反向传播，这不适合物理实现。在这里，来自日本 NTT 设备技术实验室（NTT Device Technology Labs）和东京大学的研究团队通过扩展一种称为直接反馈对齐（DFA）的受生物学启发的训练算法来展示物理深度学习。与原始算法不同，....
从手工作业到工业革命！Nature文章：生物图像分析被深度学习彻底改变的五个领域
【新智元导读】生物学和深度学习的组合在时下很热门，但实际上这场变革早已开启。一立方毫米，听起来不大，也就是一粒芝麻的大小，但在人类的大脑中，这点儿空间却能够容纳由1.34亿个突触相连接的大约5万条神经线（neural wires）。为了生成原始数据，生物科学家需要使用连续超薄切片电镜的方法，在11个月内对数以千计的组织碎片进行成像。而最终获得的数据量也达到了惊人的1.4 PetaBytes（即1....
BIB | 深度学习生物医学命名实体识别综述
今天给大家介绍我们湖南大学DrugAI课题组发表在Briefings in Bioinformatics上发表的一篇综述。这篇综述从“单一神经网络、多任务学习、迁移学习和混合模型”这4个方面，介绍了近年来深度学习如何从生物医学文献文中挖掘命名实体以及相关数据集。作者挑选了几个有代表性的方法，在6个常用的数据集上进行了实验比较。结果发现，深度学习的方法要普遍优于传统方法，并且不同的方法和数据集之间....
Survey | 深度学习方法在生物网络中的应用
今天介绍厦门大学刘向荣老师团队在Briefings in Bioinformatics上发表的一篇综述论文，该论文首先介绍了应用在网络数据上的深度学习几种典型的模型，然后根据不同的生物网络数据分类，介绍了现有的实际研究和工作；最后对这篇文章提到的方法进行了总结和讨论。1背景生物系统有很多不同层面和不同组织形式的网络，包括基因转录调控网络、生物代谢与信号传导网络、蛋白质相互作用网络等。除此之外，人....
如何让深度学习突破数据瓶颈？这家创业公司直接挑战生物神经元的计算模型
前言瑞士，有着覆盖国土面积 60% 的阿尔卑斯山脉和超过 1,500 个湖泊，玛丽·雪莱所著的西方文学史上首部科幻小说《弗兰肯斯坦》就诞生于日内瓦湖畔，它讲述了一位天才科学家从零到一创造出智能生命体的故事，成为此后 200 年间讨论人类与机器、生命与智能的哲学模板。Demiurge Technologies 也是一家希望从生命中获得线索并以此来开发通用人工智能的创业公司，位于瑞士一个依山傍湖的小....
深度学习如何解决生物调试问题？
【编者按】深度学习在近几年实现了巨大的突破，而这一方法也被应用到越来越多的领域，用于解决过去在这些领域难以解决的问题。可以预见，在未来的科研中“深度学习+学科应用”将得到更广阔的应用，人工智能和深度学习方法也会变成我们生活和科研中水和电一样随处可见的东西。本文就是深度学习在生物科学领域应用的一个例子，原文刊载于20n.com，雷锋网(公众号：雷锋网)特此编译全文，供读者参考。 生物学现在面临着.....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
智能搜索推荐
智能推荐（Artificial Intelligence Recommendation，简称AIRec）基于阿里巴巴大数据和人工智能技术，以及在电商、内容、直播、社交等领域的业务沉淀，为企业开发者提供场景化推荐服务、全链路推荐系统开发平台、工程引擎组件库等多种形式服务，助力在线业务增长。
+关注