深度學習/神經網路

生成對抗網路
由2D到3D：全像式圖片生成網路HoloGAN

由2D到3D：全像式圖片生成網路HoloGAN

2019/11/28
由2D到3D：全像式圖片生成網路HoloGAN 沒有迴響

由2D到3D：全像式圖片生成網路HoloGAN
編譯／賴佳昀

電腦視覺或圖形處理與自動駕駛、無人機、機器人等領域的發展息息相關，尤其如何以二維圖像拼湊出三維物件。英國巴斯大學所開發的HoloGAN，改善過往其他GAN模型的缺陷，能更逼真地合成同一物件但不同視角的圖像。

繼續閱讀→
深度學習/神經網路
「剪」出最有效率的神經網路

「剪」出最有效率的神經網路

2019/08/01
「剪」出最有效率的神經網路 沒有迴響

「剪」出最有效率的神經網路
撰文／陳儁翰

剪枝（pruning）是一種常見的技巧，藉由去除神經網路中冗餘的參數，使得運算速度快上數倍，並降低對資料儲存量的需求，同時保持瘦身後模型的準確度與原模型相當。在某些情況下，剪枝後的模型在重新訓練後，甚至能超越原本的模型。這在有速度要求（例如高幀數的即時物件辨識）或有硬體條件限制（例如在手機上運行模型）的情境中很有幫助，最新的研究讓我們更了解剪枝的意義與價值。

繼續閱讀→
深度學習/神經網路
沒有階層的神經網路─ODE net

沒有階層的神經網路─ODE net

2019/02/20
沒有階層的神經網路─ODE net 沒有迴響

沒有階層的神經網路─ODE net
編譯／黃柏瑋

保健醫療，尤其患者健康狀況的長期追蹤，也是AI的一大應用領域。只是，病歷雖可作為個人的健康資料庫，但生病、就診的時間無法掌握，有時候一天兩次，有時候兩年才看一次醫師，資料點的散布顯得凌亂且隨機，而健康狀況卻是連續的變化，這類的連續性問題，傳統階層式神經網路顯然難以招架。

繼續閱讀→
深度學習/神經網路
真偽莫辨的人像產生器

真偽莫辨的人像產生器

2019/01/23
真偽莫辨的人像產生器 沒有迴響

真偽莫辨的人像產生器
編譯／葛竑志

你相信上圖中所有人物都是假的嗎？透過對抗式生成網路（Generative Adversarial Network，GAN）與新興技術，就能憑空產生一些不存在的人事物，甚至可按照使用者需求，訂製出清晰且逼真的影像。自2014年Ian Goodfellow首次提出後，GAN開始在各大頂級研討會上佔有一席之地。截至今日為止，已有許多進化版本被提出來。但到底為何會如此受到矚目呢？

繼續閱讀→
深度學習/神經網路
談談AI的「低潮期」─演算神經醫學

談談AI的「低潮期」─演算神經醫學

2018/11/19
談談AI的「低潮期」─演算神經醫學 沒有迴響

談談AI的「低潮期」─演算神經醫學
編譯／臺大生醫電資所 葛竑志

若說機器也有陷入低潮的時候，你相信嗎？從一個神經科學的角度觀察，某些神經傳導物質能改變大腦的學習方式，影響著生物的決策。那如果機器遇到了卡頓的狀況，是不是也有類似的方法能突破困境呢？

繼續閱讀→
深度學習/神經網路
運用酵母菌窺見人工智慧的黑盒子

運用酵母菌窺見人工智慧的黑盒子

2018/09/03
運用酵母菌窺見人工智慧的黑盒子 沒有迴響

運用酵母菌窺見人工智慧的黑盒子
編譯／中研院資科所博士後研究員 黃佳欣

現今許多人工智慧系統所應用的深度神經網路（Deep neural network, DNN）還是有些神秘，機器內部的運作往往就像是個黑盒子。一篇發表在 Nature Methods 期刊上的研究論文，來自加州大學聖地亞哥分校的團隊開發出一套「可視化神經網路」（visible neural network, VNN）模型，他們把酵母菌的基因等分子階層網路映射到深度神經網路的基本架構，讓研究人員能夠觀察人工智慧系統的運作情況，並透過機器洞察細胞的內部運作，由此產生的技術期待未來可以尋求新的抗癌藥物或是應用在個人化治療。
繼續閱讀→
Pages
  • 1
  • 2