IT思维

物理系统中存在的纠缠的量化对于基础研究和许多前沿应用至关重要。现在，实现这一目标需要系统的先验知识或非常苛刻的实验程序，例如全状态断层扫描或集体测量。

深度学习已经能够成功预测 DNA 序列的表观基因组图谱。

偶极扩散函数 (DSF) 工程重塑了显微镜的图像，可以最大限度地提高测量偶极状发射器 3D 方向的灵敏度。

代谢动力学模型通过机械关系将代谢通量、代谢物浓度和酶水平联系起来，使其对于理解、预测和优化生物体的行为至关重要。

Gary Marcus 认为，人工智能不可能只是机器学习或深度学习。我们需要更丰富的综合方法才能取得进展。

随着可编程性等问题在 FPGA 上的解决，FPGA 将成为市场人工智能应用的选择。

武汉新型冠状病毒肺炎的疫情仍在不断扩散。截至2020年1月30日7时，确诊病例达到7201例，确诊病例数已经超过2003年非典。随着确诊人数的增多，需要尽快确定可能感染武汉2019年新型冠状病毒（2019-nCoV）的潜在宿主与中间宿主，切断病毒传播链。

在刚闭幕不久的 2019 年 NeurIPS 大会上，美国莱斯大学（Rice University）研究员 Anshumali Shrivastava 宣布他们在分布式深度学习方面取得了新的突破——MACH 算法。

LeCun表示，人工智能的下一个发展可能是放弃深度学习的所有概率技巧，而是掌握一系列变化的能量值。

公众号/AI前线 策划 | 刘燕 作者 | Jerry Wei 译者 | Sambodhi 编辑 | Lind […]

深度学习已经成为推荐系统领域的首选方法，但与此同时，已有一些论文指出了目前应用机器学习的研究中存在的问题，例如新模型结果的可复现性，或对比实验中基线的选择。

公众号/将门创投 arxiv 编译: T.R 【温馨提示】本文长度4967字，建议先收藏后认真阅读。 基于图像 […]

本文最初发布于 Max Pechyonkin 个人博客 https://pechyonkin.me ，经原作者授权由 InfoQ 中文站翻译并分享。

为了解决这些问题，研究人员将目光投向了深度学习，利用生成模型实现了深度估计和定位任务，为机器人环境感知带来了全新的解决方案。

英国赫特福德大学与 GBG Plc 的研究者近日发布了一篇综述论文，对人脸识别方法进行了全面的梳理和总结，其中涵盖各种传统方法和如今风头正盛的深度学习方法。

近日，来自日本东京工业大学的研究人员将基于深度学习的新型传感器送入太空。

许多人都持这一观点：算法终将会超越人类，具有认知意识。

近日，谷歌大脑团队提出一种结构化方法从单目视频中进行无监督学习，获得了较高质量的场景深度和自运动预测。

青光眼是世界上导致失明的第二大原因。

我被问到最多的问题是“我如何获得更高的精度？”。机器学习工程师，无论是新手还是有经验的，都会问这个问题。

对于机器人感知来说，RGB图加卷积网络已经变成了感知系统的标配。

为了将最新的计算机视觉模型引入移动设备，Facebook 开发了 QNNPACK，一个针对低强度卷积进行优化的函数库。

许多重要的神经网络架构都是在上世纪八十年代中期和九十年代早期完成的。

近年来，深度学习在解决模式识别问题方面发挥了关键作用。

这样的能力将为生物学研究带来翻天覆地的变革，无论是癌症研究还是药物开发都将受益于新的观测方式，我们看到的细胞将不是扁平的二维截面，也不再是课本上一成变的图样，而是一个生命充满活力的生生不息！