研究人员已经成功地让人工智能理解了我们对面部吸引力的主观概念。
研究人员开发了一种深度学习工具,为分析显微镜拍摄的图像提供了新的机会。
研究人员已经开发出先进的可解释人工智能,这是一项技术绝招,可以破译DNA编码的调控指令。
基于深度学习的系统可以让皮肤科医生从智能手机照片中识别出可疑的皮肤病变,从而实现更好的筛查。
研究人员分析了深度学习研究的更好设计是否能导致医疗实践的更快转变。
机器学习系统在工作中学习。通过不断适应新的数据输入,这种“液体网络”可以帮助医疗诊断的决策。
计算机科学家使用TACC系统为机器人训练生成合成对象。
研究人员已经开发出基于智能手机的应用程序,为听力丧失的人解决了最大的问题:过滤掉背景噪音,改善语音感知。
深度学习方法有潜力提供更好的结果,产生更好的表征人类大脑的特征。
研究人员开发了一种新的光子处理器,可能会给人工智能带来革命性的变化。
人工神经网络在解释耗时的成像数据方面开辟了新的可能性。
在机器人、机器学习和基于物理的仿真交叉领域工作的专家分享了计算机仿真如何加速“智能机器人”的发展,“可能与人类互动”。
一种设备可以帮助科学家更好地了解户外照明对健康的好处,并导致可穿戴设备可以促使用户获得更多的户外时间。
研究人员已经开发了一种深度学习神经网络的方法,以快速估计他们输出的信心水平。
一种计算机视觉技术被植入了一款免费的手机应用程序,可以定期监测糖尿病患者的血糖水平。
研究人员开发了一种人工智能驱动的预测工具,用于预测流感暴发。
人工智能通过功能性磁共振成像来检测阿尔茨海默病的早期阶段。
研究人员已经开发了一种腕式设备,用于3D手部姿势估计。该系统由一个捕捉手背图像的摄像机组成,并由一个神经网络支持。
研究人员揭示了利用人工智能制造新型记忆设备材料背后的机理。
科学家已经开发出一种极其快速的诊断测试方法,可以在不到5分钟的时间内检测和识别出病毒。
研究人员发明了一种人工智能算法,可以根据电子健康记录中的临床记录信息,自动识别出有高度故意自残风险的患者。
了解更多关于科学家和医生如何使用人工智能为抗击冠状病毒做出贡献的信息。
赫尔辛基大学的研究人员开发了一种技术,利用计算机监测人类大脑信号来模拟视觉感知。
人工智能专家报告称,他们已经成功解决了提高人工智能能力的一个主要障碍。
研究人员宣布,他们的咳嗽检测摄像机可以识别咳嗽发生的位置,并将其可视化。
研究人员开发了一种算法,不仅可以预测心力衰竭患者的再入院,还可以告诉你为什么会发生这种情况。
研究人员已经设计了一种手腕设备,并开发了软件,可以在3D中持续跟踪整个人类的手。
研究表明,所谓的“临界状态”可以用来优化人工神经网络,这些神经网络运行在受大脑启发的神经形态硬件上。
科学家们已经开发出一种感觉集成人工大脑系统,它可以模仿生物神经网络,可以在一个高效的神经形态处理器上运行。
研究人员开发了一种神经网络,能够在培养皿中识别视网膜组织的分化过程。
研究人员创建了一个人工神经网络,可以分析肺部CT扫描,提供肺癌严重程度的信息,从而指导治疗方案。
深度学习驱动的单张力电子皮肤传感器可以从远处捕捉人体动作。
研究人员开发了一种新的、更快的方法来识别癌症干细胞(CSCs),这可能有助于提高癌症治疗的有效性。
在模拟的神经网络中,类似睡眠周期的状态可以抑制人工模拟大脑中不间断的自我学习所带来的不稳定性。
研究人员开发了一种人工智能算法,可以检测和识别不同类型的脑损伤。
本网站使用cookies为读者提供最佳的网站体验。请参阅我们的隐私政策了解我们如何使用cookies,以及如何编辑您的首选项。