共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
《科学通报》2021,66(3):284-299
机器学习的目标是设计可以根据先验知识和观测数据不断改进其性能的算法.该算法可以帮助机器从大量的数据中提取知识,从而提升其在特定任务上的性能.作为数据驱动的方法,机器学习可以有效利用高通量实验技术产生的大批量生物数据,实现合成生物体的功能预测与智能化设计,改变合成生物学的研究范式.本文首先介绍机器学习在合成生物学领域广泛应用的几个模型及方法,如支持向量机、神经网络、生成式对抗网络、深度强化学习等.然后介绍机器学习方法在合成生物学领域的典型应用,如启动子预测、酶催化设计、代谢途径构建、基因线路设计等.本文综述面向合成生物学的机器学习方法及应用,并试图启发读者如何选择和设计机器学习方法用于合成生物学的研究. 相似文献
4.
5.
正读者朋友,我是小e。很高兴又与大家相聚在《硅谷新视野》。在这期,甘老师要奏一组新的乐章——《人工智能组曲》,请大家欣赏。定义未来智能革命妙,AI来开道。Alpha Go胜李柯,Alpha Zero更俏。算法是引擎,数据是燃料。待到奇点到来时,人机携手笑。世事真奇妙,越想越觉俏,仅仅两年多,全球都知道。知道什么?"人工智能"这个词!不是吗?试想想,在2016年以前,也就是在阿尔法狗大胜围棋 相似文献
6.
计算机技术的不断进步,使得计算机从仅仅代替人工计算,逐渐扩展为以计算机系统来模仿人类的视觉、听觉及其思维等高级智能.人们曾经为建立计算机专家系统而努力工作,但不久就遇到了难以建立专家知识库的问题.随后,计算机专家们就转向机器学习,试图让计算机像人一样,有自学习功能.但这种努力也遇到问题,即让计算 相似文献
7.
基于自动特征提取方法的太阳耀斑预报模型 总被引:1,自引:0,他引:1
《科学通报》2016,(36)
在太阳耀斑预报模型中,首先需要从原始观测数据中提取刻画太阳活动区特性的物理特征参量,然后使用统计或机器学习方法寻找物理特征参量与太阳耀斑发生的关系,以达到建立太阳耀斑预报模型的目的.其中,太阳活动区物理特征的提取在整个建模过程中发挥着重要的作用,活动区物理特征的优劣直接决定着预报模型性能的高低.然而,随着机器学习技术的发展,机器学习方法中的深度学习算法能够从原始数据中自动提取特征,并建立预报模型.本文利用深度学习方法建立了一个太阳耀斑预报模型.与先提取活动区物理参量、再建立预报模型的传统机器学习方法相比较,本文所建立的预报模型具有更好的预报性能. 相似文献
8.
9.
<正>深度思维(DeepMind)创始人丹米斯·哈撒比斯(Demis Hassabis)曾经指出,对于构建智能水平与人类相当的人工智能(AI)来说,人类大脑就是一个至高无上的灵感来源。持这种观点的不止他一个。深度学习的成功向人们展示了如何把来自神经科学的启迪(记忆、学习、决策、视觉)转换成各类算法,并以此把我们人类强大认知能力赋予人工智能的硅大脑。不过,人工智能又会对神经科学的发展有何启示呢?2019 相似文献
10.
近些年,随着传感器和集成电路制造工艺的高速发展,可穿戴设备的应用越来越多;同时,利用人工智能和机器学习方法来辅助和促进可穿戴系统的应用也得到了广泛的研究.机器学习辅助的可穿戴智能传感系统可以跟踪监测人体活动和生命体征信号,在人机交互、数字健康乃至临床诊断等领域具有重要的应用前景.本文详细介绍和讨论了近期可穿戴传感器件、机器学习算法及其辅助可穿戴传感应用等研究进展,并探讨了机器学习辅助的可穿戴传感系统面临的挑战,总结了有待改进之处.同时,本文也针对机器学习在可穿戴传感系统中的进一步应用提出了潜在的解决方案和可能的发展方向. 相似文献
11.
12.
今天人工智能的巨大成就表现在机器学习上取得了突破性的发展及"智能+"推动了人工智能的普适应用。人工智能成为世界科技发展的一个新高地,各国对此都作出战略布局。同时,人工智能的发展也向我们提出了新的挑战,在伦理、社会治理等方面引入了新的课题。在展望人工智能光明前景的同时,我们也要清楚地认识到:人工智能,特别是机器学习,它基本的方法、基本的思路还是比较简单和粗糙的。现在的人工智能是着重于智能外延的人工智能,也就是说着重于模拟人的智能的外在功能,而人工智能的发展还有待于在智能内涵的理解上的不断进展。本文就此对人工智能的发展作一个抛砖引玉的讨论,也对机器学习的研究方向作探讨。 相似文献
13.
14.
分子科学是化学的核心,也是生物、材料、药学等学科的基础.传统的分子科学研究通过实验或理论手段进行,研究成本高、周期长,难以处理高复杂度体系.随着大数据时代的到来,数据驱动的人工智能研究已成为继实验、理论和模拟之后的第4种科学研究范式.数据驱动的机器学习凭借其快速高效的数据处理能力,在分子科学领域展现出巨大的发展潜力.尤其是在分子性质预测、分子设计、化学反应预测及逆合成、量子化学计算、自动化合成等领域获得了广泛应用.本文首先介绍面向分子科学数据智能研究过程中的3个关键部分,即分子科学开放数据集、分子描述符和机器学习算法;然后,列举机器学习在不同分子科学研究方向中的重要应用案例;最后,分析讨论该研究领域可能存在的挑战及潜在发展方向. 相似文献
15.
人工智能:概念·方法·机遇 总被引:2,自引:0,他引:2
《科学通报》2017,(22)
人类一切有意识的活动(特别是创新性活动),都是在人类智能的支配下展开和完成的.人工智能科学技术的研究目标,正是要探索人类智能(自然智能的最佳代表)的工作机理,在此基础上研制各种具有一定智能水平的人工智能机器,为人类的各种活动提供智能服务.可见,人工智能的进步将带动人类的科技、经济、社会、文化、军事等各个领域的创新发展,正因为如此,各国(特别是发达国家)都高度重视人工智能科学技术的研究.在这种背景下,认清人工智能的发展趋势和规律,抓住机遇加快我国人工智能的发展,对我国的现代化建设将具有重大的现实意义和深远的战略意义. 相似文献
16.
17.
18.
随着信息技术的迅速发展,各行各业积累的数据都呈现出爆炸式增长趋势,我们已经进入大数据时代.大数据在很多领域都具有广阔的应用前景,已经成为国家重要的战略资源,对大数据的存储、管理和分析也已经成为学术界和工业界高度关注的热点.收集、存储、传输、处理大数据的目的是为了利用大数据,而要有效地利用大数据,机器学习技术必不可少.因此,大数据机器学习(简称大数据学习)是大数据研究的关键内容之一.哈希学习通过将数据表示成二进制码的形式,不仅能显著减少数据的存储和通信开销,还能降低数据维度,从而显著提高大数据学习系统的效率.因此,哈希学习近年来成为大数据学习中的一个研究热点.本文对这方面的工作进行介绍. 相似文献
19.
无人移动平台是改变未来人类生产生活方式和战争形态的新质科技力量,其核心在于利用人工智能技术提升无人移动平台的自主化和智能化水平.然而,现阶段的人工智能模型参数、结构、推理链等核心要素固化,当无人移动平台面对复杂多变的对象、环境、任务以及资源受限的硬件平台,泛化和外推能力严重受限,无法满足实际应用需求.为了攻克这一技术难题,受生命智能体进化机制启发,本文提出了面向无人移动平台的自主进化学习方法,并根据进化模式的不同,将智能模型的自主进化过程划分为即时性进化、长时性进化和推理链进化3个层次;详细讨论了每个层次智能模型进化方法的技术路线和优缺点;最后,对智能模型自主进化技术在无人移动平台上的应用进行了展望与分析,并指出了现阶段自主进化学习方法存在的问题以及未来的研究方向. 相似文献