XiaoMi-AI文件搜索系统
World File Search System人工神经网络
第33届人工神经网络国际会议
欢迎来到瑞士提西诺的卢加诺，我们在那里举行了第33届国际人工神经网络会议（ICANN 2024），欧洲神经网络协会（ENNS）的旗舰会议。我们真的很高兴您进入了我们的城市，在那里，ICANN是完全面对面的会议。This year, ICANN is co-organized by the Istituto Dalle Molle di studi sull'in- telligenza artificiale (IDSIA USI-SUPSI https://www.idsia.usi-supsi.ch) and by the Marie Skłodowska-Curie (MSC) Innovative Training Network European Industrial Doctorate “Advanced machine learning for Innovative Drug Discovery” （AIDD https://ai-dd.eu），由MSC博士网络“可解释的分子AI”支持（AICHEMIST https://aichemist.eu）。它位于Italiana大学（USI）和Scuola Universitaria Poraceale della Svizzera Italiana（Supsi）的联合场所，靠近城市和卢加诺的主要景点。当我们提出卢加诺作为ICANN 2024的场所时，我们的主要目标之一是将会议接近学术生活，以在校园的既定研究人员，博士生，博士生和当地的本科生和硕士学生之间进行交流。我们认为已经实现了这一目标：大约三分之二的注册会议参与者是博士生，但我们也发现了许多参与者中许多受人尊敬和知名的研究人员。来自当地社区，有20多名学生签署为会议助理 - 他们将帮助您在校园中找到自己的出路，设置演讲，并从访问Lugano的访问中充分利用！我们祝您有一个出色的ICANN 2024！学生助理可以免费获得整个会议和会议餐饮。计划委员会汇总了一个有吸引力的科学计划，其中包括一条多方面的主要曲目，几个有吸引力的研讨会和特殊会议，两个出色的教程以及来自各种各样纪律的世界著名科学家的重要主题演讲。遵循ENN的任务，我们旨在弥合神经机器学习，脑启发计算和认知计算神经科学的不同研究领域。我们还希望将研究人员与以应用程序学习的理论和基础以及面向应用的同事一起。这些目标反映在我们的主题演讲以及主要会议计划中。我们希望您，与会者，能够进行许多富有成果的讨论。与过去几年一样，ICANN 2024也有一个广泛的社会计划。在9月17日（星期二）晚上，所有与会者都被邀请参加免费的欢迎招待会，将在这里提供淡淡的小吃和饮料。9月19日，星期四，我们将在Ristorante Ciani举行会议晚宴，距离我们旁边几个街区距离我们旁边的Parco Ciani旁边，该街区跨越了Lugano Lakeside，并且是城市中的主要地点之一。请注意，会议晚宴需要额外的注册，并且地方有限。会议计划中包括站立午餐和咖啡休息时间。您会找到有用的提示，以及本手册中有关设施（包括WiFi）的更多信息。
拓扑层结构中的光学双稳态及其在光神经网络中的应用*
材料Sio 2。在拓扑模式下，电场高度局部位于分层结构的反转中心（也称为界面），并成倍地衰减到批量上。因此，当从战略上引入非线性介电常数时，出现了非线性现象，例如Biscable状态。有限元数值模拟表明，当层周期为5时，最佳双态状态出现，阈值左右左右。受益于拓扑特征，当将随机扰动引入层厚度和折射率时，这种双重状态仍然存在。最后，我们将双态状态应用于光子神经网络。双态函数在各种学习任务中显示出类似于经典激活函数relu和Sigmoid的预测精度。这些结果提供了一种新的方法，可以将拓扑分层结构从拓扑分层结构中插入光子神经网络中。
具有定制的人工神经网络处理器...
摘要 — 本文介绍了一种具有自定义指令集架构的嵌入式可编程处理器的设计和实现，用于高效实现人工神经网络 (ANN)。ANN 处理器架构可扩展，支持任意数量的层和每层人工神经元 (AN) 数量。此外，该处理器支持具有任意 AN 间互连结构的 ANN，以实现前馈和动态循环网络。该处理器架构是可定制的，其中 AN 之间的输入、输出和信号的数值表示可以参数化为任意定点格式。本文介绍了一种设计的可编程 ANN 处理器的 ASIC 实现，用于具有多达 512 个 AN 和 262,000 个互连的网络，估计占用 2.23 mm2 的硅片面积，在 1.6 V 电源下以 74 MHz 运行，采用标准 32 nm CMOS 技术，功耗为 1.25 mW。为了评估和比较所设计的 ANN 处理器的效率，我们设计并实现了专用的可重构硬件架构，用于直接实现 ANN。本文介绍了所设计的可编程 ANN 处理器和 Xilinx Artix-7 现场可编程门阵列 (FPGA) 上的专用 ANN 硬件的特性和实现结果，并使用两个基准进行了比较，即使用前馈 ANN 的 MNIST 基准和使用循环神经网络的电影评论情绪分析基准。
分子波的人工神经网络编码
材料建模的人工神经网络（ANN）获得了显着的兴趣。我们报告了基于Boltzmann机器（BM）体系结构对ANSATZ的ANSATZ的ANSATZ的改编，用于量子化学计算[Yang等，J。Chem。理论计算。，2020，16，3513–3529]。在这里，这项研究将其扩展的形式主义提出了量子算法，该算法可以通过量子门制备NQ。ANN模型的描述符被选为电子配置的占领，是用量子机械代表的。我们的算法可能具有与先前研究中使用的基于经典抽样的组合相比的潜在优势。可以使用量子本机程序准确地形成NQ。仍然，在能量最小化方面对模型的训练有效地在经典计算机上进行。因此，我们的方法是一类变异的量子本素。BM模型与Gibbs的分布有关，我们的准备程序利用了量子相估计的技术，但没有哈密顿的进化。通过在量子计算机模拟器上实现该算法来评估所提出的算法。显示了理论的完整空间配置相互作用水平的说明性分子计算，并确定了与我们先前经典方法的准确性的一致性。
突触缩放——一种人工神经网络...
摘要 — 大自然一直启发着人类精神，科学家经常根据对大自然的观察开发新方法。成像和传感技术的最新进展使人们对生物神经过程有了更深入的了解。为了找到增强神经网络学习能力的新策略，我们专注于一种与生物神经网络中的学习任务和神经稳定性密切相关的现象，即稳态可塑性。在描述稳态可塑性的理论中，突触缩放被发现是最成熟和最适用的。我们系统地讨论了关于突触缩放理论的先前研究及其如何应用于人工神经网络。因此，我们利用信息论来分析评估突触缩放如何影响互信息。基于这些分析结果，我们提出了两种在简单和复杂、前馈和循环神经网络的训练过程中应用突触缩放的方式。我们在标准基准上将我们的方法与最先进的正则化技术进行了比较。我们发现，在广泛的网络前馈和循环拓扑和数据集上的实验中，与之前的正则化方法相比，所提出的方法在回归和分类任务中产生的误差最低。
具有定制的人工神经网络处理器...
摘要 — 本文介绍了一种具有自定义指令集架构的嵌入式可编程处理器的设计和实现，用于高效实现人工神经网络 (ANN)。ANN 处理器架构可扩展，支持任意数量的层和每层人工神经元 (AN) 数量。此外，该处理器支持具有任意 AN 间互连结构的 ANN，以实现前馈和动态循环网络。该处理器架构是可定制的，其中 AN 之间的输入、输出和信号的数值表示可以参数化为任意定点格式。本文介绍了一种设计的可编程 ANN 处理器的 ASIC 实现，用于具有多达 512 个 AN 和 262,000 个互连的网络，估计占用 2.23 mm2 的硅片面积，在 1.6 V 电源下以 74 MHz 运行，采用标准 32 nm CMOS 技术，功耗为 1.25 mW。为了评估和比较所设计的 ANN 处理器的效率，我们设计并实现了专用的可重构硬件架构，用于直接实现 ANN。本文介绍了所设计的可编程 ANN 处理器和 Xilinx Artix-7 现场可编程门阵列 (FPGA) 上的专用 ANN 硬件的特性和实现结果，并使用两个基准进行了比较，即使用前馈 ANN 的 MNIST 基准和使用循环神经网络的电影评论情绪分析基准。
利用人工神经网络达到风速...
电力被普遍认为是增强生活水平的关键因素。因此，安全的电能消耗对于有效的国家能源管理至关重要。要这样做，需要对电力需求进行细致的评估。通过可行性研究找到可行的位置，并测量当地风速是建立植物风能之前的必要步骤。风速和模拟的估计可以用于进行这些评估。这项研究使用了人工神经网络（ANN），其中包括Levenberg-Marquardt（LM）学习算法来估计利比亚市Dernah的风速。利比亚气象中心的一年数据已用于训练，测试和验证ANN以预测小时风速。通过神经元计数为10、20、30、40和50，对ANN的结构进行了评估，从而使我们能够确定神经元的最佳数量以进行准确的预测。使用从Levenberg-Marquardt方法（LMA）获得的结果以及均方误差（MSE）和确定系数（R²）进行估计分析。结果表明，具有10个神经元的Levenberg-Marquardt方法表现最佳，R2的值为0.99661，MSE为0.000250。这些发现证实，可以在合理的范围内计算风速，因为它们表明基于可用的微不足道的气象数据的风速估计几乎与测量值匹配。
水黾算法与人工神经网络
这项技术正在推动智能城市的发展。智能城市由智能组件组成，例如智能家居。在智能家居中，人们使用各种传感器来使环境变得智能，而智能家居中的智能设备可用于检测其中人员的活动。检测智能家居用户的活动可能包括检测做饭或看电视等活动。检测智能家居居民的活动可以极大地帮助老年人或照顾孩子，甚至促进安全问题。传感器收集的信息可用于检测活动类型；然而，主要的挑战是大多数活动检测方法的精度较差。在所提出的方法中，为了减少数据挖掘技术的聚类误差，提出了一种使用水黾算法的混合学习方法。在所提出的方法中，该算法可用于特征提取阶段，并专门提取机器学习的主要特征。对所提出方法的分析表明，其精度为 97.63%，准确率为 97.12%，F1 指数为 97.45%。与类似算法（例如蝴蝶优化算法、哈里斯鹰优化算法、黑寡妇优化算法）相比，它在检测用户活动时具有更高的精度。
设计人工神经网络的混合方法和...
摘要背景：由于结直肠癌是世界上最重要的癌症类型之一，常常导致死亡，因此计算机辅助诊断 (CAD) 系统是一种有前途的早期诊断该疾病的解决方案，并且比传统结肠镜检查副作用更少。因此，本研究的目的是设计一个 CAD 系统，用于使用人工神经网络和粒子群优化器的组合来处理结直肠计算机断层扫描 (CT) 图像。方法：首先，研究的数据集是根据德黑兰 Loghman‑e Hakim 医院和伊斯法罕 Al‑Zahra 医院的患者的结直肠 CT 图像创建的，这些患者接受了结直肠 CT 成像，并在之后最多一个月内接受了常规结肠镜检查。然后执行模型实施步骤，包括图像的电子清洗、分割、样本标记、特征提取以及使用粒子群优化器训练和优化人工神经网络 (ANN)。使用二项统计检验和混淆矩阵计算来评估模型。结果：McNemar 检验结果显示，模型的准确度、灵敏度和特异性分别为 0.9354、0.9298 和 0.9889，P 值为 0.000。此外，模型与 Loqman Hakim 医院和 Al-Zahra 医院放射科医生诊断比率的二项式检验 P 值分别为 0.044 和 0.021。结论：统计检验和研究变量的结果表明，与放射科医生的意见相比，基于 ANN 和粒子群优化混合创建的 CTC-CAD 系统在根据 CTC 图像诊断结肠息肉方面是有效的。