突破性收听的研究人员 - 寻找宇宙中智能生命迹象的程序 - 使用人工智能检测到来自遥远星系的72个新射电爆发。 2017年,加州大学伯克利分校的侦听团队寻找地外情报(SETI)研究中心,通过分析超过400TB的数据,发现了21个快速无线电突发(FRB)。 Gerry Zhang和合作者最近通过使用卷积神经网络再次查看同一数据集,发现了72次新的爆发。 在本声明中,突破性听取首席研究员Andrew Siemion博士表达了他对“用于检测经典算法错过的信号的机器学习算法的潜力”的兴奋。 “无论FRB本身最终是否都是外星技术的签名,突破性聆听有助于推动我们对周围宇宙的新认识和快速增长领域的前沿。” 为什么重要 卷积神经网络(CNN)是物体检测背后的技术,是最近许多突破的核心。从启用自动驾驶汽车到识别汽车和行人,到通过谷歌地图图像估算肥胖率。事实证明,这项技术对于帮助人们找到他们原本会发现的图像模式至关重要。 该技术有可能使电影或图像的旧数据集再万博五大电子游戏给您全方位的极致体验和高端的游戏享受,让您犹如身临其境自家巢穴般的奢华尊享!次对研究人员有用。正如Zhang及其同事所证明的那样,CNN可用于查看旧数据集,以查找传统机器学习方法可能遗漏的模式。 这个怎么运作 卷积神经网络学习在不同的抽象层表示图像的一部分。这些系统通常由一系列计算层组成,每个计算层在前一个输出上运行。例如,人们可以想象一个4层神经网络,其中第1层学习检测边缘和线条,第2层学习检测基本几何形状,第3层学习检测轮子或面部轮廓等图案。最后一层将学习如何使用第3层的输出从选项列表中选择最可能的类别。 在这个例子中,张的团队创建了一个图像数据集,其中一个图像“至少有一个FRB脉冲”,而另一个图像只有噪声。该团队进一步模拟脉冲并将其置于一些嘈杂的图像上。模拟是研究人员部署的一项关键技术,他们可能没有足够的数据,他们感兴趣。 他们的17层CNN在200,000张真实图像和20万张伪图像上进行了训练,检测到的脉冲精度为88%,实际脉冲精度为98%。 他们的论文和项目网站有更多关于他们项目的细节,包括他们的数据集。万博提供最优质的ManBetX万博体育产品和服务,主要产品涵盖了桌面游戏、棋牌、电子游艺等。