Time的个人博客分享 http://blog.sciencenet.cn/u/Time

博文

按标题搜索
IEEE预印本Top1:可能是时候完善人工神经网络的神经元了 【变吧!ANN们!】
2020-10-30 14:04
可能是时候完善人工神经网络的神经元了 中文摘要翻译: 近年来,人工神经网络(ANN)在模式识别,机器学习或人工智能领域赢得了无数竞赛。 ANNs的神经元根据70年前对生物神经元的陈旧知识而设计的。人工神经元表示为f(wx + b)或f(WX)。此设计未考虑树突的信息处理能力。但是,最近的一些研究表明, ...
个人分类: 刘刚的个人主页|1839 次阅读|没有评论
(详细视频讲解)新的基础算法:树突网络(Dendrite Net):一个用于分类、回归和系统识别的白箱模块
2020-10-1 11:18
听上会儿,祝您有所得! 基础算法可以应用于大多数工程领域! 视频讲解:https://www.bilibili.com/video/BV1Dp4y1a7Bk/ ArXiv: https://arxiv.org/abs/2004.03955 GitHub(开源代码): https://github.com/liugang1234567/Gang-neuron
个人分类: 刘刚的个人主页|3118 次阅读|1 个评论
新的基础算法:树突网:一个用于分类、回归和系统识别的白箱模块
2020-9-30 10:26
摘要—本文提出了一种像支持向量机(SVM)或多层感知器(MLP)一样的基础机器学习算法。 DD 的主要理论是: 如果输出的逻辑表达式包含 相应类关于输入之间的逻辑关系 (与、或、非),则该算法可以在学习后识别该类。 实验和结果:(1)作为首个白盒机器学习算法的DD,对黑箱系统展示出了出色的系统识别性能。(2)对于 ...
个人分类: 刘刚的个人主页|1964 次阅读|2 个评论
极限算法?会改变计算机底层基本函数计算速度吗? 秒了霍纳法则??
2020-7-31 16:14
计算机里sin等基础函数存储方式本身是多项式系数的形式。 使用时,实际计算是多项式计算。 加快了多项式计算是不是从底层改变了计算机的计算速度呢? 文章: https://doi.org/10.36227/techrxiv.12477266 B站讲解视频: https://www.bilibili.com/video/BV1FD4y1U76C/
个人分类: 刘刚的个人主页|1623 次阅读|没有评论
机器学习、计算机视觉的小伙伴看过来:更新新模块(IEEE 预印本已火,年热度top6):梯度感受野-替换卷积?
2020-7-22 10:12
梯度感受野: 人在看东西时, 视野是有梯度的! 现有神经网络卷积丢失了这一梯度,损失了位置信息。本模块补全; 群编码:基于梯度编码,实现大脑网络模拟。 B站视频讲解:https://www.bilibili.com/video/BV1RV411B7aD/
个人分类: 刘刚的个人主页|1752 次阅读|没有评论
突然发现我是IEEE预印版paper总点击top1
热度 1 2020-6-23 01:14
莫名兴奋! https://www.techrxiv.org/articles/It_may_be_time_to_perfect_the_neuron_of_artificial_neural_network/12477266
2623 次阅读|1 个评论 热度 1
完善神经元,完善所有的神经网络,等待大家一起去研究!
2020-6-21 15:31
基于国家对科研学术圈的优化,及预印版平台的发展,我决定在预印版平台上构建自己的个人学术主页(便于推广和引用,构建学术声誉,扩大学术影响力) 以下是我个人主页的简要内容, 相信大家看完都有所得! 完善人工神经元后有太多神经网络需要去探索了,需要大家一起尝试 B站视频讲解: https://www. bilibili.c ...
个人分类: 刘刚的个人主页|2236 次阅读|没有评论
发arxiv 被on hold了。 上传个编号,标记一下时间,防止被抄袭点
2020-6-12 02:34
发arxiv 被on hold了。上传个编号,标记一下时间,防止被抄袭点。
5385 次阅读|没有评论
Gang变换(比传统BP快5-10倍):泰勒级数可以映射所有函数关系,将所有函数关系转化为泰勒级数的网络版。
2020-5-16 22:36
Gang变换的简单理解是: 将泰勒展开式转化为一种特殊神经网络。 误差反传模拟泰勒展开式中的导数。 网络层数代表精度。 每增加一个阶次,只需增加一层。 😉😉😉给大家一直探索的神经网络解释性以直观解答。 反向传播算法为啥好用呢? 泰勒级数的导 ...
个人分类: Gang系统分析方法论|2515 次阅读|没有评论
(适用于各领域,科研基础突破)给你paper增加创新点的方法论 :Gang系统分析方法论
2020-5-2 10:29
应用领域:机械、经济、航空航天、电力电子、能动、材料、化学、生物等。 帮你解决科研中遇到的 难题 !下载即用(开源代码) 1. 你需要做预测、分类或回归吗? 方法论中,CR-PNN帮你解决! 2. 你需要估计系统参数、分析实验数据之间的相互作用关系吗? 方法论中,因果谱帮 ...
个人分类: Gang系统分析方法论|2380 次阅读|2 个评论

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-28 16:51

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部