科研进展-北京大学人工智能研究院

科学研究

首页 >> 科学研究 >> 科研进展

詹思延课题组和宋纯理课题组合作研究成果《中国城镇髋部骨折发病率及其趋势:一项全…

2020年8月3日，北京大学公共卫生学院教授、人工智能研究院智慧公众健康研究中心主任詹思延课题组和北京大学第三医院骨科宋纯理教授课题组合作研究成果在《Plos Medicine》发表。文章题为“中国城镇髋部骨折发病率及其趋势:一项全国回顾性队列研究” (Incidence of and trends in hip fracture among adults in urban China: A nationwide retrospective cohort study)。本研究利用2012-2016年全国23个省的城镇职工和居民基本医...

2020-09-08

黄如院士-杨玉超研究员课题组在针对优化问题的忆阻暂态混沌神经网络研究中取得重要…

为了提高效率、合理利用资源，人们无时无刻不在面对着各种优化问题，需要在特定条件约束下寻找最佳的解决方案。这些优化问题广泛存在于科学研究、工程与日常生活中，包括物流的运输、资源的调度、智慧工厂与工程设计等。然而，解决这些复杂优化问题往往需要消耗大量硬件和时间资源，并且容易陷入局部极小值。因此，开发微缩化、高效率、低功耗的优化求解器硬件将为未来终端智能决策提供重要基础，是研究人员亟待解决的难题。为...

2020-08-15

人工智能数理基础中心朱占星课题组在随机梯度下降法中的噪声作用研究中取得进展

深度学习虽然在人工智能的多个应用领域获得了巨大的成功，但其内在的工作机制并不清晰，极大的限制其长远发展。对深度学习进行理论分析是当下前沿的研究课题，对新算法和新模型的设计有重要的启示作用。数理基础研究中心的朱占星助理教授课题组长期对深度学习的理论理解进行深入研究，尤其是对深度学习的优化算法的研究，取得了一系列重要进展，并在机器学习顶级会议ICML连续发表了相关论文。梯度方法是机器学习和深度学习模型...

2020-08-05

类脑智能芯片中心黄如院士-杨玉超研究员课题组在基于动力学的神经形态器件与全忆阻…

人类大脑具备突出的高鲁棒性、低功耗等特点，自身能够有效应对外界环境的动态变化，具备强大学习能力，即便身处复杂环境也能够有效决策并稳定工作。类脑计算受人类大脑计算架构启发，拟基于生物神经网络工作原理设计实现高效计算硬件，较之传统的冯·诺依曼架构有望实现高并行、低功耗、高容错的计算模式，从而向更加智能化的信息处理方式迈进。人工神经元和人工突触被认为是构建类脑计算系统的关键单元，因此开发功能强大的人工...

2020-07-08

北大实现医学影像可视化技术突破有效助力肺炎及肿瘤诊治

医疗影像的可视化技术能够帮助医生更好更快地摸清病灶真实情况，提高诊治精准度。新冠肺炎疫情期间，此类技术已得到一定范围内的应用，但由于相关技术仍为外资产品垄断，成本居高不下，难以普及推广。近日，北京大学人工智能研究院视觉感知研究中心研发出一套肺部影像高真实感体绘制技术，对于各种CT拍摄的黑白影像数据，能够以三维彩色方式清晰重现新冠肺炎患者肺部病灶。医学界专家认为，这一成果打破了外资在相关领域的垄断...

2020-05-22

首页上页1...89101112下页尾页