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

北京大学马剑竹课题组发表研究论文《基于图神经网络的城市道路网空间均匀性量化》

日前，北京大学人工智能研究院马剑竹副教授课题组在Nature Machine Intelligence（NMI）上发表了题为《基于图神经网络的城市道路网空间均匀性量化》（“Quantifying the spatial homogeneity of urban road networks via graph neural networks”）的研究论文。Nature Machine Intelligence于2019年1月正式上线，每月一期，每期发表2—4篇文章。NMI主要接收的论文主题主要包括机器学习理论与方法的研究，人工智能应用于其它领域...

2022-05-09

类脑智能芯片研究中心杨玉超教授与合作者在Nature Reviews Materials上发表基于动态…

自上世纪中叶以来，计算机和计算芯片以晶体管为基本元件构建数字处理电路，摩尔定律驱动计算性能增长。而当晶体管尺寸微缩接近物理极限，摩尔定律面临终结，芯片算力增长逐渐放缓，人类正在步入后摩尔时代。此外，以CPU、GPU为代表的传统芯片架构下计算单元与存储单元的分离也造成频繁的数据搬运，形成速度、功耗瓶颈（冯诺依曼瓶颈），在近年来兴起的神经网络等数据密集型计算任务上问题进一步凸显。未来智能计算需求仍面临指...

2022-04-12

类脑智能芯片研究中心黄如院士 — 燕博南助理教授课题组在“存内计算AI芯片”领域取…

2022年2月末，有着“集成电路国际奥林匹克盛会”之称的IEEE国际固态电路会议（International Solid-State Circuits Conference, ISSCC）圆满举办。ISSCC是世界学术界和企业界公认的集成电路设计领域最高级别会议。在此次会议上，北京大学集成电路学院与人工智能研究院黄如院士——燕博南助理教授课题组关于存内计算的的学术文章《A 1.041Mb/mm2 27.38TOPS/W Signed-INT8 Dynamic Logic Based ADC-Less SRAM Compute-In-Memory M...

2022-03-30

类脑智能芯片研究中心黄如院士-杨玉超教授团队在深度储备池计算硬件研究中取得重要…

储备池计算（Reservoir Computing）是一种低训练代价、低硬件开销的循环神经网络（RNN），在时序信息处理方面具有广泛的应用，例如波形分类、语音识别、时间序列预测等。储备池计算系统由神经元循环连接的储备池和输出层两部分组成，其中仅有输出层需要训练从而显著降低了训练代价，而系统中的储备池可以由具有短时程特性的非线性器件来实现。当前国际上针对储备池计算系统的研究主要集中在探索使用不同类型的非线性器件（如忆...

2022-02-21

计算机视觉研究中心在基于折反射成像系统的三维人体姿态估计等研究中取得进展

人工智能领域顶级会议IJCAI (International Joint Conference on Artificial Intelligence)于2021年8月21-26日召开。计算机视觉研究中心穆亚东课题组在本年度IJCAI会议共发表3篇长文[1-3]。其中，在题为“Learning 3-D Human Pose Estimation from Catadioptric Videos”的论文中，提出了一种新颖的基于折反射（catadioptric）成像系统的三维人体姿态估计（3-D human pose estimation）技术。三维人体姿态估计是计算机视觉领域...

2021-08-28

首页上页1...56789...12下页尾页