- 基于深层神经网络使用单目摄像头实现物体识别节点功能包推荐 参考链接：公告：：ROSwiki：：Github源码：：Deep Neural Networks (dnn module) 为了使机器人成为有用的工具，需要能够识别物体，以便可以对这些物体的行为进行编程。例如，在我们的机器人鸡尾酒服务员应用程序中，机器人必须能够找到房间里的人来服务。因为这是重要的功能，所以我们开发了... 基于深层神经网络使用单目摄像头实现物体识别节点功能包推荐 参考链接：公告：：ROSwiki：：Github源码：：Deep Neural Networks (dnn module) 为了使机器人成为有用的工具，需要能够识别物体，以便可以对这些物体的行为进行编程。例如，在我们的机器人鸡尾酒服务员应用程序中，机器人必须能够找到房间里的人来服务。因为这是重要的功能，所以我们开发了...
- 引言 Deep Graph Library (DGL) 是一个在图上做深度学习的框架。在0.3.1版本中，DGL支持了基于PyTorch的化学模型库。 如何生成分子图是我感兴趣的。 环境准备 PyTorch：深度学习框架 DGL：用于图上的深度学习，支持PyTorch、MXNet等多种深度学习框架 RDK... 引言 Deep Graph Library (DGL) 是一个在图上做深度学习的框架。在0.3.1版本中，DGL支持了基于PyTorch的化学模型库。 如何生成分子图是我感兴趣的。 环境准备 PyTorch：深度学习框架 DGL：用于图上的深度学习，支持PyTorch、MXNet等多种深度学习框架 RDK...
- 深度学习(Deep Learning) 深度学习是基于机器学习延伸出来的一个新的领域，由以人大脑结构为启发的神经网络算法为起源加之模型结构深度的增加发展，并伴随大数据和计算能力的提高而产生的一系列新的算法。 深度学习什么时间段发展起来的？ 其概念由著名科学家... 深度学习(Deep Learning) 深度学习是基于机器学习延伸出来的一个新的领域，由以人大脑结构为启发的神经网络算法为起源加之模型结构深度的增加发展，并伴随大数据和计算能力的提高而产生的一系列新的算法。 深度学习什么时间段发展起来的？ 其概念由著名科学家...
- 今天给大家介绍的是2020年1月在Chemical Science上发表的论文“Target identification among known drugs by deep learning from heterogeneous networks”。在不了解完整的药物靶标信息的情况下，开发有效的药物是一个巨大的挑战。本研究为药物靶标识别提供了一个... 今天给大家介绍的是2020年1月在Chemical Science上发表的论文“Target identification among known drugs by deep learning from heterogeneous networks”。在不了解完整的药物靶标信息的情况下，开发有效的药物是一个巨大的挑战。本研究为药物靶标识别提供了一个...
- nature methods副主编，Arunima Singh，3月4日在nature methods上发表文章，探讨了基于深度学习的蛋白质结构预测方向近期的研究进展。 蛋白质结构预测是近几十年来的研究热点，理论方法使人们深入了解了实验难以处理的蛋白质结构。同时，随着测定蛋白质结构的实验方法的改进，大量高质量蛋白质结构数据可... nature methods副主编，Arunima Singh，3月4日在nature methods上发表文章，探讨了基于深度学习的蛋白质结构预测方向近期的研究进展。 蛋白质结构预测是近几十年来的研究热点，理论方法使人们深入了解了实验难以处理的蛋白质结构。同时，随着测定蛋白质结构的实验方法的改进，大量高质量蛋白质结构数据可...
- 分子生成 具有理想药理特性新分子的发现是计算药物发现中的关键问题。传统上，这项任务是通过临床合成候选化合物并对其进行实验来完成的。但是，由于化学空间是巨大的，合成分子并对其进行广泛的实验是非常耗时的任务。从头设计药物不是在分子中寻找具有所需特性的空间，而是设计具有我们感兴趣特性的新化合物。 事实证明，深度学习的最新进展，尤其是深度生成模型在从头药物设计中具有不可估量的价值... 分子生成 具有理想药理特性新分子的发现是计算药物发现中的关键问题。传统上，这项任务是通过临床合成候选化合物并对其进行实验来完成的。但是，由于化学空间是巨大的，合成分子并对其进行广泛的实验是非常耗时的任务。从头设计药物不是在分子中寻找具有所需特性的空间，而是设计具有我们感兴趣特性的新化合物。 事实证明，深度学习的最新进展，尤其是深度生成模型在从头药物设计中具有不可估量的价值...
- @Author：Runsen 最近，一直在学习Google Colab。可以来说，学习Ai，入门就是Google Colab 文章目录 Google Colab 启动Google Colab 从GitHub上传笔记本 Kaggle上传数据 Google云端硬盘读取文件 使用硬件加速器GPU Google Colab中的TP... @Author：Runsen 最近，一直在学习Google Colab。可以来说，学习Ai，入门就是Google Colab 文章目录 Google Colab 启动Google Colab 从GitHub上传笔记本 Kaggle上传数据 Google云端硬盘读取文件 使用硬件加速器GPU Google Colab中的TP...
- Convolutional Neural Networks (CNN)卷积神经网络AutoEncoder 自动编码器Sparse Coding 稀疏编码Restricted Boltzmann Machine(RBM) 限制波尔兹曼机Deep Belief Networks(DBN) 深信... Convolutional Neural Networks (CNN)卷积神经网络AutoEncoder 自动编码器Sparse Coding 稀疏编码Restricted Boltzmann Machine(RBM) 限制波尔兹曼机Deep Belief Networks(DBN) 深信...
- DGL团队发布了以生命科学为重点的软件包DGL-LifeSci。 尝试使用新的DGL--LifeSci并建立Attentive FP模型并可视化其预测结果。 基于深度图学习框架DGL 环境准备 PyTorch：深度学习框架 DGL：基于PyTorch的库，支持深度学习以处理图形 RDKit：用于构建分子图并从字符串表示形式绘制结构式 DGL-... DGL团队发布了以生命科学为重点的软件包DGL-LifeSci。 尝试使用新的DGL--LifeSci并建立Attentive FP模型并可视化其预测结果。 基于深度图学习框架DGL 环境准备 PyTorch：深度学习框架 DGL：基于PyTorch的库，支持深度学习以处理图形 RDKit：用于构建分子图并从字符串表示形式绘制结构式 DGL-...
- 研究人员已经开发出一种使用深度学习来识别与疾病相关基因的人工神经网络。该研究发表在2020年2月12日《 Nature Communications》上。 人工神经网络揭示了大量基因表达数据中的模式，并发现了与疾病相关的基因。来自瑞典林雪平大学的开发人员希望该方法最终可以应用于精准医学和个性化治疗。 科学家根据不同蛋白质或基因如何相互作用... 研究人员已经开发出一种使用深度学习来识别与疾病相关基因的人工神经网络。该研究发表在2020年2月12日《 Nature Communications》上。 人工神经网络揭示了大量基因表达数据中的模式，并发现了与疾病相关的基因。来自瑞典林雪平大学的开发人员希望该方法最终可以应用于精准医学和个性化治疗。 科学家根据不同蛋白质或基因如何相互作用...
- @Author：Runsen 目标定位 图像分类或图像识别模型只是检测图像中对象的概率。与此相反，对象定位是指识别图像中对象的位置。对象定位算法将输出对象相对于图像的位置坐标。在计算机视觉中，定位图像中对象的最流行方法是借助边界框来表示其位置。 可以使用以下参数初始化边界框： bx, by : 边界框中心的坐标bw : 边界框的宽度 wrt 图像宽度bh : ... @Author：Runsen 目标定位 图像分类或图像识别模型只是检测图像中对象的概率。与此相反，对象定位是指识别图像中对象的位置。对象定位算法将输出对象相对于图像的位置坐标。在计算机视觉中，定位图像中对象的最流行方法是借助边界框来表示其位置。 可以使用以下参数初始化边界框： bx, by : 边界框中心的坐标bw : 边界框的宽度 wrt 图像宽度bh : ...
- 今天介绍美国密歇根州立大学Guo-Wei Wei团队近期在bioRxiv上发表的论文，该论文利用基于机器智能的复合型生成网络(GNC)生成一系列候选药物，并测试这些药物和部分艾滋病药物对新型冠状病毒的潜在效用。 1.背景 刺突蛋白(S-protein)是一种多功能分子，可以介导冠状病毒进入宿主细胞。据研究，新型冠状病... 今天介绍美国密歇根州立大学Guo-Wei Wei团队近期在bioRxiv上发表的论文，该论文利用基于机器智能的复合型生成网络(GNC)生成一系列候选药物，并测试这些药物和部分艾滋病药物对新型冠状病毒的潜在效用。 1.背景 刺突蛋白(S-protein)是一种多功能分子，可以介导冠状病毒进入宿主细胞。据研究，新型冠状病...
- @Author：Runsen 使用 R-CNN 进行对象检测存在一些缺点。 R-CNN 消耗了大量的时间、存储和计算能力。R-CNN 有一个复杂的多阶段训练管道（3 阶段——对数损失、SVM 和 BBox 回归器的 L2 损失） 上一篇论文的同一作者（R-CNN）解决了 R-CNN 的一些缺点，构建了一个更快的对象检测算法，被称为 Fast R-CNN。 Fas... @Author：Runsen 使用 R-CNN 进行对象检测存在一些缺点。 R-CNN 消耗了大量的时间、存储和计算能力。R-CNN 有一个复杂的多阶段训练管道（3 阶段——对数损失、SVM 和 BBox 回归器的 L2 损失） 上一篇论文的同一作者（R-CNN）解决了 R-CNN 的一些缺点，构建了一个更快的对象检测算法，被称为 Fast R-CNN。 Fas...
- Machine Learning | 机器学习简介 Machine Learning | (1) Scikit-learn与特征工程 Machine Learning | (2) sklearn数据集与机器学习组成 Machine Learning | (3) Scikit-learn的分类器算法-k-近邻 Machine Learning | (4) Scikit-... Machine Learning | 机器学习简介 Machine Learning | (1) Scikit-learn与特征工程 Machine Learning | (2) sklearn数据集与机器学习组成 Machine Learning | (3) Scikit-learn的分类器算法-k-近邻 Machine Learning | (4) Scikit-...
- 今天给大家介绍由哈佛大学和剑桥大学的研究人员联合发表在Nature Communications的一篇文章。由于对设计规则的理解有限，设计全新的生物回路组件仍然是一项具有挑战性的工作，支点开关（Toehold Switches）的设计也面临相似的问题。针对上述情况，作者提出了两种深度学习架构——STORM和NuSpeak，这二种架构使用了卷积过滤... 今天给大家介绍由哈佛大学和剑桥大学的研究人员联合发表在Nature Communications的一篇文章。由于对设计规则的理解有限，设计全新的生物回路组件仍然是一项具有挑战性的工作，支点开关（Toehold Switches）的设计也面临相似的问题。针对上述情况，作者提出了两种深度学习架构——STORM和NuSpeak，这二种架构使用了卷积过滤...
上滑加载中
推荐直播
-
HDC深度解读系列 - AI时代的华为开发者空间2025/07/24 周四 16:30-18:00
Edwin 华为开发者空间产品总监 姚圣伟 HCDG天津核心组代表&HCDE
继HDC发布开发者空间新特性后，本期直播聚焦华为开发者空间核心升级，邀您一起深度解读其如何赋能AI时代智能应用开发，解锁开发新体验
回顾中 -
精细锐利的华为云上权限控制2025/07/31 周四 16:30-18:00
阿肯-华为云生态技术讲师
IAM是华为云上核心安全服务，我们用的对吗？最佳实践是怎样？一堂课把IAM充分拆解。精细化控制，实现远比想象简单！
回顾中 -
热门标签