神经网络与形状斗争;管理数据中心与音乐;王中林教授绷带。
神经网络与形状
认知心理学家在加州大学洛杉矶分校的调查方式深卷积神经网络识别对象并发现了一个很大的区别这些网络和人类感知对象的方式。
在第一的一系列的实验动物,研究者显示彩色图像和对象发生了变化,有一个不同的模式来VGG-19深学习网络,ImageNet训练。例如,一个高尔夫球的表面上显示一个茶壶;斑马线是放在骆驼;和蓝色和红色的菱形花纹的袜子的模式显示在一头大象。VGG-19排名最高的选择和选择正确的项目作为其首选40对象的只有五个。
VGG-19认为有0%几率,大象大象,只有0.41%的几率茶壶是一个茶壶。茶壶的第一选择是一个高尔夫球,这表明,人工智能网络看对象的纹理比它的形状,尼古拉斯·贝克说,加州大学洛杉矶分校的心理学研究生。
Kellman菲利普,加州大学洛杉矶分校著名心理学教授补充道,“这绝对是合理的高尔夫球,但令人担忧的茶壶中不出现任何选择。这不是捡的形状。他说,“人类识别对象主要来自它们的形状。
一个人工智能网络认为有0.41%的可能性这个对象是一个茶壶。它的第一选择是一个高尔夫球,这是很合理的。(来源:尼古拉斯·贝克/ PLOS计算生物学/加州大学洛杉矶分校)
在第二个实验中,研究小组显示图像的玻璃雕像VGG-19以及AlexNet网络。没有网络就能将玻璃雕像作为他们的第一选择。一头大象雕像排名几乎0%的机会被两个网络一头大象。最顶尖的研究人员反应令人困惑,如VGG-19选择的“网站”,“鹅”和“开罐器”“北极熊。“平均而言,AlexNet 1000选择正确答案排在了第328位。
在随后的实验中,图纸所示的网络对象的白色和黑色中概述,然后在坚实的黑色物体。白色物体,网络确实糟糕,但表现好坚实的黑色图像,产生正确的对象标签在他们五大选择约50%的对象。
第五个实验涉及匆忙的图像,也展示给学生。在大多数情况下,这些都是人类更难以识别,而网络却在它之前有正确的识别图像。
“这项研究显示这些系统得到正确答案在他们训练的图片不考虑形状,“Kellman说。“对于人类来说,整体形状是主要对象识别,并确定图像的整体形状似乎并不在这些深度学习系统”。
研究人员认为他们的发现跨深度学习系统应用广泛。
管理网络音乐
圣路易斯大学的研究人员提出一个新的方法来管理网络任务巨大的数据中心:音乐界定了网络。音乐界定了网络是一个网络的模型函数可以被编程来响应特定的声音序列来自真实或虚拟设备。
研究者探索活动应用程序,网络设备会发出某种声音,和被动应用,产生的声音设备(如数据中心球迷监测识别时可能已经失败了。
“与光,声音不高速度,而是慢慢地旅行。因此,而不是看着声音的在网络中发送大量的数据,我们看它的网络管理任务,例如,在数据中心的物理空间,“弗拉维奥埃斯波西托说,助理SLU的计算机科学教授。
该团队使用低成本的扬声器、麦克风和覆盆子π增加现有的网络组件的音乐功能,目的是确定声可以用于多个网络任务,包括数据中心服务器风扇故障检测、认证、负载平衡和拥塞通知。
“没有人将人耳的功能纳入网络管理,”埃斯波西托说。“声音有其局限性,太吵了,不旅行到很远的地方,但现在几乎完全未充分利用的。除了人类的耳朵,机器可以认识到作为一个曲调的信号。”
研究人员说类以声音为基础的网络管理需要进一步探讨有潜力作为一个有效和便宜的带外编制技术和计划继续学习使用其他网络任务的声音,包括恶意的入侵检测。
王中林教授绷带
威斯康星-麦迪逊大学的研究人员,中国电子科技大学和华中科技大学开发了一个自供电的电子绷带加速伤口愈合。糖尿病足溃疡等慢性和缓慢愈合伤口venous-related溃疡,和愈合的手术伤口是一个主要的医疗问题,每年耗资约250亿美元。
电刺激时已经知道帮助皮肤伤口愈合自1960年代以来,设备产生的电场通常是大型和可能需要病人住院治疗。而不是笨重的设备,研究人员利用先进的王中林教授创建电动绷带。
e-bandage的可穿戴王中林教授是由重叠的聚四氟乙烯(PTFE),铜箔和聚对苯二甲酸乙二醇酯(PET)。王中林教授转换的皮肤运动,发生在正常的活动,甚至呼吸,成小电脉冲使用压电式和摩擦电效应。当前的流向两个工作电极放置在皮肤伤口两侧产生弱的电场。
团队测试的设备放置在伤口老鼠的背上。伤口被e-bandages关闭3天内,而控制绷带12天没有电场。研究人员属性加快伤口愈合,增强纤维母细胞迁移,增殖和分化诱导电场。
研究小组指出,老鼠和类似哺乳动物治愈伤口不同于人类和未来更多的clinical-relevant研究需要转移到猪和人类皮肤模型。
|
|
|
|
|
|
|
|
|
|
留下一个回复