neural

全球第三大智能手机品牌华为于香港发布全新智能手机产品——HUAWEI Mate 10系列，包括HUAWEI Mate 10 及 HUAWEI Mate 10 Pro，首度配备人工智能技术Kirin 970处理器，利用人工智能彻底提升手机性能、流畅度、手机拍摄以及续航力表现，并带来多种崭新功能，实现未来智能化的手机体验。 华为消费者业务大中华区副总裁何鸿略表示：“在人工智能的年代，手机将成为每个人的智能助手，融入流动生活的每一部分。今天，HUAWEI Mate 10系列首度加入了NPU (Neural Network Processing Unit) 专用硬件处理单元，为流动人工智能应用踏出重要一步，加上划时代的外型设计以及多项崭新功能，开创智能手机新时代

108学年度(含)前入学(含110级) 【喜讯】李政德教授指导数据所111级邱俊维，荣获“2022台湾作业研究学会-硕士论文佳作奖”。 李政德教授指导数据所111级邱俊维之硕士论文，从65篇论文中脱颖而出，荣获“2022台湾作业研究学会-硕士论文佳作奖”。 邱学长研究主题：学习抵御对抗攻击与类别稀疏之稳健图神经网络（Learning Robust Graph Neural Networks against Adversarial Attacks and Label Scarcity）

为解决非理想条件下的表面肌电稳定识别，如新动作、肌肉疲劳与电极偏移等干扰，中国科学院沈阳自动化研究所研究员赵新刚团队提出了一种自适应混合分类器。相关成果发表在Ieee Transactions on Neural Systems and Rehabilitation Engineering上。 在非理想条件下的表面肌电识别方面，针对日常十个动作的分类，该团队实现了92%的准确率，远高于前人研究

应用于MTCNN及关系类神经网络之快速人脸辨识系统 Fast Face Recognition System for MTCNN and Relation Neural Network 人脸辨识是经由撷取人脸影像，分析其脸部特征来进行身份认证的一种技术，近年来基于深度学习运用于人脸辨识逐渐成为主流的研究方向，借由输入大量影像资料，解析其向素值排列之向量资讯，学习人脸特征，最终达到可以识别人脸的目的。使用MTCNN作为人脸检测的部分，虽然其能够稳定且精准地框选人脸，但是因为需要花费较大计算量，所以导致在检测上的速度较为缓慢，进而使得整体系统效能受到影响。而在人脸识别的部分使用关系类神经网络架构，并且以一人一个模型的方式来增减辨识人数，虽然能够对于每个人都能达到**的辨识度，但会在可辨识人数多的情况下，造成辨识效率降低的现象

近日，中国科学院深圳先进技术研究院郑海荣课题组和浙江大学医学院李月舟课题组合作，在Nano Letters期刊发表了题为Ultrasonic control of neural activity through activation of mechanosensitive channel MscL 的研究论文。该项研究将超声辐射力和机械敏感性离子通道结合起来，首次在神经元上通过超声刺激激活机械敏感性离子通道，并进而精确控制神经元的兴奋性。该成果开拓了超声在脑科学研究中的新方向，为超声遗传学技术的进一步发展奠定了基础，具有重要的理论意义和应用价值

南讯企业股份有限公司创立于1981年，为国内知名的专业代理厂商，其代理产品有 Avaya、Mitel、Genesys、Microsoft 的通讯系统以及全球市占率前两大的 NICE 与 VERINT 录音平台。我们所有的技术团队均通过原厂认证，并依照客户实际需求提供完整且具前瞻性的解决方案。近年来，南讯积极推动AI人工智能、大数据Big Data、及云端Cloud相关产品的发展

人工智能程式是模仿人类大脑运作，透过具学习能力的计算机程序——“人工神经网络”（ Artificial Neural Network ANN ），就能分析大量历史数据，让计算机程序学习这些数据之间的关系，继而模仿出人类智慧。 AI 生成影像愈来愈成熟，用户只要靠文字和指令便可生成图像发挥创意。 Adobe 也加入市场，发表 AI 生成模型 Firefly ，并引进至旗下云端设计软件，初期用于生成图像和文字设计

贾凡博士，中国科学院武汉物理与数学研究所脑科学研究中心副研究员。主持武汉市青年科技人才“晨光计划”项目、国家自然科学基金青年基金项目和面上项目3项。作为重点学术骨干参与“973”项目，“中科院先导B项目”，“国家重大研究计划”和“海外港澳学者研究项目”等科研项目

英特尔即将正式公开一套贝式网络(Bayesian network)软件程式库，以协助程式撰写人员建立更佳的程式机器学习能力。 贝式网络包含两种数学模式，贝式几率理论与图形模式，能依据连续性的最新资料来模拟几率值，对不确定性进行演算与推论，将一组随机变数之间的关连性表现出来。 贝式网络的用途很多，已经应用在许多领域，例如在电子邮件的处理上，借着分析电脑使用者对先前电子邮件的筛选经验，可以学习到垃圾邮件的特性

报告人简介：郑春厚，安徽大学人工智能学院教授、博士生导师。近年来，在Bioinformatics、Neural Computation、Pattern Recognition、IEEE/ACM Transactions 系列会刊等国内外重要学术刊物与国际会议上发表论文100余篇。主持国家重点研发计划课题1项，国家自然科学基金重点项目1项（联合重点），面上项目3项、省部级课题多项