neural

2021版本的Photoshop出来啦！总体变化不大，软件最大的不同就是启动图标了，能让人一眼就看出来你用的是2021版本。软件更注重智能，提供了AI的功能。不过说实话，这些功能，国内很多的软件就已经提供了，不过Adobe家做的更强

讲座时间：2023年1月11日14：00 讲座简介：规范性分析是预测性分析和诊断性分析的“升级版”，广泛应用于商业智能中，是近年来热门的研究方向。预测性分析解决“会怎样”问题，诊断性分析解决“为什么这样”的问题，规范性分析在融合了预测性分析和诊断性分析优点的基础上，进一步回答如何操作的问题，即“如何做”以及“为什么这么做”的问题。规范性分析的应用领域广泛，包括农业、市场营销、人力资源、生产制造、社会科学等

脑是自然界中最复杂的器官之一是人体的中央控制器控制和 调节着人的情感、认知、感觉、行为等活动。脑高级功能神经 机制的研究可以进一步的了解和认识脑的结构、功能和活动表 达，揭开人脑的秘密。本次报告将心理、脑成像(fMRI，EEG等) 和计算模型等相结合，来研究损伤脑和正常脑在从事特定认知 加工时的神经机制，旨在为脑高级功能神经机制的研究提供新 思路，进而有助于认知神经科学启发的类脑智能算法开发

1、一切从维基百科开始，大致了解一个全貌： 2、拿起纸和笔，再加上ipython or 计算器，通过一个例子直观感受反向传播算法： 4、有了上述直观的反向传播算法体验，可以从1986年这篇经典的论文入手了：Learning representations by back-propagating errors 6、或者可以通过油管看一下这个神经网络教程的前几节关于反向传播算法的视频: Neural Network Tutorial 属于机器学习、深度学习分类，被贴了 Backpropagation、BP神经网络、python、反向传播算法、反向传播算法Python代码、反向传播算法代码、反向传播算法入门、反向传播算法入门资源、反向传播算法论文、反向传播算法资源、深度学习、神经网络、神经网络反向传播、神经网络教程，深度学习书籍、自动微分、自动微分反向模式 标签。作者是52nlp。

11月15日，受第14届国际文档分析与识别大会 (International Conference on Document Analysis and Recognition ICDAR 2017)邀请，电信学院白翔教授在大会上做了名为“Deep Neural Network for Scene Text Reading Revisited”的特邀报告(Keynote Speech)。在长达一个小时的报告中，白翔教授简要总结了近年来自然场景文本检测与识别这一热点研究方向的发展及现状，介绍了其研究团队结合深度学习在此领域所取得的重要研究方法及相关应用技术，并对该方向的发展趋势做出了全面展望。白翔教授的报告内容丰富，深入浅出，赢得了参会学者的广泛赞誉

在AI时代进行式当中，卷积神经网络(Convolutional Neural Network CNN)是众多电脑视觉深度学习网络的基础与核心，本次课程将重头介绍简易的影像处理基本知识，以及经典的影像特征撷取方式。会详细讲解卷积神经网络的计算流程，以及一些经典的CNN模型，并实际演练CNN的计算过程。我们希望透过介绍卷积神经网络的理论基础并拆解其内部构造，让大家能够参与了解现代深度学习系统的黑盒内部原理，借此将AI技术开放出去，并能够开发自己的卷积神经网络模型从而达到开放与创新的价值

现阶段，由于诸多干扰因素，例如纳米材料对细胞状态的影响和对常见实验手段结果的干扰等，纳米复合药物系统的治疗效果评估一直缺乏精准的判断方法，结合现如今机器学习在科研领域越来越广泛的应用，机器学习可能成为解决这一问题的有效途径。近日，同济大学附属上海同济医院的程黎明教授团队朱融融等开发了DeepScreen——一种基于深度学习的可以用于纳米复合药物筛选的新方法，其具有精准、迅速以及抗干扰等优势。 DeepScreen利用卷积神经网络（Convolutional neural network，CNN），基于流式细胞获得的单细胞图像，和常用实验手段相比较，可以大幅度节约检测时间，从原先的几天缩短到2-6小时，有效提高检测效率