Новости

Группа визуальных вычислений (VCG) была создана в 2024 году в результате слияния команды iSIZE и части группы искусственного интеллекта SIE. Она сосредоточена на разработке нейронных сетей и машинного обучения для улучшения качества рендеринга и стриминга игр.

Исследователи Технического университета Мюнхена обнаружили, что искусственные нейронные сети лучше предсказывают движения, если их обучать на биологических данных, полученных из раннего развития зрительной системы.

Визуальное тестирование программного обеспечения сталкивается с проблемами при сравнении изображений, особенно в выявлении изменений. Современные методы, включая ИИ, имеют свои ограничения, что делает задачу сложной.

Новое исследование показывает, как машинное обучение может снизить количество отходов в текстильном производстве, улучшая точность предсказания цвета ткани после окрашивания. Нейронная сеть, обученная на 763 образцах, достигла почти идеальной точности.

Сервис Scoop вводит этическую плату за доступ к новостям для организаций, использующих его ресурсы в работе. Это позволяет поддерживать бесплатный доступ для личного использования и предоставляет дополнительные инструменты для профессионалов.

Сандия Национальные Лаборатории запустили нейроморфный суперкомпьютер, способный моделировать от 150 до 180 миллионов нейронов, что может значительно снизить энергозатраты в области ИИ.

Нейробиолог объясняет, почему искусственный интеллект не может "понимать" язык, несмотря на популярные мнения о его способности к обработке естественного языка.

Представлен новый метод обратимой стеганографии изображений, основанный на остаточной структуре и механизме внимания, который значительно улучшает качество скрытых изображений и точность их восстановления.

Исследователи из Университета Чжэнчжоу разработали инновационную VR-систему для реабилитации рук, которая не требует ношения тяжелых устройств. Система использует глубокое обучение и ионные гидрогелевые электроды для распознавания жестов, что значительно упрощает процесс восстановления.

Исследование предлагает новый подход к классификации движений верхних конечностей с использованием сигналов поверхностной электромиографии (sEMG) для управления экзоскелетами. Модель, основанная на CNN-BiLSTM с механизмом внимания, достигла точности 97,29% в распознавании пяти типов движений.

Исследование предлагает новый алгоритм для улучшения понимания метафор с использованием когнитивной лингвистической модели, основанной на иерархической классификации и алгоритме поддержки векторов (SVM). Модель демонстрирует высокую точность в распознавании метафор на английском и китайском языках.

В новой работе исследуются физически информированные производные сети (PIDNs) для решения задачи свободной конвекции в пограничном слое. PIDNs демонстрируют высокую эффективность благодаря компактной архитектуре, что позволяет успешно решать сложные уравнения без необходимости в известных решениях.