- 综合排序
- 最热优先
- 最新优先
- 来自专栏程序员IT圈
使用 JavaScript 实现机器学习和神经学网络
如果是三个城市呢，迭代步骤就变成了6步。表格8-1列举出了迭代步骤的增长速度。 表1：用常规程序解决TSP问题的步骤数目 城市数目 步骤数目 1 1 2 1 3 6 4 24 5 120 6 720 7 5040 8 40,320 9 362,880 10 3,628,800 11 [m1, m2, m3 ,m4, m5, m6, m7, m8, m9, m10] [f1, f2, f3 ,f4, f5, f6, f7, f8, f9, f10] 现在我们将这些切点加进去。 [m1, m2] [m3 ,m4, m5, m6] [m7, m8, m9, m10] [f1, f2] [f3 ,f4, f5, f6] [f7, f8, f9, f10] 如此会产生下面两个子代。 [m1, m2] [f3 ,f4, f5, f6] [m7, m8, m9, m10] [f1, f2] [m3 ,m4, m5, m6] [f7, f8, f9, f10] 根据另一个随机事件，每个解决方案都可能会发生突变
1.2K100发布于 2018-03-05 - 来自专栏人工智能
通过JS库Encog实现JavaScript机器学习和神经学网络
如果是三个城市呢，迭代步骤就变成了6步。表格8-1列举出了迭代步骤的增长速度。 表1：用常规程序解决TSP问题的步骤数目 城市数目 步骤数目 1 1 2 1 3 6 4 24 5 120 6 720 7 5040 8 40,320 9 362,880 10 3,628,800 11 [m1, m2, m3 ,m4, m5, m6, m7, m8, m9, m10] [f1, f2, f3 ,f4, f5, f6, f7, f8, f9, f10] 现在我们将这些切点加进去。 [m1, m2] [m3 ,m4, m5, m6] [m7, m8, m9, m10] [f1, f2] [f3 ,f4, f5, f6] [f7, f8, f9, f10] 如此会产生下面两个子代。 [m1, m2] [f3 ,f4, f5, f6] [m7, m8, m9, m10] [f1, f2] [m3 ,m4, m5, m6] [f7, f8, f9, f10] 根据另一个随机事件，每个解决方案都可能会发生突变
3.1K100发布于 2018-02-05 - 来自专栏MixLab科技+设计实验室
Neuro-X，神经学x建筑学、营销学、电影……
那个年代，普遍认可神经学与建筑设计之间的关联，但未形成具体的学科或缺少工具进行验证。如今，其已经成为一门学科，我们可以深入地探索人的神经反应与建筑间的关联。 神经营销学 Neuromarketing 运用神经学方法来确定消费者选择背后的原动力。研究者运用核磁共振画出被测试者的脑部图，来揭示他们是如何对广告或者物品产生反应的。 2003年，美国Read Montague教授的神经学研究 Montague对百事挑战实验进行了“翻新”，他使用 fMRI （功能性磁共振成像仪）对受试者的大脑进行扫描成像。 神经学电影 neurocinematics 把神经学运用到剧情电影中，这种神经营销学和电影的结合体被称为神经学电影。 shadow opus 欢迎神经学科爱好者 加入社群，关注后回复：群聊 ⤵️
76340发布于 2021-10-12 - 来自专栏脑机接口
浅谈脑机接口：传统神经学科的颠覆者
人类从未停止对大脑的研究，然而有关于大脑的探秘如今所发现的也仅仅只是冰山一角，作为神秘的研究领域，脑科学直到下个世纪仍是前沿科学。
77620编辑于 2022-09-22 - 来自专栏大数据文摘
神经学家使用大数据工具分析大脑细胞活动
为此，神经学家利用分布式计算工具Thunder（闪电），进行了大量研究。 ? 神经学家在第一次考虑数据的时候，很少能迸发新的思路。相反，最初的研究可能暗含更有希望的方法，只需要进行少量调整、使用新的计算分析，原来的数据就可以更有用途。 这也就是为什么使用龟速的计算工具分析神经学数据会让人大为受挫。Freeman提到：“对一些分析来说，你可以上传数据，开始跑数据，第二天再回来看。
87170发布于 2018-05-22 一键生成眨眼照片，人脸识别图片眨眼生成器，基于python神经学开发
实现了完整的眨眼动画生成功能，包含人脸检测、关键点定位、眼睛区域提取和动画生成。代码使用了dlib进行人脸检测和关键点定位，OpenCV进行图像处理，PIL生成GIF动画。要使用此代码，您需要下载shape_predictor_68_face_landmarks.dat模型文件。
94010编辑于 2025-07-02- 来自专栏AI科技评论
纽约大学神经学教授Eero Simoncelli万字解析：机器生成的图像为何能骗过你的眼睛？
AI科技评论按：在刚刚闭幕的ICLR2017上，纽约大学神经学、数学、心理学教授Eero Simoncelli作为特邀嘉宾分享了他在机器表征、人类感知方面的研究成果。 我不仅好奇神经细胞是如何做到的、是如何把神经学表征与视觉环境对应起来的，我还好奇这些表征会如何形成或者限制我们的理解。
1.1K80发布于 2018-03-12 - 来自专栏新智元
哥大神经学家Nature发文，脑漂移现象或促成新AI模型
一直以来，神经网络的模型都是基于大脑神经元的解释，但大脑似乎对相同的输入有不同的输出，最近哥大的神经学家在Nature上发表了一篇文章，在小鼠的脑袋上做了一个实验，也许能促进AI模型的发展。
59210发布于 2021-07-29 - 来自专栏大数据文摘
大数据助力发现阿尔茨海默症的最早征兆
图片来源：蒙特利尔神经学研究所 蒙特利尔神经学研究所和医院的科学家们利用了一个强大的工具来更好地了解晚发型阿尔茨海默症（late-onset Alzheimer's disease ，LOAD）的发展过程 此项于6月21日发表在《自然通讯（Nature Communications ）》杂志的研究，分解了大脑中78个区域里的淀粉样蛋白浓度，葡萄糖代谢，脑血流，功能活动和脑萎缩的格局因素，涵盖了所有的灰质。 蒙特利尔神经学研究所（MNI）的博士后研究员，同时是此论文的第一作者Yasser Iturria Medina说：“缺乏对于LOAD的病理以及其多因素机制的综合理解，是开发有效的病症缓解性治疗药物的关键障碍 Evans介绍说，这种数据驱动的方法在神经学中正变得越来越重要。 “我们有很多方法来获取有关大脑的数据，但你应该如何利用这些数据呢？” 他说，“神经学正被整合并理解所有这些信息的能力所限制。
1.1K60发布于 2018-05-25 - 来自专栏技术杂记
6
配置之后[root@pptp-server ~]# iptables -L -nv Chain INPUT (policy ACCEPT 0 packets, 0 bytes) pkts bytes target prot opt in out source destination 35 3695 ACCEPT all -- * * 0.0.0.0/0 0.0.0.0/0
39930编辑于 2022-06-30 - 来自专栏nummy
ECMAScript 6 特性ECMAScript 6 特性
ECMAScript 6 特性 介绍 ECMAScript 6，也被称做ECMAScript 2015，是ECMAScript标准的下一个版本。这个标准预计将于2015年6月被正式批准。 ES6是这门语言的一次重大更新，自ES5以来，该语言的首次更新是在2009年。主流Javascript引擎对ES6相关特性的实现也正在进行中。 前往ES6标准草案查看ECMAScript 6的所有细节 ECMAScript 6 特性 Arrows 箭头函数 箭头函数是使用 => 语法简写的函数。 _name + " knows " + f)); } } Classes 类 ES6中提供了一个基于原型的面向对象模式的语法糖。简单的声明方式使得类模式变得更容易使用，增加了类的互用性。 f(3) == 15 function f(x, ...y) { // y is an Array return x * y.length; } f(3, "hello", true) == 6
87910发布于 2018-08-27 - 来自专栏sukuna的博客
MIT_6.S081_xv6.Information 6:File System
MIT_6.S081_xv6.Information 6:File System 于2022年3月27日2022年3月27日由Sukuna发布 1.概览 xv6的文件系统由7层组成,首先就是最下面的硬件层 (类似于cache,cache也有脏数据嘛) 还需要注意的是,在操作系统中,磁盘块的大小一般是磁盘扇区大小的两倍.所以说在xv6中我们认为一块就是两个扇区,就是1024字节.到后面我们逻辑上认为一块就是两个扇区 xv6系统调用不直接写入硬盘上文件系统的数据结构。相反，它把一个描述放在磁盘上，这个描述是它在一个log里所期望的所有磁盘写操作。 log.dev表示该log位于哪一个磁盘（xv6实际上只有一个）。log.outstanding记录了目前有多少个进程正在并行地对磁盘进行写。 读写操作和设备文件 file.c和file.h文件中记录了xv6的驱动 // map major device number to device functions. struct devsw {
82020编辑于 2022-12-08 - 来自专栏计算机学习
xv6(6) 系统调用
$Linux$ 里面系统调用使用的向量号是 $0x80$，$xv6$ 里面使用的 $64$(不同 $xv6$ 版本可能不同)。 可是系统调用是有很多的，虽然 $xv6$ 中实现的系统调用没多少，没多少也还是有那么一些的，怎么区别它们呢？ 这就涉及了系统调用号概念，每一个系统调用都唯一分配了一个整数来标识，比如说 $xv6$ 里面 $fork$ 系统调用的调用号就为 1。 没错，在内核栈中的上下文保存着，从内核栈中取出用户栈的栈顶 $esp$ 值，就可以取到系统调用的参数了，$xv6$ 就是这样实现的。 上述差不多将系统调用的一些理论知识说完了，下面用 $xv6$ 的实例来看看系统调用具体如何实现的。
74010编辑于 2023-12-06 - 来自专栏企鹅号快讯
Science特刊：直击当下神经学的三个大坑，百年来研究都做错了？
或许，比起寻找日常生活中先入为主的观念（比如时间流逝）在大脑中的神经学表现，更需要进一步研究的，是大脑推断和解释时间的机制。 人工智能—— 机器会思考吗？
85750发布于 2018-01-08 - 来自专栏音乐与健康
神经学家、工程师和音乐家团队联合探索机制
该研究的作者之一、达特茅斯盖塞尔医学院神经学家、达特茅斯-希区柯克(D-H)癫痫和认知实验室主任Barbara C. Jobst表示，“Quon把神经学家、工程师、数据科学家、音乐教授和音乐家聚集在一起，完成了这项工作。”“莫扎特K448效应”机制不明癫痫影响全球约11%的人口，其中又有1/3患有耐药性或难治性癫痫。 就在今年4月，《欧洲神经学杂志》上的一项研究发现，莫扎特的D大调双钢琴奏鸣曲（K448）的声学特性可抑制癫痫患者的大脑活动，而18世纪古典作曲家海顿的作品就没有这种效果。
10410编辑于 2026-05-04 - 来自专栏科研猫
Neural Regeneration Research，国人友好期刊，影响因子今年破5分!
在细胞生物学领域排名78/195，神经学领域排名78/273。 JCI评分0.60分。在神经学领域排名217/293，细胞生物学领域排123/201。 中科院大类医学3区，小类细胞生物学3区，神经学3区。非综述期刊。 5.发文量 期刊发文量还是比较稳定的，2020年以前基本维持在400篇左右。2021年已刊文520篇，较前略有增加。 6.近三年国人投稿占比 期刊对国人非常友好。2019年以来，国人学者论文共计823篇，占比65.683%，排名第一。 近三年发文量前十机构中，中国科研机构占据绝大多数。
2.1K20发布于 2021-09-29 - 来自专栏Mac资源随时更新
Geekbench 6上线！Geekbench 6 更新！
Geekbench 6上线！Geekbench 6增加了对最新硬件的支持，追求的是更有真实意义的性能测试，这次的一大重点改进就是大幅弱化CPU单核跑分的重要性，多核性能变得更加重要。 下载：Geekbench 6 Mac版Geekbench 5 WIn版图片中央处理器基准测试Geekbench 6 可测量处理器的单核和多核性能，适用于从查看电子邮件到拍照再到播放音乐或同时执行所有这些操作 Geekbench 6 的 CPU 基准测试可衡量增强现实和机器学习等新应用领域的性能，让您了解您的系统与前沿技术的差距。 Geekbench 6 的新功能是支持下一代跨平台图形和计算 API Vulkan。实际测试Geekbench 使用实用的日常场景和数据集来衡量性能。 Geekbench 6 专为跨平台比较而设计，可让您跨设备、操作系统和处理器架构比较系统性能。
1.3K60编辑于 2023-02-15 - 来自专栏镁客网
剑桥大学科学家实验证明绵羊面部识别能力堪比人类，将成为神经学研究新模型 | 黑科技
该研究表明绵羊将成为研究亨廷顿病等神经退行性疾病的良好模型，并将为神经学家们带来新的研究方式。 近日，剑桥大学的科学家发现绵羊可以通过人的肖像照片识别出人脸，甚至可以在没有事先培训的情况下识别出操作者的照片，为神经学研究领域的面部识别功能找到特殊的生物学模型。 现在，该研究表明绵羊将成为研究亨廷顿病等神经退行性疾病的良好模型，并将为神经学家们带来新的研究方式。
93300发布于 2018-05-30 - 来自专栏sukuna的博客
MIT_6.s081_Lab6:Xv6 and MultiThread
MIT_6.s081_Lab6:Xv6 and MultiThread 于2022年3月6日2022年3月6日由Sukuna发布 Lab6_1 Uthread: switching between threads 一旦您的xv6 shell运行，键入“ uthread”，gdb将在第60行中断。 文件notxv6 / ph.c包含一个简单的哈希表，该哈希表从单个线程使用时是正确的，但从多个线程使用时则是错误的。 在您的主要xv6目录（可能是〜/ xv6-labs-2020）中，键入以下命令： $ make ph $ . 您将使用pthread条件变量，这是一种类似于xv6的睡眠和唤醒的序列协调技术。 文件notxv6 / barrier.c。 $ make barrier $ .
91010编辑于 2022-12-08 - 来自专栏人工智能快报
美情报机构支持类脑计算研究
IARPA要求提交方案的神经学家和计算机科学家能够清晰简明地回答以下一个或多个问题： 问题1：基于尖峰脉冲的表征技术 大脑运行时采用的代码基于大量神经元内罕见的尖峰脉冲。 待神经学家解答的问题：我们目前对“大脑如何利用基于尖峰脉冲的表征技术、稀疏编码技术和/或近似计算技术”的了解对于研发下一代计算机有何实际作用？需要首先填补哪些认知缺口或克服哪些困难？ 待神经学家解答的问题：我们目前对于“大脑如何利用异步计算和/或瞬态协调技术”的了解对于研发下一代计算机有何实际作用？需要首先填补哪些认知缺口或克服哪些困难？ 待神经学家解答的问题： 我们目前对于“大脑如何利用短/长期在线学习技术”的了解对于研发下一代计算机有何实际作用？需要首先填补哪些认知缺口或克服哪些困难？ 待神经学家解答的问题：我们目前对于“大脑如何利用本地存储器存储与计算功能集成技术”的了解对于研发下一代计算机有何实际作用？需要首先填补哪些认知缺口或克服哪些困难？
93050发布于 2018-03-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号