您當前的位置:檢測預(yù)警 > 欄目首頁
基于人工智能的系統(tǒng)能夠通過使用專家系統(tǒng)(基于決策樹等規(guī)則)、機器學(xué)習(xí)(例如深度學(xué)習(xí)),執(zhí)行視覺感知、語音識別、決策和語言之間的翻譯等任務(wù)。
2022/05/22 更新 分類:科研開發(fā) 分享
Machinelearning in materials informatics: recent applications and prospects Rampi Ramprasad,Rohit Batra, Ghanshyam Pilania, et, al npj ComputationalMaterials (2017) 3:54 doi:10.1038/s41524-017-0056-5 摘要 得益于材料基因組計劃、算
2018/06/28 更新 分類:科研開發(fā) 分享
2021年6月,谷歌大腦(Google Brain)項目的研究人員稱,他們開發(fā)了一種機器學(xué)習(xí)系統(tǒng),該系統(tǒng)在短時間內(nèi)就可生成人類專家需耗費大量時間才能生成的可制造的芯片版圖。
2023/01/29 更新 分類:科研開發(fā) 分享
本文基于FDA討論文件、EMA 觀點文件,從藥品監(jiān)管的視角,淺析AI/ML 在藥品臨床試驗中的運用,同時反映利益攸關(guān)方對相關(guān)主題的看法,以及可能面對的監(jiān)管挑戰(zhàn)。
2024/02/25 更新 分類:科研開發(fā) 分享
文章綜述了基于機器學(xué)習(xí)的隱身涂料設(shè)計的最新進展。概括了隱身涂料的主要類型,包括吸波涂料、電磁屏蔽涂料、紅外隱身涂料和復(fù)合隱身涂料,探討了傳統(tǒng)設(shè)計方法面臨的挑戰(zhàn)。
2025/03/25 更新 分類:科研開發(fā) 分享
人工智能和機器學(xué)習(xí)技術(shù),有潛力通過從每天提供醫(yī)療服務(wù)的過程中產(chǎn)生的大量數(shù)據(jù)中得出新的重要見解,從而改變醫(yī)療服務(wù)。他們使用軟件算法從實際使用中學(xué)習(xí),在某些情況下可能會使用這些信息來提高產(chǎn)品的性能。但由于其復(fù)雜性以及開發(fā)的迭代性和數(shù)據(jù)驅(qū)動性,它們也有要獨特考慮的點。
2021/10/29 更新 分類:科研開發(fā) 分享
美國食品藥品監(jiān)督管理局(FDA)于2021年1月發(fā)布了《AI/ML獨立軟件行動計劃》,旨在明確AL/ML獨立軟件監(jiān)管的五項工作和目標。
2021/06/25 更新 分類:法規(guī)標準 分享
Moradzadeh7的系統(tǒng)性綜述則介紹了數(shù)據(jù)挖掘技術(shù)在電力電子系統(tǒng)故障診斷中的應(yīng)用,包括人工神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)和深度學(xué)習(xí)算法。
2025/02/03 更新 分類:科研開發(fā) 分享
討論了最近在上肢假肢控制研究中至關(guān)重要但在十年前的綜述中沒有預(yù)見到的三個研究領(lǐng)域:深度學(xué)習(xí)方法、表面肌電圖解析和開放源數(shù)據(jù)庫。
2023/07/15 更新 分類:科研開發(fā) 分享
在一些創(chuàng)業(yè)團隊的藍圖里,通過機器學(xué)習(xí)算法和虛擬研發(fā)的商業(yè)模式,可以革新目前這種“2 Billions, 20 years”低效的藥物研發(fā)過程,將新藥更快更省地帶給患者。
2019/04/28 更新 分類:科研開發(fā) 分享