{随机段子}

楼市新闻

蜜蜂只用四个脑细胞来计数!资讯科技新闻

    科学家用蜜蜂的四个神经细胞来模拟大脑。他们发现最简单的器官可以计算数字,在实验中,最多可以计算5个。他们发现蜜蜂最多可以数到五个,它们可以被训练成在这两个值之间进行选择。当训练蜜蜂从两个较小的数字中选择一个时,他们可以选择零值。科学家用四个蜜蜂神经细胞来模拟大脑,发现最简单的器官可以计算最多5个数字。科学家说,少量用来计数的神经细胞表明大脑的大小并不像脑组织那么重要。最近的模拟显示,简单的大脑可以通过仔细研究一个物体来计算小的数量单位。相比之下,人类使用完全不同的计数方法,通常人们在计数之前先查看物体的总量。在实验中,科学家们发现蜜蜂可以数到五个,并且可以被训练在两种值之间进行选择。当训练蜜蜂选择较小的两个数字时,他们可以选择零值。研究表明,蜜蜂不需要理解复杂的数学运算就可以进行定量的比较计算。伦敦玛丽女王大学的研究员维拉·瓦萨斯说:“我们的模型显示,尽管人们普遍认为计数需要高智商和大脑,但只要最小的神经元回路以正确的方式连接,计数就很容易。”他还指出,我们建议使用特定的飞行动作来进行sca。n个目标,而不是使用数字概念来解释蜜蜂计数能力。发表在《科学》杂志上的研究表明,动物的智力并不总是依赖于大量的神经细胞。相反,较少的神经细胞能够以正确的方式排列和计数。目前,科学家对昆虫智能的深入了解可以用于设计更有效的人工智能算法,Vassas博士说:“仔细分析动物实际使用的检查策略可能会发现,它们经常使用主动扫描作为目标识别任务的简化的复杂视觉模式。希望我们的研究工作不仅能够激励人们更加仔细地研究动物能够解决哪些认知任务,而且能够更加仔细地研究动物如何解决这些问题。

当前文章:http://www.lhca.cn/c9vlol/425476-837282-48912.html

发布时间:00:00:00

广州设计公司  广州工业设计  二四六彩  广州外观设计  广州工业设计  广州设计  易用设计  二四六彩  产品设计  二四六彩  广州设计公司  

{相关文章}

2018年十大开源机器学习项目

    首先,让我们看看今年的一些顶级开源项目。1。BERTBERT是变压器双向编码器表示的缩写。它是解决自然语言处理问题的一种新方法,可以获得最先进的处理结果。它是基于TensorFlow的,开发人员可以使用预先训练的模型来解决问题。BERT模型比其他平和二手房_贡献力量网模型具有更大的优势,因为它们可以识别句子的上下文。该项目目前在Github上有8841颗星和1560个分叉。BERT项目地址:https://github.com/google-./bert.:https://arxiv.org/abs/1810.048052。深层CreamPy是一个深层学习工具,可以像图像编辑工具一样重建图像缺失区域。用户使用图像编辑工具将图像缺失的区域绘制成绿色,而神经网络负责将这些区域填充内容。该项目目前在GitHub上有6365个启动和613墙报图片_cartier眼镜网个分支。项目地址:女性健康知识讲座_轧钢工艺网https://github.com/deeppomf/DeepCreamPy3.TRFL的发音与块菌(tru外国美女视频_上海大众总经理刘坚网ffle)相同。它可以开发基于TensorFlow的增强学习代理。项目地址:https://github.com/deepmind4.Horizo n Horizo n是一个应用强化学习的平台。Horizo n使用PyTorch进行构建,使用Caffe2提供模型服务。Horizo n的主要优点之一是在设计中考虑了生产环境的使用场景。项目地址:HTTPS://GITHUBCOM/FooBoooCurdie/Value5.Doodidiy,顾名思义,是一个用于恢复旧照片和着色的深学习库。该库的作者结合了几种方法来实现这个目标,例如自注意生成对抗网络(https://arxiv.org/abs/1805.08318)、GAN的渐进增长(https://arxiv.org/abs/1710.10196)和两个时间尺度更新规则(https://arxiv.org/abs/1706.08500)。项目地址:https://github.com/jantic/DeOldify 6.AdaNet AdaNet是一个基于TensorFlow的库,它自动学习模型而无需大量的专家干预。该项目基于AdaNet算法(http://..mlr.press/v70/cortes17a.html)。项目地址:https://github.com/.orflow/adanet7.Graph须臾的近义词_smt技术网 Nets Graph Nets是由DeepMind发起的一个库,用于在Snnet和TensorFlow中构建图形网络。图形网络将图形作为输入并返回图形作为输出。项目地址:https://github.com/deep./._nets8。该库具有速度快、内存利用率低、多GPU训练和推理、CPU支持推理等优点。项目地址:https://github.com/facebook./maskrcnn-benchmark 9.PocketFlow是一个用于加速和压缩深度学习模型的框架。它解决了大多数深度学习模型计算量大的问题。它最初是由腾讯人工智能实验室的研究人员开发的。项目地址:https://github.com/T特仑苏牛奶怎么样_对二甲氨基苯甲醛网en./PocketFlow 10.MAMEToolkit MAMEToolKit是一个用于训练街机游戏强化学习算法的库。该工具包可以在跟踪游戏状态的同时接收游戏帧数据。项目地址:https://github.com/M-J-Murray/MAMEToolkitML框架的主要进展10月份的PyTorch 1.0发布期间,Facebook发布了PyTorch 1.0的预览。新版本将解决以下挑战:耗时的培训、大量的网络、缓慢的扩展以及Python编程语言带来的一些灵活性。新版本引入了一组编译器工具(Torch.这将弥合生产和研究阶段之间的鸿沟。火炬。JIT包含一种名为Torch Script的语言,它是Python的子集。模型可由热切模式转换为图形模式。这对于开发高性能和低延迟应用程序非常有用。Auto-Keras您可能听说过自动机器学习的概念。本质上,它是自动搜索机器学习模型的最佳参数。其他自动化ML框架包括Google的AutoML。Auto-Keras是使用Keras和ENAS(神经架构搜索的最新版本)开发的。TensorFlowServiceTensorFlowService是一个使TensorFlow模型更容易部署到生产环境的系统。TensorFlowSer.,在2017年发布,帮助开发人员简化了将模型部署到生产环境的大量工作。机器学习Javascript有几个Javascript框架,允许开发人员在浏览器上运行机器学习模型。这些框架包括TensorFlow.js和Keras.js。这些模型的实现与使用传统框架(如Keras或TensorFlow)非常相似。展望2019年,随着Auto-Keras等自动化工具的进步,我们可以期望开发人员更容易地工作。随着研究的进展和开源社区的贡献,我们也可以期望改进各种机器学习框架的性能。英文原件:https://heart..fritz.ai/2018-in-.-machine-.-open-source-project-frameworks-430df2fe18cd

------分隔线----------------------------
https://4l.cc/articlelist-366.htmlhttps://4l.cc/articlelist-358.htmlhttps://4l.cc/articlelist-355.htmlhttps://4l.cc/article-45181.htmlhttps://4l.cc/wapindex-1000-0.html?sid=-3https://f49.in/article-45757.htmlhttps://f49.in/article-38701.htmlhttps://f49.in/article-434.htmlhttps://f49.in/articlelist-352.htmlhttps://f49.in/articlelist-444.htmlhttps://f49.in/articlelist-426.htmlhttps://f49.in/articlelist-407.htmlhttps://55t.cc/article-100.htmlhttps://55t.cc/article-3407.htmlhttps://55t.cc/article-10117.htmlhttps://www.c8.cn/zst/dlt/chubazs.htmlhttps://www.c8.cn/zst/dlt/chusizs.htmlhttps://www.c8.cn/zst/dlt/chzs.htmlhttps://www.c8.cn/zst/dlt/jozs.htmlhttps://www.c8.cn/zst/qlc/elyzs.htmlhttps://www.c8.cn/zst/qlc/dxfb.htmlhttps://www.c8.cn/zst/pl5/hzzs.htmlhttps://www.c8.cn/zst/pl5/jozs.htmlhttps://www.c8.cn/zst/pl3/dxyl.htmlhttps://www.c8.cn/zst/6cai/zxzs.htmlhttps://www.c8.cn/zst/qxc/dxjo1.htmlhttps://www.c8.cn/zst/3d/smfb.htmlhttps://www.c8.cn/zst/3d/lxzs.htmlhttps://www.c8.cn/zst/3d/zhbzs.htmlhttps://www.c8.cn/zst/cqkl10/bhdw.htmlhttps://www.c8.cn/zst/gd11x5/lmcl.htmlhttps://www.c8.cn/zst/41.htmlhttps://www.c8.cn/zst/40.htmlhttps://www.c8.cn/zst/jsk3/dszs.htmlhttps://www.c8.cn/gaoshou/hubk3.htmlhttps://www.c8.cn/gaoshou/gxk3.htmlhttps://www.c8.cn/kaijiang.htmlhttp://www.easeid.cn/html/product/2017-5-6/534.htmlhttp://www.easeid.cn/html/product/2013-5-29/314.htmlhttp://www.easeid.cn/html/news/2013-9-22/450.htmlhttp://www.easeid.cn/content/?390.htmlhttp://www.easeid.cn/content/?354.htmlhttp://www.easeid.cn/content/?360.htmlhttp://www.easeid.cn/html/news/2013-5-20/218.htmlhttp://www.easeid.cn/html/product/2013-6-24/420.htmlhttp://www.easeid.cn/html/news/2013-6-3/273.htmlhttp://www.easeid.cn/html/news/2013-6-3/269.htmlhttp://www.easeid.cn/html/news/2013-6-3/259.htmlhttp://www.easeid.cn/html/news/2013-6-3/244.html