哈哈哈哈哈操欧洲电影,久草网在线,亚洲久久熟女熟妇视频,麻豆精品色,久久福利在线视频,日韩中文字幕的,淫乱毛视频一区,亚洲成人一二三,中文人妻日韩精品电影

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

一種由DNA制成的人工神經(jīng)網(wǎng)絡(luò),可以正確識(shí)別分子數(shù)字

電子工程師 ? 來(lái)源:未知 ? 作者:李倩 ? 2018-07-23 09:16 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

“既然要學(xué)人腦的思維方式,為什么不去研究人腦?”霍金斯在《論智能》中說(shuō)道。

如今,不少生物學(xué)研究者正朝著這個(gè)方向努力。

不過(guò),請(qǐng)注意:這不是一次傳統(tǒng)意義上的生物實(shí)驗(yàn)。

近日,據(jù) Motherboard 等多家外媒報(bào)道,來(lái)自加州理工學(xué)院生物工程助理教授 Lu-lu Qian(錢璐璐)和她的學(xué)生 Kevin Cherry 共同開(kāi)發(fā)出了一種由 DNA 制成的人工神經(jīng)網(wǎng)絡(luò),可以正確識(shí)別分子數(shù)字。這項(xiàng)工作是人工智能與合成生物分子電路成功“合體”的重要里程碑。

“盡管科學(xué)家剛剛開(kāi)始探索在分子機(jī)器搭載人工智能,但其潛力已無(wú)可否認(rèn),”錢璐璐說(shuō)?!邦愃齐娮佑?jì)算機(jī)和智能手機(jī)為人類帶來(lái)了遠(yuǎn)超過(guò)去百年的影響力,人造分子機(jī)器可以讓所有由分子組成的物體,甚至可能包括油漆和繃帶,比未來(lái)一百年更有用,有益于環(huán)境保護(hù)?!?/p>

據(jù)了解,該論文已于 7 月 19 日發(fā)表在《Nature》紙質(zhì)版雜志上。

以下為論文摘要:

從細(xì)菌沿化學(xué)梯度運(yùn)動(dòng),到大腦對(duì)復(fù)雜氣味信息進(jìn)行區(qū)分,識(shí)別分子模式是生物有機(jī)體的重要技能。這種類型的信息處理方式已經(jīng)能由基于 DNA 制成的神經(jīng)網(wǎng)絡(luò)完成,不過(guò),這僅限于 4 種 4 位的不同 DNA 分子?!摆A者通吃”(winner takes all)的競(jìng)爭(zhēng)策略被認(rèn)為有望提高 DNA 神經(jīng)網(wǎng)絡(luò)的能力。與之前使用的線性閾值和 Hopfield 網(wǎng)絡(luò)相比,“贏者通吃”的計(jì)算能力更強(qiáng),可由單一分子完成,且不受模型數(shù)量和復(fù)雜性的影響。所以,無(wú)論是大量的單一模型,還是少量的復(fù)雜模型都能被識(shí)別。

據(jù)介紹,

Lu-lu Qain 和 Kevin Cherry 將這一數(shù)字增加到 9 種 100 位的圖案,研究小組設(shè)計(jì)的人工神經(jīng)網(wǎng)絡(luò)能正確識(shí)別 10×10 像素網(wǎng)格內(nèi)的 1到9 的數(shù)字。該神經(jīng)網(wǎng)絡(luò)采用“贏家通吃”來(lái)優(yōu)化輸出,識(shí)別數(shù)字。研究人員通過(guò)模擬手寫(xiě)字體的變化,倒轉(zhuǎn)了 100 位中的 30 位,神經(jīng)網(wǎng)絡(luò)仍能準(zhǔn)確“記住”圖案并識(shí)別出數(shù)字。這一結(jié)果表明,分子計(jì)算電路擁有類似記憶力的能力,能夠?qū)Ω叨葟?fù)雜、雜亂的信息進(jìn)行分類。

▌以DNA和試管為“硬件”

這里不得不提一下神經(jīng)網(wǎng)絡(luò)之父 Geoffrey Hinton 老爺子的貢獻(xiàn)。在他看來(lái),通過(guò)模仿人類大腦,對(duì)其大腦中神經(jīng)元如何運(yùn)作進(jìn)行了理想化實(shí)現(xiàn),并將 HintonBack Propagation(反向傳播)算法應(yīng)用到神經(jīng)網(wǎng)絡(luò)。目前,機(jī)器學(xué)習(xí)中的大多數(shù)前沿技術(shù)都涉及人工神經(jīng)網(wǎng)絡(luò)。

而錢璐璐實(shí)驗(yàn)室的工作目的就是讓 DNA 構(gòu)建的人工神經(jīng)網(wǎng)絡(luò)來(lái)模仿和挑戰(zhàn)大腦神經(jīng)元的能力。

簡(jiǎn)單來(lái)講,所謂的 DNA 神經(jīng)網(wǎng)絡(luò)就是將 DNA 和試管作為構(gòu)建的物理基礎(chǔ),就相當(dāng)于我們通常所見(jiàn)的硅和晶體管。

眾所周知,所有 DNA 都由四種堿性核苷酸組成:腺嘌呤(A)、胞嘧啶(C)、鳥(niǎo)嘌呤(G)和胸腺嘧啶(T)。一條核苷酸鏈與另一條鏈結(jié)合形成 DNA 雙鏈,但只能以特定方式結(jié)合(即 A-T 或 C-G)。這種可預(yù)測(cè)的組合模式使得這些核苷酸成為理想的計(jì)算設(shè)備,經(jīng)過(guò)設(shè)計(jì)后,它們?cè)诟鞣N分子形態(tài)下產(chǎn)生特定的化學(xué)反應(yīng)。

這時(shí),通過(guò)特定化學(xué)反應(yīng)產(chǎn)生的現(xiàn)象,研究人員就可以判斷出該 DNA 神經(jīng)網(wǎng)絡(luò)是否正確進(jìn)行了識(shí)別。這次,錢璐璐實(shí)驗(yàn)室挑戰(zhàn)的是如何教人工神經(jīng)網(wǎng)絡(luò)識(shí)別手寫(xiě)數(shù)字。

通常情況下,這對(duì)計(jì)算機(jī)來(lái)說(shuō)很難。例如,人類在寫(xiě)數(shù)字 4 時(shí)都會(huì)略有不同。一般人都很容易看出不同的 4 寫(xiě)出來(lái)的時(shí)候會(huì)有哪些相似點(diǎn),機(jī)器則沒(méi)有這種生物識(shí)別性。不過(guò),要是向人工神經(jīng)網(wǎng)絡(luò)提供大量 4 的書(shū)寫(xiě)示例呢?算法會(huì)“學(xué)習(xí)”并對(duì)每個(gè)示例進(jìn)行抽象,然后形成對(duì) 4 這個(gè)數(shù)字寫(xiě)法的大致概念。下一次,算法在遇到類似 4 的事物時(shí),它會(huì)將其自己形成對(duì) 4 的概念進(jìn)行比較,如何匹配度足夠高,就會(huì)得出 4 的結(jié)論。

據(jù)了解,早在 2011 年,錢璐璐就用 DNA 創(chuàng)造了第一個(gè)人工神經(jīng)網(wǎng)絡(luò),但它只能識(shí)別出少數(shù)模式。而此次,錢璐璐的一位研究生 Kevin Cherry 通過(guò)將其應(yīng)用于手寫(xiě)“分子數(shù)字”的識(shí)別,大大提高了這項(xiàng)技術(shù)。

用合成 DNA 構(gòu)建人工神經(jīng)網(wǎng)絡(luò),能夠識(shí)別分子編碼的“數(shù)字”。這是經(jīng)典機(jī)器學(xué)習(xí)測(cè)試的又一次創(chuàng)新實(shí)驗(yàn)?!叭四X中大多有超過(guò) 800 億個(gè)神經(jīng)元,能夠讓人類做出非常復(fù)雜的決定。像蛔蟲(chóng)這樣的小動(dòng)物有幾百個(gè)神經(jīng)元,只能做出簡(jiǎn)單的決定。在這項(xiàng)工作中,我們?cè)O(shè)計(jì)了一套生物化學(xué)模式,其作用類似于一個(gè)小的神經(jīng)元網(wǎng)絡(luò),對(duì)分子信息進(jìn)行分類,實(shí)質(zhì)上比之前更復(fù)雜。”錢璐璐說(shuō)。

未來(lái),錢璐璐實(shí)驗(yàn)室希望通過(guò)這種形成的記憶將有助于 DNA 神經(jīng)網(wǎng)絡(luò)執(zhí)行不同任務(wù),并改變醫(yī)學(xué)測(cè)試。

▌實(shí)驗(yàn)過(guò)程

首先,每個(gè)“分子數(shù)字”是由 20 個(gè) DNA 鏈構(gòu)成,這些 DNA 鏈選自 100 個(gè)分子,每個(gè)分子代表 10×10 像素網(wǎng)格中任一位置。

然后,在試管中將這些 DNA 鏈混合在一起。試管中的 DNA 鏈由于全部混合在一起,因此分子在網(wǎng)格上呈現(xiàn)的位置完全靠濃度決定。當(dāng)分子濃度達(dá)到一定階段時(shí),DNA 鏈就會(huì)產(chǎn)生特定的反應(yīng),并在 10×10 網(wǎng)格上形成相應(yīng)的數(shù)字,這一過(guò)程即為 DNA 神經(jīng)網(wǎng)絡(luò)識(shí)別過(guò)程。

按照手寫(xiě)數(shù)字從 1 到 9 的樣本,DNA 神經(jīng)網(wǎng)絡(luò)也分類為 9 個(gè)類別。

以數(shù)字 6 和 7 的識(shí)別過(guò)程為例。

他們測(cè)試了 36 個(gè)不同版本的手寫(xiě)數(shù)字,DNA 神經(jīng)網(wǎng)絡(luò)正確識(shí)別出來(lái)這些數(shù)字。

這一過(guò)程中,他們利用了 DNA 分子編碼“贏者通吃”的競(jìng)爭(zhēng)策略——DNA 神經(jīng)網(wǎng)絡(luò)通過(guò)合成所謂的“殲滅者”來(lái)區(qū)分?jǐn)?shù)字。

“殲滅者與來(lái)自一個(gè)競(jìng)爭(zhēng)者的一個(gè)分子和來(lái)自不同競(jìng)爭(zhēng)者的一個(gè)分子形成復(fù)合物,并反應(yīng)形成惰性物質(zhì),無(wú)法產(chǎn)生化學(xué)反應(yīng)。殲滅者迅速吞噬所有競(jìng)爭(zhēng)者的分子,直到剩下一個(gè)競(jìng)爭(zhēng)者。然后,獲勝的競(jìng)爭(zhēng)者恢復(fù)到高濃度并產(chǎn)生熒光信號(hào),表明神經(jīng)網(wǎng)絡(luò)的決策。”Cherry 表示。

重要的是,獲勝者采取的方法將用于區(qū)分 DNA 試管中 1 到 9 的單個(gè)數(shù)字。例如,反應(yīng)后,試管將顯示兩個(gè)熒光信號(hào),綠色和黃色熒光代表 5,綠色或紅色代表 9。

▌錢璐璐本人

早在去年,錢璐璐實(shí)驗(yàn)室就曾利用DNA打造了一個(gè)“小機(jī)器人”:對(duì) DNA 進(jìn)行“編程”,控制 DNA“走”到特定區(qū)域,“撿起”特定的分子,并把它們搬運(yùn)到另一個(gè)地方。

據(jù)了解,錢璐璐本科研究生期間,先后在東南大學(xué)、上海交通大學(xué)就讀,隨后考入加州理工學(xué)院,從此開(kāi)始了她長(zhǎng)達(dá) 10 年的學(xué)習(xí)與研究生涯。

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4841

    瀏覽量

    108147
  • 人工智能
    +關(guān)注

    關(guān)注

    1820

    文章

    50304

    瀏覽量

    266848
  • DNA
    DNA
    +關(guān)注

    關(guān)注

    0

    文章

    244

    瀏覽量

    32132

原文標(biāo)題:華裔女性錢璐璐:用 DNA 開(kāi)發(fā)人工智能神經(jīng)網(wǎng)絡(luò),識(shí)別手寫(xiě)數(shù)字!

文章出處:【微信號(hào):rgznai100,微信公眾號(hào):rgznai100】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡(luò)引擎?

    我想知道為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡(luò)引擎,請(qǐng)問(wèn)?您能否舉些關(guān)于他們的用例的例子?
    發(fā)表于 03-25 06:01

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

    日常生活中的智能應(yīng)用都離不開(kāi)深度學(xué)習(xí),而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大腦中神經(jīng)
    的頭像 發(fā)表于 12-17 15:05 ?455次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    自動(dòng)駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)是個(gè)啥?

    在自動(dòng)駕駛領(lǐng)域,經(jīng)常會(huì)聽(tīng)到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò),簡(jiǎn)稱為CNN,是一種專門用來(lái)處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學(xué)習(xí)模型。CNN在圖像處理中尤其常見(jiàn),因?yàn)閳D像本身就可以看作是
    的頭像 發(fā)表于 11-19 18:15 ?2240次閱讀
    自動(dòng)駕駛中常提的卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>是個(gè)啥?

    NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹

    NMSIS NN 軟件庫(kù)是組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核,旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。 該庫(kù)分為多個(gè)功能,每個(gè)功能涵蓋特定類別
    發(fā)表于 10-29 06:08

    構(gòu)建CNN網(wǎng)絡(luò)模型并優(yōu)化的般化建議

    ,從而得到對(duì)我們有價(jià)值的識(shí)別信息。但這種迭代性并不是十分必要的,因?yàn)閺膶?shí)踐來(lái)看,即使只有單層網(wǎng)絡(luò)的模型,只要擁有充分?jǐn)?shù)量的神經(jīng)元,也可以獲得較高的準(zhǔn)確率。不過(guò)該
    發(fā)表于 10-28 08:02

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的些經(jīng)驗(yàn)

    模型。 我們使用MNIST數(shù)據(jù)集,訓(xùn)練個(gè)卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型,用于手寫(xiě)數(shù)字識(shí)別旦模型被訓(xùn)練并保存,就
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。 在仿真環(huán)境下,可將其存于個(gè)文件,并在 Verilog 代碼中通過(guò) readmemh 函數(shù)
    發(fā)表于 10-20 08:00

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡(jiǎn)介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲(chóng)的
    的頭像 發(fā)表于 09-28 10:03 ?1535次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而,神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加,這使得傳統(tǒng)的串行計(jì)算方式面臨著巨大的挑戰(zhàn),如計(jì)算速度慢、訓(xùn)練時(shí)間長(zhǎng)等
    的頭像 發(fā)表于 09-17 13:31 ?1286次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速技術(shù)

    【「AI芯片:科技探索與AGI愿景」閱讀體驗(yàn)】+化學(xué)或生物方法實(shí)現(xiàn)AI

    的憶阻器、MAC計(jì)算單元及存儲(chǔ)器 可以利用液體的流體力學(xué)特征做個(gè)納米級(jí)微流體系統(tǒng),用水柱來(lái)實(shí)現(xiàn)邏輯門。 ①用有機(jī)聚合物溶液實(shí)現(xiàn)互連、憶阻器和神經(jīng)網(wǎng)絡(luò) 有機(jī)聚合物計(jì)算通常被歸類為化學(xué)計(jì)算。 有
    發(fā)表于 09-15 17:29

    基于神經(jīng)網(wǎng)絡(luò)數(shù)字預(yù)失真模型解決方案

    在基于神經(jīng)網(wǎng)絡(luò)數(shù)字預(yù)失真(DPD)模型中,使用不同的激活函數(shù)對(duì)整個(gè)系統(tǒng)性能和能效有何影響?
    的頭像 發(fā)表于 08-29 14:01 ?3654次閱讀

    無(wú)刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

    摘要:論文通過(guò)對(duì)無(wú)刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來(lái)訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

    摘要:針對(duì)傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問(wèn)題,本文提出了基于經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對(duì)電機(jī)
    發(fā)表于 06-16 22:09

    神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究

    ,在定程度上擴(kuò)展了轉(zhuǎn)速估計(jì)范圍。 純分享帖,需要者可點(diǎn)擊附件免費(fèi)獲取完整資料~~~*附件:神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究.pdf【免責(zé)聲明】本文系網(wǎng)絡(luò)轉(zhuǎn)載,版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)
    發(fā)表于 06-16 21:54

    基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

    本文的目的是在個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過(guò)python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出,然后通過(guò)python程序?qū)xt文件轉(zhuǎn)化為coe文件,(coe
    的頭像 發(fā)表于 06-03 15:51 ?1494次閱讀
    基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析
    高阳县| 扎兰屯市| 甘肃省| 临猗县| 台北县| 姚安县| 孝义市| 寻乌县| 龙川县| 玛沁县| 克什克腾旗| 托克托县| 洛宁县| 普格县| 阿合奇县| 曲阳县| 施秉县| 织金县| 会理县| 灵山县| 仙桃市| 兴宁市| 惠州市| 靖江市| 抚远县| 泽州县| 彰化市| 德令哈市| 方城县| 旌德县| 洪洞县| 无极县| 寻甸| 平安县| 壤塘县| 宣恩县| 和田市| 醴陵市| 曲松县| 三门峡市| 永善县|