電鏡中的垃圾變黃金—深度神經(jīng)網(wǎng)絡(luò)
近十年來(lái)，掃描探針、電子顯微鏡和光學(xué)顯微鏡的光譜成像方法發(fā)展迅速，導(dǎo)致了大型多維數(shù)據(jù)集的興起。在許多情況下，將高光譜數(shù)據(jù)降維到較低維度的材料特征參數(shù)，要依賴功能擬合，雖然擬合函數(shù)的近似形式是已知的，但函數(shù)的參數(shù)卻是需要人為確定的。然而，通過(guò)迭代方法實(shí)現(xiàn)噪聲數(shù)據(jù)的功能擬合（如最小二乘梯度下降），常常會(huì)出現(xiàn)虛假結(jié)果。
來(lái)自美國(guó)橡樹(shù)林國(guó)家實(shí)驗(yàn)室的Stephen Jesse領(lǐng)導(dǎo)的團(tuán)隊(duì)，提出了一種新的方法，可用來(lái)逆向解決問(wèn)題，可從基于光譜成像數(shù)據(jù)的最小二乘擬合中提取物理模型參數(shù)，并能通過(guò)深度學(xué)習(xí)測(cè)定先驗(yàn)參數(shù)而增強(qiáng)提取能力。他們將這種方法應(yīng)用于從壓電響應(yīng)力顯微鏡數(shù)據(jù)中提取簡(jiǎn)諧振子參數(shù)，并證明了通過(guò)結(jié)合使用深度神經(jīng)網(wǎng)絡(luò)和最小二乘擬合，可以探測(cè)比傳統(tǒng)方法低一個(gè)數(shù)量級(jí)的信號(hào)響應(yīng)，接近激發(fā)信號(hào)的熱限制。作為模型系統(tǒng)，他們演示了從層狀鐵電化合物的帶激發(fā)壓電響應(yīng)力顯微鏡成像中，提取阻尼簡(jiǎn)諧振子參數(shù)。這種使用深度神經(jīng)網(wǎng)絡(luò)的方法是通用的，并且在正向和反向情況下都顯示出它們作為函數(shù)近似器的效用，且它們?cè)卩须s的環(huán)境中工作良好。
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
-
探針
+關(guān)注
關(guān)注
4文章
225瀏覽量
21447 -
深度神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
0文章
62瀏覽量
4827
原文標(biāo)題：npj: 電鏡中的垃圾變黃金—深度神經(jīng)網(wǎng)絡(luò)
文章出處：【微信號(hào)：zhishexueshuquan，微信公眾號(hào)：知社學(xué)術(shù)圈】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹
NMSIS NN 軟件庫(kù)是一組高效的神經(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
在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)
本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開(kāi)發(fā)IDE，以TensorFlow2為訓(xùn)練框架，目標(biāo)是訓(xùn)練一個(gè)手寫(xiě)數(shù)字識(shí)別的神經(jīng)網(wǎng)絡(luò)
發(fā)表于 10-22 07:03
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)的神經(jīng)結(jié)構(gòu)，盡管這種微生物的
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
如何在機(jī)器視覺(jué)中部署深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
圖 1：基于深度學(xué)習(xí)的目標(biāo)檢測(cè)可定位已訓(xùn)練的目標(biāo)類別，并通過(guò)矩形框（邊界框）對(duì)其進(jìn)行標(biāo)識(shí)。 在討論人工智能（AI）或深度學(xué)習(xí)時(shí)，經(jīng)常會(huì)出現(xiàn)“神經(jīng)網(wǎng)絡(luò)”、“黑箱”、“標(biāo)注”等術(shù)語(yǔ)。這些概念對(duì)非專業(yè)
神經(jīng)網(wǎng)絡(luò)壓縮框架 （NNCF） 中的過(guò)濾器修剪統(tǒng)計(jì)數(shù)據(jù)怎么查看？
無(wú)法觀察神經(jīng)網(wǎng)絡(luò)壓縮框架 （NNCF） 中的過(guò)濾器修剪統(tǒng)計(jì)數(shù)據(jù)
發(fā)表于 03-06 07:10
BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)原則
BP（back propagation）神經(jīng)網(wǎng)絡(luò)是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)，其網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)原則主要基于以下幾個(gè)方面： 一、層次結(jié)構(gòu) 輸入層 ：接收外部輸入信號(hào)，不進(jìn)行任何計(jì)算
BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較
BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)在多個(gè)方面存在顯著差異，以下是對(duì)兩者的比較： 一、結(jié)構(gòu)特點(diǎn) BP神經(jīng)網(wǎng)絡(luò) ： BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)
BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)分析
BP神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Network）作為一種常用的機(jī)器學(xué)習(xí)模型，具有顯著的優(yōu)點(diǎn)，同時(shí)也存在一些不容忽視的缺點(diǎn)。以下是對(duì)BP神經(jīng)網(wǎng)絡(luò)優(yōu)缺點(diǎn)的分析： 優(yōu)點(diǎn)
什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法
BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法（Backpropagation Algorithm）是一種用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的有效方法。以下是關(guān)于BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法的介紹： 一、基本概念 反向傳播算法是BP
BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系
BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)之間存在著密切的關(guān)系，以下是對(duì)它們之間關(guān)系的介紹： 一、BP神經(jīng)網(wǎng)絡(luò)的基本概念 BP神經(jīng)網(wǎng)絡(luò)，即反向傳播神經(jīng)網(wǎng)絡(luò)（Ba
BP神經(jīng)網(wǎng)絡(luò)的基本原理
BP神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Network）的基本原理涉及前向傳播和反向傳播兩個(gè)核心過(guò)程。以下是關(guān)于BP神經(jīng)網(wǎng)絡(luò)基本原理的介紹： 一、網(wǎng)絡(luò)結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)
BP神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用
BP神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中發(fā)揮著重要作用，其多層結(jié)構(gòu)使得網(wǎng)絡(luò)能夠?qū)W習(xí)到復(fù)雜的特征表達(dá)，適用于處理非線性問(wèn)題。以下是對(duì)BP神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中應(yīng)用的分析： 一、BP神經(jīng)網(wǎng)絡(luò)基本原理 BP
深度學(xué)習(xí)入門(mén)：簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的構(gòu)建與實(shí)現(xiàn)
深度學(xué)習(xí)中，神經(jīng)網(wǎng)絡(luò)是核心模型。今天我們用 Python 和 NumPy 構(gòu)建一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)。 神經(jīng)網(wǎng)絡(luò)由多個(gè)神經(jīng)元組成，
人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法
在上一篇文章中，我們介紹了傳統(tǒng)機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)和多種算法。在本文中，我們會(huì)介紹人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法，供各位老師選擇。 01 人工神經(jīng)網(wǎng)絡(luò) ? 人工神經(jīng)網(wǎng)絡(luò)模型之所
工商網(wǎng)監(jiān)
評(píng)論