深度学习应用的下一波浪潮拍向哪儿12个前

专业的白癜风治疗医院 https://disease.39.net/yldt/bjzkbdfyy/
本文列出的一些是自今年夏季以来的一些公开出版了的成果案例。其中最值得注意的是神经网络和机器学习在医疗领域的应用；这方面的研究成果和进展很多，也已经开始吸引到了一些资本的支持。有人曾经预测深度学习市场将在可预见的未来内攀升至数十亿美元，但也能听到一些怀疑的声音，毕竟目前的大多数应用都还只是停留在图像标注与识别、翻译和其它更加面向消费者的领域。这不是说深度学习的发展潜力不会来自于这些早期应用，这里所要强调的是深度学习在企业应用和科研领域的可能性已经蓄势待发了！硬件和算法都在突飞猛进地发展，似乎正孕育着深度学习框架在能源、医疗、物理学等各种领域内的新应用的「寒武纪大爆发」。有趣的是，在我们探查过的过去几年的经过同行评议的研究中，直到过去一个月，各个领域内的深度学习应用才出现爆发。这些新应用给深度学习的市场预期注入了活力，同时也带来了让人忧虑的乐观（不知道是好事还是坏事）。这也是英特尔在硬件（NervanaSystems）和软件（Movidius）两个方向同时进行令人瞩目的收购的原因，另外，英伟达也将自己的未来押到了深度学习加速（deeplearningacceleration）上，还有一众ASIC、FPGA等设备的芯片创业公司也在最近涌入了这一领域。然而，各种使用深度学习框架的研究并不会凭空创造出一个市场，但这已经在高端企业应用和科研领域形成了有价值的发展势头——而且还在继续发展。过去几周，我们看到一些研究在神经网络和先进机器学习框架的帮助下实现了突破。1.先进的黑色素瘤筛选和检测密歇根大学的研究者使用图像识别技术来检测这种最致命的、但在早期可以治疗的癌症。黑色素瘤不仅致命，而且还难以准确筛查。该团队训练了一个神经网络来区分痣和可疑病变的特征（质地和结构），以便更好地识别。该团队称在检测黑色素瘤方面，「定性和定量评估的实验结果表明这种方法的表现超过了迄今为止最佳的算法」。（论文：ExtractionofSkinLesionsfromNon-DermoscopicImagesUsingDeepLearning）2.用于脑癌检测的神经网络法国一个研究团队指出检测手术过程中的侵入性脑癌细胞是很困难的，其部分原因在于手术室内的光照影响。他们发现在实验过程中将神经网络与拉曼光谱法（Ramanspectroscopy）结合起来可以让他们更轻松地检测癌症细胞和减少术后残留癌细胞。事实上，这项研究只是过去几周许多将图像识别和分类与各种癌症筛查设备结合起来的研究中的一个。（论文：Modelingandmulti-objectiveParetooptimizationofnewcycloneseparatorsusingCFD,ANNsandNSGAIIalgorithm）3.用于超声成像、产前保健的机器学习英国和澳大利亚的一个联合研究团队已经将图像识别和机器学习技术用在了自动解读胎儿窘迫的迹象上，从而可以指导减轻子宫中潜在不健康症状的手术前策略。尽管该神经网络的训练数据集还很有限，但这项研究已经展现出了进一步研究的潜力。（论文：DeepneuralnetworksforpredictingpouchofDouglasobliterationbasedontransvaginalultrasoundslidingsignvideos）4.天气预报和事件检测这个传统的大型超级计算机的领域现在正在变成神经网络发展的温床，尤其是涉及到天气事件（模式）检测时。在其中一个例子中，研究者使用神经网络和其它遗传算法的方法来匹配计算流体动力学（

转载请注明：http://www.kuangshanjixiea.com/sbjs/19570.html