搜索歷史

清空
搜索熱詞
      0
      • 聊天消息
      • 系統(tǒng)消息
      • 評(píng)論與回復(fù)
      VIP于 到期 續(xù)費(fèi)
      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
      • 寫文章/發(fā)帖/加入社區(qū)
      會(huì)員中心
      創(chuàng)作中心
      發(fā)布
      創(chuàng)作活動(dòng)

      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

      科學(xué)家研發(fā)可判斷顏值的生成式神經(jīng)網(wǎng)絡(luò)

      如意 ? 來源：cnBeta.COM ? 作者：cnBeta.COM ? 2021-03-07 11:20 ? 次閱讀

      怎么樣的五官組合會(huì)被更多人認(rèn)為高顏值呢？近日，在 Tuukka Ruotsalo 副教授的帶領(lǐng)下，來自赫爾辛基大學(xué)和哥本哈根大學(xué)的科學(xué)家們研究出了一個(gè)生成式對(duì)抗神經(jīng)網(wǎng)絡(luò)，生成了數(shù)百張逼真的人像。然后這些計(jì)算機(jī)生成圖像被逐一展示給 30 名測(cè)試對(duì)象，每個(gè)人都被指示將更多的注意力集中在他們認(rèn)為最有吸引力的面孔上，同時(shí)使用 EEG（腦電圖）記錄他們大腦的電活動(dòng)。

      隨后，基于機(jī)器學(xué)習(xí)的算法確定哪些面孔對(duì)每個(gè)人產(chǎn)生的活動(dòng)量最大，然后確定這些面孔有哪些共同的特征。基于這些數(shù)據(jù)，神經(jīng)網(wǎng)絡(luò)再繼續(xù)產(chǎn)生結(jié)合這些特征的新面孔。在一個(gè)雙盲實(shí)驗(yàn)中，這些新面孔然后和許多其他面孔的圖像一起展示給這個(gè)人。87% 的人選擇了新面孔中最有吸引力的面孔--隨著技術(shù)的進(jìn)一步發(fā)展，這個(gè)數(shù)字應(yīng)該會(huì)上升。

      希望該團(tuán)隊(duì)的研究結(jié)果最終可以用來幫助計(jì)算機(jī)系統(tǒng)理解主觀偏好，或許還可以用來識(shí)別人們的無意識(shí)態(tài)度。高級(jí)研究員 Michiel Spapé 說：“這項(xiàng)研究表明，我們能夠通過將人工神經(jīng)網(wǎng)絡(luò)與大腦反應(yīng)連接起來，生成與個(gè)人偏好相匹配的圖像。迄今為止，計(jì)算機(jī)視覺在根據(jù)客觀模式對(duì)圖像進(jìn)行分類方面非常成功。通過將大腦反應(yīng)帶入其中，我們表明有可能根據(jù)心理屬性，如個(gè)人品味，來檢測(cè)和生成圖像” 。

      有關(guān)該研究的論文近日發(fā)表在《IEEE Transactions in Affective Computing》雜志上。

      責(zé)編AJX

      聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(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

        4717

        瀏覽量

        100015
      • AI
        AI
        +關(guān)注

        關(guān)注

        87

        文章

        28877

        瀏覽量

        266240
      收藏 人收藏

        評(píng)論

        相關(guān)推薦

        BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

        BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡稱ANNs）之間的關(guān)系與區(qū)別，是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個(gè)基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及未來發(fā)展等多個(gè)方面，詳細(xì)闡述BP
        的頭像 發(fā)表于 07-10 15:20 ?384次閱讀

        基于神經(jīng)網(wǎng)絡(luò)的全息圖生成算法

        全息圖生成技術(shù)作為光學(xué)與計(jì)算機(jī)科學(xué)交叉領(lǐng)域的重要研究方向，近年來隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，取得了顯著進(jìn)展?；?b class='flag-5'>神經(jīng)網(wǎng)絡(luò)的全息圖生成算法，以
        的頭像 發(fā)表于 07-09 15:54 ?238次閱讀

        rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

        RNN（Recurrent Neural Network）是循環(huán)神經(jīng)網(wǎng)絡(luò)，而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時(shí)間序列特性的神經(jīng)網(wǎng)絡(luò)，能夠處理序列數(shù)據(jù)，具有記憶功能。以下是關(guān)于循環(huán)
        的頭像 發(fā)表于 07-05 09:52 ?385次閱讀

        rnn是什么神經(jīng)網(wǎng)絡(luò)模型

        領(lǐng)域有著廣泛的應(yīng)用。 RNN的基本概念 1.1 神經(jīng)網(wǎng)絡(luò)的基本概念 神經(jīng)網(wǎng)絡(luò)是一種受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)的數(shù)學(xué)模型，它由多個(gè)神經(jīng)元（或稱為節(jié)點(diǎn)）組成，這些
        的頭像 發(fā)表于 07-05 09:50 ?393次閱讀

        人工神經(jīng)網(wǎng)絡(luò)模型的分類有哪些

        詳細(xì)介紹人工神經(jīng)網(wǎng)絡(luò)的分類，包括前饋神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、深度神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗
        的頭像 發(fā)表于 07-05 09:13 ?446次閱讀

        遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)嗎

        遞歸神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，簡稱RNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，簡稱RNN）實(shí)際上是同一個(gè)概念，只是不同的翻譯方式
        的頭像 發(fā)表于 07-04 14:54 ?449次閱讀

        如何使用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模和預(yù)測(cè)

        輸入信號(hào)，對(duì)其進(jìn)行加權(quán)求和，然后通過激活函數(shù)進(jìn)行非線性轉(zhuǎn)換，生成輸出信號(hào)。通過這種方式，神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)輸入數(shù)據(jù)的復(fù)雜模式和關(guān)系。 神經(jīng)網(wǎng)絡(luò)的類型 神經(jīng)網(wǎng)絡(luò)有多種類型，包括前饋
        的頭像 發(fā)表于 07-03 10:23 ?384次閱讀

        bp神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

        BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡稱CNN）是兩種不同類型的人工神經(jīng)網(wǎng)絡(luò)，它們?cè)?/div>
        的頭像 發(fā)表于 07-03 10:12 ?525次閱讀

        bp神經(jīng)網(wǎng)絡(luò)模型怎么算預(yù)測(cè)值

        BP神經(jīng)網(wǎng)絡(luò)的基本原理、結(jié)構(gòu)、學(xué)習(xí)算法以及預(yù)測(cè)值的計(jì)算方法。 BP神經(jīng)網(wǎng)絡(luò)的基本原理 BP神經(jīng)網(wǎng)絡(luò)是一種基于誤差反向傳播的多層前饋神經(jīng)網(wǎng)絡(luò)。
        的頭像 發(fā)表于 07-03 09:59 ?372次閱讀

        神經(jīng)網(wǎng)絡(luò)算法的基本原理

        年代，當(dāng)時(shí)科學(xué)家們開始研究人腦的工作原理。1943年，Warren McCulloch和Walter Pitts提出了一種簡單的神經(jīng)網(wǎng)絡(luò)模型，即MP模型，它由一系列邏輯門組成，可以模擬神經(jīng)元的興奮和抑制狀態(tài)。1958年，F(xiàn)ran
        的頭像 發(fā)表于 07-03 09:44 ?483次閱讀

        生成式AI與神經(jīng)網(wǎng)絡(luò)模型的區(qū)別和聯(lián)系

        生成式AI與神經(jīng)網(wǎng)絡(luò)模型是現(xiàn)代人工智能領(lǐng)域的兩個(gè)核心概念，它們?cè)谕苿?dòng)技術(shù)進(jìn)步和應(yīng)用拓展方面發(fā)揮著至關(guān)重要的作用。本文將詳細(xì)探討生成式AI與
        的頭像 發(fā)表于 07-02 15:03 ?347次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

        卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，簡稱CNN）和BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Networks，簡稱BPNN）是兩種
        的頭像 發(fā)表于 07-02 14:24 ?1025次閱讀

        神經(jīng)網(wǎng)絡(luò)架構(gòu)有哪些

        、語音識(shí)別、自然語言處理等多個(gè)領(lǐng)域。本文將對(duì)幾種主要的神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行詳細(xì)介紹，包括前饋神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗
        的頭像 發(fā)表于 07-01 14:16 ?345次閱讀

        新華社：突破性成果！祝賀我國科學(xué)家成功研發(fā)這一傳感器！

        6月25日，新華社以《突破性成果！祝賀我國科學(xué)家》為標(biāo)題，報(bào)道了由我國科學(xué)家研發(fā)的傳感器成果。 我國科學(xué)家研發(fā)高通道
        的頭像 發(fā)表于 06-27 18:03 ?309次閱讀
        新華社：突破性成果！祝賀我國<b class='flag-5'>科學(xué)家</b>成功<b class='flag-5'>研發(fā)</b>這一傳感器！

        卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)

        傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型，卷積神經(jīng)網(wǎng)絡(luò)具有以下優(yōu)點(diǎn)。 1. 局部連接和權(quán)值共享：卷積神經(jīng)網(wǎng)絡(luò)通過設(shè)置局部連接和權(quán)值共享的結(jié)構(gòu)，有效地減少了
        的頭像 發(fā)表于 12-07 15:37 ?3754次閱讀