Исследователи из Google учат ИИ распознавать запахи - «Новости сети»
Меню
Наши новости
Учебник CSS

Невозможно отучить людей изучать самые ненужные предметы.

Введение в CSS
Преимущества стилей
Добавления стилей
Типы носителей
Базовый синтаксис
Значения стилевых свойств
Селекторы тегов
Классы
CSS3

Надо знать обо всем понемножку, но все о немногом.

Идентификаторы
Контекстные селекторы
Соседние селекторы
Дочерние селекторы
Селекторы атрибутов
Универсальный селектор
Псевдоклассы
Псевдоэлементы

Кто умеет, тот делает. Кто не умеет, тот учит. Кто не умеет учить - становится деканом. (Т. Мартин)

Группирование
Наследование
Каскадирование
Валидация
Идентификаторы и классы
Написание эффективного кода

Самоучитель CSS

Вёрстка
Изображения
Текст
Цвет
Линии и рамки
Углы
Списки
Ссылки
Дизайны сайтов
Формы
Таблицы
CSS3
HTML5

Новости

Блог для вебмастеров
Новости мира Интернет
Сайтостроение
Ремонт и советы
Все новости

Справочник CSS

Справочник от А до Я
HTML, CSS, JavaScript

Афоризмы

Афоризмы о учёбе
Статьи об афоризмах
Все Афоризмы

Видео Уроки


Наш опрос



Наши новости

      
      
  • 24 марта 2016, 16:20
26-10-2019, 09:01
Исследователи из Google учат ИИ распознавать запахи - «Новости сети»
Рейтинг:


В отличие от определения цветов, которые легко идентифицируются по длине волны, определение запахов по молекулам отличается крайней неоднозначностью. Часто даже два человека могут один и тот же аромат описать по-разному. А ведь в строении молекул есть ещё так называемые хиральные пары, когда все связи и строения атомов одинаковые и отличаются только зеркальным отражением друг друга, например, тмин и мята, ароматы которых совершенно не совпадают при одинаковом строении на атомарном уровне. Человек отличит эту тонкость, а как научить этому ИИ? Но ведь это не остановит учёных?



Информация размещенная на сайте - «hs-design.ru»




Исследователи из Google задались целью научить ИИ распознавать запахи по молекулярному строению веществ. Из примерно 5000 молекул с известным описанием ароматов в таких терминах, как «маслянистый», «тропический», «слабый» и так далее, для обучения ИИ была сделана выборка на 2/3 из исходных данных. Глубокое машинное обучение проводилось на такой свёрточной нейросети, как GNN (graph neural network). На основе полученной модели искусственному интеллекту были предложены оставшиеся молекулы, которые система смогла более-менее успешно идентифицировать самостоятельно.


В компании Google не испытывают иллюзий по поводу скорого появления ИИ-платформ для точного определения запахов. Это очень сложная для решения проблема. Например, у человека для этого в носу расположено свыше 400 типов рецепторов, а ведь ещё различать запахи мы учимся с рождения. Но решение проблемы с определением ароматов манит широкими перспективами: от оцифровки с возможностью компьютерного синтеза запахов до возвращения чувствительности к ароматам людям, лишённых этой роскоши по тем или иным причинам.


Работы в этом направлении ведутся во многих странах мира. Россия также вовлечена в процесс создания «электронного носа» и решений для идентификации запахов. В Google надеются, что научное сообщество сможет обмениваться самыми современными моделями и наборами данных для продвижения по пути цифрового распознавания ароматов.
Цитирование статьи, картинки - фото скриншот - Rambler News Service.
Иллюстрация к статье - Яндекс. Картинки.
Есть вопросы. Напишите нам.
Общие правила  поведения на сайте.

В отличие от определения цветов, которые легко идентифицируются по длине волны, определение запахов по молекулам отличается крайней неоднозначностью. Часто даже два человека могут один и тот же аромат описать по-разному. А ведь в строении молекул есть ещё так называемые хиральные пары, когда все связи и строения атомов одинаковые и отличаются только зеркальным отражением друг друга, например, тмин и мята, ароматы которых совершенно не совпадают при одинаковом строении на атомарном уровне. Человек отличит эту тонкость, а как научить этому ИИ? Но ведь это не остановит учёных? Информация размещенная на сайте - «hs-design.ru» Исследователи из Google задались целью научить ИИ распознавать запахи по молекулярному строению веществ. Из примерно 5000 молекул с известным описанием ароматов в таких терминах, как «маслянистый», «тропический», «слабый» и так далее, для обучения ИИ была сделана выборка на 2/3 из исходных данных. Глубокое машинное обучение проводилось на такой свёрточной нейросети, как GNN (graph neural network). На основе полученной модели искусственному интеллекту были предложены оставшиеся молекулы, которые система смогла более-менее успешно идентифицировать самостоятельно. В компании Google не испытывают иллюзий по поводу скорого появления ИИ-платформ для точного определения запахов. Это очень сложная для решения проблема. Например, у человека для этого в носу расположено свыше 400 типов рецепторов, а ведь ещё различать запахи мы учимся с рождения. Но решение проблемы с определением ароматов манит широкими перспективами: от оцифровки с возможностью компьютерного синтеза запахов до возвращения чувствительности к ароматам людям, лишённых этой роскоши по тем или иным причинам. Работы в этом направлении ведутся во многих странах мира. Россия также вовлечена в процесс создания «электронного носа» и решений для идентификации запахов. В Google надеются, что научное сообщество сможет обмениваться самыми современными моделями и наборами данных для продвижения по пути цифрового распознавания ароматов.
Просмотров: 540
Комментариев: 0:   26-10-2019, 09:01
Уважаемый посетитель, Вы зашли на сайт как незарегистрированный пользователь. Мы рекомендуем Вам зарегистрироваться либо войти на сайт под своим именем.

 
Еще новости по теме:



Другие новости по теме: