RESEARCH TOPIC工业智能与AI for Science深度之眼 · 小班科研
工业智能与AI for Science
人工智能方法下的数据驱动建模在工程问题中的应用(AI+工程)
随着现代工程系统的复杂性和规模不断提升,各类运行、实验及仿真产生的数据量呈现快速增长的趋势。如何高效挖掘这些海量数据中的潜在规律,并将其转化…
随着现代工程系统的复杂性和规模不断提升,各类运行、实验及仿真产生的数据量呈现快速增长的趋势。如何高效挖掘这些海量数据中的潜在规律,并将其转化…
在当今快速发展的数据时代,时间序列分析已成为各行各业预测和决策的关键技术。传统的时间序列分析方法虽然在一些领域取得了显著成效,但在处理复杂的…
人工智能(AI)技术的快速发展为生物医学数据的挖掘、疾病生物标志物分析、诊断和预后研究带来了前所未有的机遇和挑战。作为计算机科学与生物医学的…
基于Attention的跨模态检索与描述方法研究是人工智能领域的重要方向之一,旨在结合计算机视觉、自然语言处理和深度学习技术,开发能够高效关…
随着深度学习技术的广泛应用,其“黑箱”特性引发了广泛关注。《新一代人工智能发展规划》中强调建立具备可解释性的模型是发展通用人工智能的重要途径…
本课程紧扣 CVPR 2025 高频关键词—“多模态大模型”与“扩散模型”,聚焦多模态大模型(如 CLIP、BLIP-2、Sora)与扩散模…