科學(xué)家研發(fā)可判斷顏值的生成式神經(jīng)網(wǎng)絡(luò)
怎么樣的五官組合會被更多人認為高顏值呢？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)家們研究出了一個生成式對抗神經(jīng)網(wǎng)絡(luò)，生成了數(shù)百張逼真的人像。然后這些計算機生成圖像被逐一展示給 30 名測試對象，每個人都被指示將更多的注意力集中在他們認為最有吸引力的面孔上，同時使用 EEG（腦電圖）記錄他們大腦的電活動。
隨后，基于機器學(xué)習(xí)的算法確定哪些面孔對每個人產(chǎn)生的活動量最大，然后確定這些面孔有哪些共同的特征?；谶@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。在一個雙盲實驗中，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)的進一步發(fā)展，這個數(shù)字應(yīng)該會上升。
希望該團隊的研究結(jié)果最終可以用來幫助計算機系統(tǒng)理解主觀偏好，或許還可以用來識別人們的無意識態(tài)度。高級研究員 Michiel Spapé 說：“這項研究表明，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，生成與個人偏好相匹配的圖像。迄今為止，計算機視覺在根據(jù)客觀模式對圖像進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，如個人品味，來檢測和生成圖像” 。
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。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。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，請聯(lián)系本站處理。
舉報投訴
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4777瀏覽量
100966 -
AI
+關(guān)注
關(guān)注
87文章
31316瀏覽量
269659
發(fā)布評論請先 登錄
相關(guān)推薦
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
所擬合的數(shù)學(xué)模型的形式受到大腦中神經(jīng)元的連接和行為的啟發(fā)，最初是為了研究大腦功能而設(shè)計的。然而，數(shù)據(jù)科學(xué)中常用的神經(jīng)網(wǎng)絡(luò)作為大腦模型已經(jīng)過時，現(xiàn)在它們只是能夠在某些應(yīng)用中提供最先進性能的機器學(xué)習(xí)模型。近年來，由于
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)展等多個方面，詳細闡述BP
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)與計算機科學(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，取得了顯著進展?；?b class='flag-5'>神經(jīng)網(wǎng)絡(luò)的全息圖生成算法，以
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)
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，它由多個神經(jīng)元（或稱為節(jié)點）組成，這些
人工神經(jīng)網(wǎng)絡(luò)模型的分類有哪些
詳細介紹人工神經(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)、生成對抗
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）實際上是同一個概念，只是不同的翻譯方式
如何使用神經(jīng)網(wǎng)絡(luò)進行建模和預(yù)測
輸入信號，對其進行加權(quán)求和，然后通過激活函數(shù)進行非線性轉(zhuǎn)換，生成輸出信號。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
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)，它們在
bp神經(jīng)網(wǎng)絡(luò)模型怎么算預(yù)測值
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)測值的計算方法。 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)。
神經(jīng)網(wǎng)絡(luò)算法的基本原理
年代，當時科學(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
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)域的兩個核心概念，它們在推動技術(shù)進步和應(yīng)用拓展方面發(fā)揮著至關(guān)重要的作用。本文將詳細探討生成式AI與
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
神經(jīng)網(wǎng)絡(luò)架構(gòu)有哪些
、語音識別、自然語言處理等多個領(lǐng)域。本文將對幾種主要的神經(jīng)網(wǎng)絡(luò)架構(gòu)進行詳細介紹，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)、生成對抗
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》為標題，報道了由我國科學(xué)家研發(fā)的傳感器成果。 我國科學(xué)家研發(fā)高通道
工商網(wǎng)監(jiān)
評論