- 综合排序
- 最热优先
- 最新优先
- 来自专栏算法进阶
Graph图Transformer前沿进展研究！
图神经网络Transformers是一项机器学习的最新进展，提供了一类用于图结构数据的新型神经网络模型。Transformers与图学习的结合在各种图相关任务中表现出强大的性能和多功能性。 本综述对图Transformers研究的最新进展和挑战进行了深入的回顾。 它们从数据中捕捉结构和语义信息，促进了推荐系统[2]、问答系统[3]、异常检测[4]、情感分析[5]、文本生成[6]和信息检索[7]等任务的发展。 现有的综述未能充分涵盖图Transformer的最新进展和全面应用。此外，大多数综述未能提供系统的图Transformer模型分类。 为了填补这些空白，本综述旨在从设计和应用视角全面系统地回顾图Transformer研究的最新进展和挑战。
1.6K10编辑于 2024-07-31 - 来自专栏算法进阶
因果机器学习的前沿进展综述
下面将基于回答因果关系判定问题的角度，对反事实、干预和混杂因素 3 个概念进行介绍： 反事实。反事实是指在已经观测到一组变量的情况下，假设其中部分变量具有另外的取值的操作。 2 因果机器学习相关工作介绍 因果问题已成为机器学习重要且前沿的研究领域。 表 2 因果方法在可迁移性问题上的应用 图 4 3 类反因果迁移问题的因果图 2.3 鲁棒性问题 迁移学习帮助模型在目标环境中，利用有限的数据进行适应。 详见表3，反事实数据增强旨在消弭数据中的伪相关性，因果效应校准则通过调节偏差特征的功能来减轻偏差，而不变性学习则通过改变建模方式以学习稳定的因果关系。 3 总结与展望 本文介绍因果关系概念、模型和方法，包括可解释性、可迁移性、鲁棒性、公平性和反事实评估等问题。
2.6K40编辑于 2023-09-15 - 来自专栏博文视点Broadview
多模态知识图谱前沿进展
图1 System1 和 System2 的融合 3．知识图谱：衔接感知与认知 认知科学家道格拉斯·霍夫施塔特有一个观点认为“记忆是高度重建的。 如图3所示，在很多搜索引擎提供的知识图谱搜索结果中，都已经包含多模态的数据。知识图谱是链接数据的概念。 图3 知识图谱的多模态本质 02 多模态的价值与作用 1．模态知识互补 多模态有什么作用呢？首先，不同模态通常包含同一对象不同方面的知识。 图4 多模态知识的实体消歧 3．跨模态的语义搜索 进一步，假如能够将多种模态数据与知识图谱中对应的实体实现正确的实体链接，就可以实现跨多种模态的语义搜索。 书单 | 8月新书榜单TOP10 阿里云专家带你揭秘云计算数据底座 小白也能2周搞定3个月的Web开发任务！ ▼点击阅读原文，查看本书详情~
1.5K20编辑于 2023-05-06 - 来自专栏小汪Waud
前沿进展追踪的几种方法
where this frontier is. https://www.science.org/content/article/how-keep-scientific-literature 除了学习经典，跟踪前沿也是研究生的必修课之一 ，下面分享一些笔者进入实验室两年以来所学习的一些追踪前沿文献的方法。 期刊官网/RSS订阅 Google Scholar Twitter 微信公众号 期刊官网 / RSS订阅 定期浏览期刊官网永远是最全面的跟踪前沿文献的方式，读的越多，收获越多。 强烈推荐两位杰出的青年科学家：Tatsuya Nobori @nobolly 与 Pingtao Ding (he/him) @sardineboy_DING，他们热衷于分享最前沿最有趣的植物科学研究进展 但公众号的主要问题是： 发文主观性强：通常小编是哪个圈子就关注哪个圈子的前沿。 不同公众号涉及的内容存在一定重叠。
79620编辑于 2024-06-18 - 来自专栏一点人工一点智能
多模态知识图谱前沿进展
图1 System1 和 System2 的融合 3．知识图谱：衔接感知与认知 认知科学家道格拉斯·霍夫施塔特有一个观点认为“记忆是高度重建的。 如图3所示，在很多搜索引擎提供的知识图谱搜索结果中，都已经包含多模态的数据。知识图谱是链接数据的概念。 图3 知识图谱的多模态本质 02 多模态的价值与作用 1．模态知识互补 多模态有什么作用呢？首先，不同模态通常包含同一对象不同方面的知识。 图4 多模态知识的实体消歧 3．跨模态的语义搜索 进一步，假如能够将多种模态数据与知识图谱中对应的实体实现正确的实体链接，就可以实现跨多种模态的语义搜索。 3．场景图与知识图谱的融合 在视觉任务中，场景图通过将图像编码为抽象的语义元素（即对象及其相互作用），有助于视觉理解和可解释的推理。常识知识图谱则可以用来编码关于世界的事实性知识和抽象概念。
1.6K20编辑于 2022-12-27 - 来自专栏深度学习与python
Deepseek V3R1 技术内核 及 RAG 技术前沿进展
RAG 的前沿进展 DeepSeek 为 RAG 带来了什么？ 这一成就展示了中国在 AI 领域的强大实力，也证明了即使在资源有限的情况下，通过正确的技术路径和创新方法，也能取得突破性进展。 因为在这个快速发展的时代，每年都有新的技术涌现，只有持续学习，我们才能有机会站在行业的前沿。 RAG 的前沿进展 RAG 的前沿进展体现在多个方面。首先，Graph RAG 的出现为 RAG 带来了新的思路。 此外，DeepSeek 在模型优化方面的进展也为 RAG 带来了更好的上下文理解和推理能力，进一步提升了生成内容的质量。
52910编辑于 2025-02-27 - 来自专栏3D视觉从入门到精通
IROS 2020 | 跨视角语义分割前沿进展
这很直观，因为 2D 图像捅破天也只有 2D 信息，想知道整体空间的位置信息还是需要更多的 3D 信息。事实上，这件事已经有相当一部分人在做了。 为了让单纯的 2D 图像（RGB）具有深度信息从而转变成 RGB-D，我们发展了深度估计（Depth Estimation）；为了让 RGB-D 变成真正有用的 3D 信息，我们发展了三维重建（3D Reconstruction 其实在相当一部分实际任务中，得到物体准确的 3D 坐标是一件精确过头的事，就好比能用16位浮点数解决的任务我偏偏要用32位，可以但不是必要。 很多时候我们需要 3D 坐标只是因为这是一个清晰的，看得见摸得着的，具体的数值目标。但再好的数值目标，跟实际使用体验的关联性也不是百分百对应的。 我们于是将目光投向了一些模拟仿真环境（Simulated Environment），例如 House3D，Gibson Environment，Matterport3D。
73630发布于 2020-11-11 - 来自专栏AI科技评论
旷视首席孙剑：视觉计算前沿进展
作者 | 蒋宝尚 编辑 | 丛末 5月8日上午，旷视首席科学家、西交大人工智能学院院长孙剑博士在线做了一场“视觉计算的前沿进展”的报告，报告是由「信息技术新工科产学研联盟」主办的人工智能教育线上公开课 其中卷积最核心，作为一种算子，其具有空间不变性、权重共享等特点，一般3*3的卷积最为常见。一个3*3的卷积如果再加上通道数的卷积计算，就能提取特征信息。 图注：基本的检测框架：1.输入图像；2.通过骨干网络得到候选框；3.候选框得出局部区域；4.通过检测头；5、得到结果。 后来的RetinaNet和YOLO V3方法更加高效，一步就能够得到结果；Dense Box和FCOS能将整个方式更加简化。 除此之外，孙剑提到物体检测中的遮挡问题是计算机视觉中非常前沿的研究，如果一张照片中有两个人，一个人被另一个人部分遮挡，虽然人类的眼睛非常容易分辨出，但是因为包含推理，所以对于计算机来说是个非常困难的问题
92320发布于 2020-05-14 - 来自专栏算法进阶
贝叶斯机器学习前沿进展的综述
本文总结了贝叶斯方法在机器学习中的最新进展，具体内容包括贝叶斯机器学习的基础理论与方法、非参数贝叶斯方法及常用的推理方法、正则化贝叶斯方法等。 3 贝叶斯模型的推理方法 贝叶斯模型的推理方法是贝叶斯学习中重要的一环，推理方法的好坏直接影响模型的性能。 可喜的是近期在大数据贝叶斯学习（big Bayesian learning, BigBayes）方面取得了显著的进展。下面简单介绍在随机算法及分布式算法方面的进展，并以我们的部分研究成果作为示例。 表１所示为对目前的若干前沿进展简要总结： 5.1 随机梯度及在线学习方法 当数据量较大时精确的算法往往耗时较长，不能满足需要。一类常用的解决方案是采用随机近似算法［60－61］。 近期的主要进展包括随机变分贝叶斯方法［61］以及多种利用模型特性的快速改进算法［64］［64］。
1K20编辑于 2023-08-28 - 来自专栏机器学习与推荐算法
350篇文献总结可信推荐系统前沿进展
推荐系统作为以人为本的人工智能技术的最前沿应用，被广泛部署在网络世界的每个角落，其大大提高了人类的决策效率。 像GPT-3，T5这样的大模型已经在语言生成等任务产生了不俗的效果。推荐系统的研究也呈现出类似的趋势，而个性化是推荐系统研究最独特、最重要的特征之一，因此推荐系统社区一直主导着个性化基础模型的研究。 一个前沿的例子是P5--NLP模型一统推荐系统？ 最后，本部分讨论了可解释性与其他可信维度的关系，比如因果可解释性、可控解释性、无偏可解释性等前沿问题。 最后，本节讨论了分布式系统中的隐私--一文梳理联邦学习推荐系统研究进展、可解释人工智能与隐私等开放性问题。
1.2K20编辑于 2022-10-31 - 来自专栏新智元
邓侃解读：深度学习病历分析前沿进展
让文字转换为张量，有助于更精准的预测；医学知识图谱，让我们能够清晰、量化地定义疾病表型；将图像也编码成张量，构建统一的患者画像，完整表达病情描述，实现临床导航和发病预测……曾经是冷门中的冷门，正在迎来一个又一个的进展 2018年2月，佛罗里达大学的几位学者，梳理了这个领域的前沿进展，在 Arxiv 上发表了一篇综述，题为 “Deep EHR: A Survey of Recent Advances in Deep LearningTechniques 数据缺失，3. 时间跨度不一致，4. 脱敏。 多模态的问题，已经基本解决。把文字、音频、像素，全部编码成统一的数值张量。换句话说，数值张量是超越语言音频图像的数学语言，可以表述各种模态的语义。 一句话的总结：深度学习技术，让病历分析取得突破性进展。 相关论文 地址：https://arxiv.org/abs/1706.03446
1.2K100发布于 2018-03-21 - 来自专栏机器人网
【前沿】微软人工智能取得新进展
在云计算和机器学习技术进步的帮助下，这方面的工作正在迅速取得进展。 ? 虽然我们的超级计算机可以在一秒内进行数百亿次运算，但是要求它们解释周围环境，使用简单的语言进行表达几乎是不可能的事情。
62970发布于 2018-04-13 - 来自专栏AI科技评论
IEEE Fellow梅涛：视觉计算的前沿进展与挑战
1 计算机视觉的进展与挑战 上图是计算机视觉在过去五六十年取得的进展，2012年深度学习“大火”之前，计算机完成视觉任务通常有两个步骤：特征工程和模型学习。 特定领域进展如何？在图像识别领域，最广为人知莫过于ImageNet竞赛。其任务是给定一张图，预测出五个相关的标签。 因此，在CVPR 2017年的一项工作中，我利用一个1*3*3的二维空间卷积和3*1*1的一维时域卷积来模拟常用的3*3*3三维卷积。 推理方面进展如何？ ---- 推荐阅读 GAIR 2021大会首日：18位Fellow的40年AI岁月，一场技术前沿的传承与激辩 2021-12-10 致敬传奇：中国并行处理四十年，他们从无人区探索走到计算的黄金时代 |
59710编辑于 2023-04-12 - 来自专栏华章科技
智能驾驶大数据前沿研究进展与典型应用
3. 存储性能 研究表明，遍布车身的传感器的数据传输带宽能够达到3～40Gbit/s［69］，英伟达公司的自动驾驶技术测试也显示车辆学习数据收集系统在几小时内就能够充满TB级的固态存储硬盘（SSD）。 3. 03 前沿研究 面对上述问题，云边端协同处理模式显示出了巨大潜力。 2010年毕业于清华大学并获优秀硕士毕业生，2014年博士毕业于英国帝国理工学院，2014年3月至2018年6月在中国科学院计算所工作。
1.2K20编辑于 2022-06-07 - 来自专栏达达前端
前端技术前沿3
list: List }; data = { myNum: 50, syncNum: 100, items: [1, 2, 3, $emit('some-event', 1, 2, 3) // 触发组件中的自定义事件 this. $emit('childFun', 1, 2, 3) //$invoke 父组件向子组件发送事件： 使用import导入子组件后，在使用时可以直接通过 this. $invoke('子组件，必须要单引号括起来', '子组件方法名称', param1,param2,param3.......); 子组件间发送事件： this. $invoke('子组件的相对路径', '子组件方法名称', param1,param2,param3.......); 子组件的相对路径的理解： 当设置'./'即当前组件，'..
50460发布于 2019-07-03 - 来自专栏亨利笔记
可信联邦学习前沿论文与最新进展
香港科技大学计算机与工程系讲座教授和前系主任、中国人工智能学会（CAAI）荣誉副理事长杨强教授带领四篇可信联邦学习最新论文的作者，对该领域的前沿研究进行了详细的介绍。 杨强教授系统性地回顾了联邦学习的进展和面临的挑战。联邦学习是人工智能和隐私计算的重要交集，能够突破目前人工智能过度依赖中心化数据的瓶颈，在原始数据和模型私密参数都不动和不可见的前提下完成机器学习任务。 杨强教授简要介绍了可信联邦学习的前沿研究成果：No-free lunch定理，为隐私计算安全与效能的平衡提供定量分析的方法；FedCG，利用生成对抗网络和分割学习，既保护隐私又保障性能；FedBCD，提高 而后以下四篇论文作者从不同角度详细介绍了可信联邦学习的前沿成果。 Ownership Verification for Federated Deep Neural Network Models 论文全文链接： https://arxiv.org/abs/2109.13236v3
87030编辑于 2023-04-04 - 来自专栏人工智能头条
深度学习在计算机视觉领域的前沿进展
图1 Yann LeCun 对监督学习，增强学习和无监督学习的价值的形象比喻 本文结合笔者最近看的一些论文和文章，给出一个深度学习在计算机视觉领域的前沿进展的一个简介，如有错误或瑕疵，请留言告知，不胜感激 深度有监督学习在计算机视觉领域的进展 图像分类（Image Classification） 自从Alex和他的导师Hinton（深度学习鼻祖）在2012年的ImageNet大规模图像识别竞赛（ILSVRC2012 图3 图像检测示例 图像分割（Semantic Segmentation） 图像分割也是一项有意思的研究领域，它的目的是把图像中各种不同物体给用不同颜色分割出来，如下图所示，其平均精度（mIoU，即预测区域和实际区域交集除以预测区域和实际区域的并集 该领域是一个仍在进展的领域，仍旧有很大的进步空间。 ? 下图是Goodfellow在发表生成对抗网络论文中的一些生成图片，可以看出，模型生成的模型与真实的还是有大差别，但这是14年的论文了，16年这个领域进展非常快，相继出现了条件生成对抗网络（Conditional
1.2K30发布于 2018-06-06 实时实例分割与无监督学习的前沿进展
计算机视觉：Yong Jae Lee推动实时实例分割与无监督学习的前沿研究理解我们万花筒般的视觉世界是计算机科学家数十年来的重大挑战。因为视觉远不止是"看见"。 正在取得巨大进展。"深度学习革命Lee表示，向无监督学习的转变是由深度学习革命带来的。在这种范式下，开发的ML算法可以从大量原始未标注数据中提取相关信息。 今年，他和他的现任及前任学生公布了GIRAFFE HD，这是一个具有3D意识的高分辨率生成模型。这意味着它可以在独立生成适当背景的同时，连贯地旋转、移动和缩放场景中的前景对象。"
20510编辑于 2025-10-31- 来自专栏量化投资与机器学习
【RL前沿】深度强化学习的最新进展
今天编辑部给大家带来的是加州大学伯克利分校的深度强化学习公开课系列。 作者：Volodymyr Mnih Google DeepMind科学家。 在Geoffrey Hinton的指导下完成了多伦多大
1.6K100发布于 2018-01-29 - 来自专栏智药邦
基因泰克团队：机器学习辅助分子生成前沿进展概述
Machine Intelligence上发表文章Machine learning-aided generative molecular design，全面概述了当前利用机器学习模型进行分子设计的最新技术进展 未来方向 尽管生成式分子设计在加速早期药物发现方面取得了显著进展，但仍面临诸多挑战，如超出分布范围的生成、不切实际的问题表述、低保真、缺乏统一的评估协议和大规模研究等。
78610编辑于 2024-07-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号