数据派THU-腾讯云开发者社区

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

数据派THU

专栏成员

2149

文章

2148872

阅读量

191

订阅数

人工智能300年！LSTM之父最新长文：详解现代AI和深度学习发展史（附下载）

卷积神经网络学习方法强化学习监督学习

来源：新智元 Abner说AI本文约8900字，建议阅读15+分钟本文包括神经网络、深度学习、人工智能等领域的重要事件，以及那些为AI奠定基础的科学家们。关注微信公众号“数据派THU”，后台回复“20230214”，即可领取参考资料高清PDF文件！参考资料： https://people.idsia.ch/~juergen/deep-learning-history.html [ 导读 ] 最近，LSTM之父Jürgen Schmidhuber梳理了17世纪以来人工智能的历史。在这篇万字长文中，S

2023-02-27

5530

图表示学习技术在药物推荐系统中的应用

推荐系统学习方法 tcp/ip 医疗强化学习

本文约6500字，建议阅读13分钟本次分享的题目是图表示学习技术在药物推荐系统中的应用。主要包括以下四个部分：研究背景与挑战判别式药品包推荐生成式药品包推荐总结与展望 01、研究背景与挑战 1. 研究背景医疗资源总体不足，分布不均带来沉重压力药物推荐是智慧医疗的一个子问题，首先从智慧医疗的大背景说起，在我国智慧医疗存在紧迫性，随着人口增长、老龄化加剧，人们对于高质量医疗服务的需求不断攀升。图中两组数据，一是全国医疗机构的就诊人数在 60.5 亿人次，同比增长 22.4%；二是柳叶刀上关于

2023-02-27

9710

【2022新书】深度学习生物医学应用：从医疗影像到药物发现

学习方法深度学习机器学习神经网络人工智能

来源：专知本文为书籍介绍，建议阅读5分钟在本文中，我们将深入讨论tsfresh包的使用。本书涵盖了广泛的生命科学应用的基本方法。生物、医学和生物化学已经成为以数据为中心的领域，深度学习方法正在为这些领域带来突破性的成果。这本《深度学习生物医学》，从机器学习从业者和数据科学家寻求方法知识，以解决生物医学应用。随着国际知名专家的贡献，本书涵盖了广泛的生命科学应用的基本方法，包括电子健康记录处理，诊断成像，文本处理，以及组学数据处理。本书包括化学信息学和生物医学交互网络分析。在生命科学中使用数据驱动的方法，

2022-09-07

3830

小白学CV：图像/视频质量评价

学习方法深度学习机器学习神经网络人工智能

来源：Coggle数据科学本文约1200字，建议阅读5分钟本文中我们介绍了小白学习CV的基本方法。 I/VQA 介绍在视频监控中，通过图像/视频质量评价(image/video quality assessment，I/VQA)可以预测设备状态，以及时对存在问题的设备进行维修或更换;在网络直播中，通过I/VQA可以分析视频质量，以改善终端用户体验。 I/VQA方法分为主观和客观两类。主观方法通过人为打分的方式获得平均主观得分(mean opinion score，MOS)或平均主观得分差异(differe

2022-09-02

6260

细胞图像数据的主动学习

学习方法机器学习神经网络深度学习人工智能

来源：DeepHub IMBA本文约4000字，建议阅读10+分钟本文介绍一种对红细胞和白细胞图像分类任务的主动学习端到端工作流程。通过细胞图像的标签对模型性能的影响，为数据设置优先级和权重。许多机器学习任务的主要障碍之一是缺乏标记数据。而标记数据可能会耗费很长的时间，并且很昂贵，因此很多时候尝试使用机器学习方法来解决问题是不合理的。为了解决这个问题，机器学习领域出现了一个叫做主动学习的领域。主动学习是机器学习中的一种方法，它提供了一个框架，根据模型已经看到的标记数据对未标记的数据样本进行优先排序。

2022-08-29

3260

ICML 2022 | 游戏AI学会见招拆招，腾讯AI Lab提出「对手建模」算法框架GSCU

学习方法编程算法云计算

来源：机器之心本文约1200字，建议阅读5分钟腾讯 AI Lab「绝艺」团队提出了一套「对手建模」算法框架，在游戏场景中可针对当前对手动态智能切换策略。当前业内知名的竞技游戏 AI，在与人对抗过程中往往采取固定的策略，这可能会带来两方面的性能损耗：[1] 如果这个 “固定” 策略有漏洞并且一旦被人发现，那么这个漏洞就可以被一直复现。换句话说，采取固定策略的 AI 容易被人“套路”。[2] 采取固定策略的 AI 不能针对不同对手采取不同策略来获取更高的收益。例如，在二人石头 - 剪刀 - 布游戏中，如 AI

2022-08-29

3920

高斯过程相关研究的新进展的8篇论文推荐（统计 +人工智能）

学习方法 https 网络安全机器学习神经网络

来源：DeepHub IMBA本文约2400字，建议阅读10+分钟本文为你总结今年5月以来，高斯过程相关研究的新进展。 1、Low-Precision Arithmetic for Fast Gaussian Processes Wesley J. Maddox, Andres Potapczynski, Andrew Gordon Wilson https://arxiv.org/abs/2207.06856 低精度算法对神经网络的训练产生了变革性的影响，降低了对计算量、内存和算力的需求。但是高斯过程（

2022-08-29

3830

ICML2021 | 深入研究不平衡回归问题

学习方法机器学习神经网络深度学习人工智能

来源：知乎—Yuzhe Yang、深度学习与图网络https://zhuanlan.zhihu.com/p/369627086本文约8500字，建议阅读15分钟本文大体梳理一下数据不平衡这个问题在分类以及回归上的一部分研究现状。来给大家介绍一下我们的新工作，目前已被ICML 2021接收为 Long oral presentation：Delving into Deep Imbalanced Regression。这项工作在经典的数据不平衡问题下，探索了非常实际但极少被研究的问题：数据不平衡回归问题。现有

2022-07-13

8560

GNN如何发现新药？MIT博士论文《分子图表示学习与生成的药物发现》

深度学习学习方法机器学习神经网络人工智能

来源：专知本文为论文介绍，建议阅读5分钟我们探索了一种用于分子表示的Transformer式架构，提供了将这些模型应用于图形结构对象的新工具。机器学习方法已经广泛应用于药物发现领域，使得更强大和高效的模型成为可能。在深度模型出现之前，建模分子在很大程度上是由专家知识驱动的;为了表现分子结构的复杂性，这些手工设计的规则被证明是不够的。深度学习模型是强大的，因为它们可以学习问题的重要统计特征——但只有正确的归纳偏差。我们在两个分子问题的背景下解决这个重要的问题:表征和生成。深度学习的典型成功在于它能够将输入

2022-07-04

5390

WWW 2022 | 无监督图结构学习

学习方法网络安全监督学习无监督学习

来源：PaperWeekly本文约4500字，建议阅读10+分钟本文率先提出了无监督图结构学习的范式，旨在不依赖标签信息的条件下，从数据本身中学习更普适、更高质量的图结构。 ©作者 | Yuki 研究方向 | 推荐系统，图神经网络论文题目： Towards Unsupervised Deep Graph Structure Learning 论文链接： https://arxiv.org/pdf/2201.06367.pdf 代码链接： https://github.com/GRAND-Lab/SUBL

2022-06-29

7780

Nature子刊 | NUS、字节首次将AI元学习引入脑成像领域

腾讯云测试服务 html 机器学习学习方法迁移学习

来源：量子位（公众号id：qbitai）本文约2600字，建议阅读9分钟脑成像技术是神经科学发展的一个重要领域，能够直接观察大脑在信息处理和应对刺激时的神经化学变化、从而对疾病的诊断和治疗提供重要参照。近期，新加坡国立大学、字节跳动智能创作新加坡团队等机构合作的一项技术成果被全球顶级学术期刊Nature的子刊Nature Neuroscience收录。这项研究首次将人工智能领域的元学习方法引入到神经科学及医疗领域，能在有限的医疗数据上训练可靠的AI模型，提升基于脑成像的精准医疗效果。研究背景脑

2022-06-13

1930

基于深度强化学习的作战辅助决策研究

来源：专知本文为论文，建议阅读5分钟如何有效地利用智能化技术实现计算机辅助决策，已经成为制约作战指挥控制技术发展的瓶颈。面对瞬息万变的战场，如何有效地利用智能化技术实现计算机辅助决策，已经成为制约作战指挥控制技术发展的瓶颈。通过深入分析作战决策制定过程，将其转化为一个序列多步决策问题，使用深度学习方法提取包含指挥员情绪、行为和战法演变过程决策状态在内的战场特征向量，基于强化学习方法对策略状态行动空间进行搜索并对决策状态进行评估，直到获得最佳的行动决策序列，旨在实现未来战场“机脑对人脑”的博弈优势。 ht

2022-06-13

3720

ICLR 2022 | 图与主动学习：软标签情况下如何设计图上主动学习策略？

神经网络 oracle 学习方法深度学习

来源：PKUDAIR本文约2700字，建议阅读5分钟本文介绍了在图神经网络上主动学习的软标签方法。 ICLR (International Conference on Learning Representation) 国际表征学习大会是公认的深度学习领域国际顶级会议之一，关注有关深度学习各个方面的前沿研究，在人工智能、统计和数据科学领域以及机器视觉、语音识别、文本理解等重要应用领域中发布了众多极其有影响力的论文。 PKU-DAIR 实验室研究成果《Information Gain Propagation:

2022-06-07

5160

CNN调优总结

http https 网络安全编程算法学习方法

来源：Charlotte数据挖掘、深度学习爱好者本文约11000字，建议阅读15+分钟本文详细对比了各种超参数对CNN模型性能的影响。针对CNN优化的总结 Systematic evaluation of CNN advances on the ImageNet 使用没有 batchnorm 的 ELU 非线性或者有 batchnorm 的 ReLU。用类似1*1的网络结构预训练RGB数据，能得到更好的效果。使用线性学习率衰退策略。使用平均和最大池化层的和。使用大约 128（0.005）到 2

2022-06-07

2760

AF-GCL：不需要增强的图对比学习

学习方法编程算法

来源：Paperweekly本文共3500字，建议阅读5分钟本文介绍了在图对比学习中更为方便的AF-GCL模型。论文标题： Augmentation-Free Graph Contrastive Learning 论文链接： https://arxiv.org/abs/2204.04874 现有的图对比学习（GCL）模型依赖于图的增强，来学习在不同的增强图中保持不变的表示。作者发现，图的增强能够保存图的低频部分，而扰动图的高频部分，因此图对比学习模型往往能在同质图上取得很好的表现，但在高频的异质图中表现

2022-05-23

4560

深度学习蓄势待发，即将“爆破”欧拉方程

神经网络学习方法深度学习

来源：AI科技评论本文约4800字，建议阅读10+分钟今年早些时候，一个由数学家和地球科学家组成的团队发现了一种全新的近似奇点的方法——他们利用了深度学习方法，能够直接观察奇点。 250多年来，数学家们一直试图“爆破”一些物理学中最重要的方程式，比如描述流体流动的欧拉方程。如果他们成功，他们会发现，在某种情况下方程会被爆破——比如可能会出现一个无限快地旋转的漩涡，或者出现一个突然停止又突然流动的电流，或者是出现一个以无限快的速度掠过的电子。超过这个爆发点——也就是“奇点”——方程将不再有解。这些方程甚至将

2022-05-16

3740

向真实世界应用进军：持续自监督学习的挑战

监督学习深度学习编程算法学习方法

来源：AI科技评论本文约7000字，建议阅读10+分钟在本文中，我们通过实验对“连续自监督学习”问题展开了研究。在 Yann Lecun 等人的推动下，自监督学习成为了深度学习领域最受瞩目的技术之一。互联网世界源源不断产生的数据流无疑是充分发挥自监督学习能力的最佳土壤。然而，将自监督学习应用于自然场景将面临哪些严峻的挑战？且看来自 CMU 的 Abhinav Gupta 团队如何对此展开研究。 1、摘要自监督学习旨在消除表示学习对人工标注的需求，我们希望自监督学习利用自然场景下的数据学习表征，即不需要

2022-05-09

2130

5篇关于强化学习在金融领域中应用的论文推荐

强化学习学习方法机器学习神经网络深度学习

来源：DeepHub IMBA本文约1500字，建议阅读5分钟本文推荐了5篇关于强化学习在金融领域中应用的论文。近年来机器学习在各个金融领域各个方面均有应用，其实金融领域的场景是很适合强化学习应用的，但是由于金融领域真金白银的，以目前强化学习的学习效率估计愿意尝试的人不多，但是并不妨碍我们学习和了解这方面的知识。 Reinforcement learning in market games(arxiv 0710.0114) Edward W. Piotrowski, Jan Sladkowski, An

2022-04-22

7490

近十年的VI-SLAM算法综述与发展（附链接）

学习方法编程算法 https 网络安全

本文转载自INDEMIND，作者半不闲居士@CSDN。文章仅用于学术分享。本文约7000字，建议阅读14分钟本文为作者在从事Slam相关工作中对这几年遇到以及改进过相关VIO算法内容总结。 1、背景介绍一个完整的 SLAM(simultaneous localization and mapping) 框架包括传感器数据、前端、后端、回环检测与建图，如图1所示，其中，前端将传感器的数据抽象成适用于估计的模型，回环检测判断机器人是否经过已知的位置。而后端接受不同时刻前端测量的位姿和回环检测的信息并对它们

2022-04-21

2.2K0

ACL2022 | 清华大学、DeepMind等指出现有小样本学习方法并不稳定有效，提出评价框架

学习方法 NLP 服务 https 网络安全

来源：机器之心本文约2200字，建议阅读5分钟本文介绍了清华大学、DeepMind等团队在小样本学习方法的最新进展。以 GPT-3 为代表的预训练语言模型的发展，引发对小样本自然语言理解任务的极大关注。各种方法不断发展并展现出日渐强大的小样本自然语言理解性能。然而，来自清华大学、DeepMind 等团队的研究者近期的一项研究指出：相同基准再评估结果表明，现有小样本学习方法并不足够稳定有效，小样本自然语言理解发展尚面临巨大挑战！评价准则的差异极大阻碍了已有小样本学习方法基于统一的标准公平比较，也无法客观评

2022-04-19

2980

点击加载更多

社区活动

【纪录片】中国数据库前世今生

穿越半个世纪，探寻中国数据库50年的发展历程

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态